Bối cảnh và vấn đề nghiên cứu

Trong thế kỷ XXI, sự bùng nổ của mạng xã hội đã tạo ra môi trường tương tác và chia sẻ thông tin sâu rộng. Khác với truyền thông truyền thống như sách báo hay truyền hình, dữ liệu mạng xã hội sở hữu các đặc tính: khối lượng lớn, sản sinh liên tục theo thời gian thực, độ mở cao, lan truyền nhanh và tính ẩn danh của các nguồn phát. Những đặc tính này đồng thời tạo điều kiện cho tin giả và thông tin thiếu tin cậy lan truyền tràn lan, gây ảnh hưởng tiêu cực đến an toàn cá nhân, sức khỏe tinh thần người dùng, làm gia tăng nguy cơ thao túng dư luận và gây quá tải nghiêm trọng cho đội ngũ kiểm duyệt nội dung.

Trước thực trạng đó, các nghiên cứu hiện nay chủ yếu tập trung tối ưu hóa các thuật toán học máy và học sâu tĩnh trên các bộ dữ liệu có sẵn (huấn luyện ngoại tuyến - Offline Learning). Cách tiếp cận này bộc lộ hạn chế lớn: mô hình phụ thuộc hoàn toàn vào phân phối dữ liệu tại thời điểm thu thập, không thể thích ứng khi xu hướng tin tức thay đổi liên tục theo thời gian (hiện tượng Concept Drift) và chưa cung cấp công cụ tương tác thời gian thực cho người dùng phổ thông cũng như các nhà kiểm duyệt.

Khóa luận tốt nghiệp của tác giả Bùi Anh Khôi (ngành Khoa học Dữ liệu, Trường Đại học Công nghệ Thông tin - ĐHQG TP.HCM, hướng dẫn bởi TS. Đỗ Trọng Hợp và TS. Nguyễn Thanh Bình) đặt ra ba mục tiêu nghiên cứu cụ thể:

  1. Xây dựng các mô hình phát hiện tin giả thông qua việc áp dụng các kiến trúc học sâu hiện đại và kết hợp đa dạng các dạng đặc trưng đầu vào để đạt hiệu suất phân loại tối ưu.
  2. Ứng dụng phương pháp Học trực tuyến (Online Learning) giúp mô hình thích nghi liên tục với sự thay đổi của xu hướng dữ liệu mới, đồng thời bảo toàn tri thức cũ đã tích lũy nhằm chống lại hiện tượng quên thảm khốc (Catastrophic Forgetting).
  3. Thiết kế và triển khai một hệ thống hoàn chỉnh theo thời gian thực, bảo đảm tính gọn nhẹ và tốc độ xử lý nhanh để có thể vận hành trên hạ tầng đám mây hoặc môi trường có tài nguyên hạn chế.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Các bài đăng tin tức bằng tiếng Việt trên các nền tảng mạng xã hội; các đặc trưng nội dung (văn bản, hình ảnh) và ngữ cảnh xã hội (metadata tương tác, định danh nguồn tin); các giải thuật học sâu và cơ chế học trực tuyến thích nghi luồng dữ liệu.
  • Phạm vi không gian: Không gian mạng xã hội tại Việt Nam, tập trung vào nền tảng Facebook cùng dữ liệu từ Zalo và Lotus.
  • Phạm vi thời gian: Dữ liệu thực nghiệm bao gồm bộ dữ liệu ReINTEL 2020 (thu thập từ tháng 8 đến tháng 10 năm 2020) và bộ dữ liệu FEvent do nhóm tác giả tự thu thập từ tháng 1 đến đầu tháng 6 năm 2023.

Cơ sở lý thuyết và phương pháp

Khóa luận tiếp cận bài toán dựa trên các định nghĩa học thuật và khung pháp lý thực tế:

  • Khái niệm tin giả: Tác giả trích dẫn định nghĩa từ Từ điển Oxford, Tiêu chuẩn cộng đồng của Facebook và định nghĩa chính thức của Cục Phát thanh, truyền hình và thông tin điện tử Việt Nam: “Tin giả trên không gian mạng là những thông tin sai sự thật được cố ý đăng tải, lan truyền nhằm mục đích không chính đáng gây hiểu lầm cho người đọc, người xem hoặc những thông tin có một phần sự thật nhưng không hoàn toàn chính xác do không được kiểm chứng, xác minh hoặc bị phóng đại, suy diễn, làm thay đổi bản chất của sự việc, thường xuất hiện dưới dạng tin tức và được lan truyền chủ yếu trên mạng xã hội”.
  • Phân loại đặc trưng: Hệ thống tiếp cận theo hai hướng phát hiện tự động gồm phân tích nội dung (văn bản, hình ảnh) và phân tích ngữ cảnh xã hội (lượt thích, bình luận, chia sẻ, thời điểm đăng, danh tính nguồn tin).
  • Học trực tuyến và hiện tượng Catastrophic Forgetting: Trong môi trường luồng dữ liệu liên tục ($D = {D_1, D_2, \dots, D_t}$ với $D_t = {x_t, y_t}$), mô hình học sâu truyền thống khi cập nhật trên dữ liệu mới thường làm thay đổi mạnh các trọng số, dẫn đến mất khả năng dự đoán chính xác trên phân phối cũ (nghịch lý "ổn định - mềm dẻo"). Hiện tượng Concept Drift xảy ra do sự kiện nóng thay đổi hoặc một thông tin chưa xác minh ban đầu bị gắn nhãn sai, sau đó được đính chính.
  • Cơ chế Replay sinh học: Lấy cảm hứng từ hệ thần kinh của động vật có vú, trong đó vùng Hồi hải mã (Hippocampus) đóng vai trò mã hóa, lưu trữ ngắn hạn và vùng Vỏ đại não (Neocortex) đảm nhận vai trò lưu trữ dài hạn và xử lý suy luận. Cơ chế tái hiện (Replay) diễn ra trong trạng thái tỉnh thức cũng như các chu kỳ ngủ NREM và REM để củng cố trí nhớ. Tác giả ánh xạ cấu trúc này vào mạng nơ-ron gồm ba thành phần: Bộ mã hóa (G - Encoder), Bộ nhớ tạm thời (M - Memory) và Bộ phân lớp (F - Classifier). Dữ liệu mới đến sẽ được trộn với một phần dữ liệu cũ từ bộ nhớ tạm để tái huấn luyện bộ phân lớp.
  • Học chủ động (Active Learning): Do dữ liệu thời gian thực từ mạng xã hội chỉ có nội dung ($x_t$) mà thiếu nhãn ($y_t$), hệ thống gửi truy vấn hiển thị dự đoán để người dùng trực tiếp phản hồi, cung cấp nhãn giám sát cập nhật ngược lại mô hình.

Phương pháp tiền xử lý và kiến trúc mô hình:

  • Tiền xử lý văn bản: Loại bỏ biểu tượng cảm xúc, đường dẫn URL, chuẩn hóa chữ thường, tách từ tiếng Việt bằng công cụ VnCoreNLP và loại bỏ từ dừng (stopwords).
  • Tiền xử lý hình ảnh: Tải ảnh từ URL (ảnh khuyết điền ảnh trắng), chuyển sang hệ màu RGB, chuẩn hóa kích thước về $256 \times 256$, chuyển thành véc-tơ tensor và chuẩn hóa giá trị điểm ảnh về đoạn $[0, 1]$.
  • Tiền xử lý metadata và người dùng: Dùng biểu thức chính quy (regex) trích xuất các chuỗi tương tác thành dạng số, trích xuất thuộc tính thời gian (ngày trong tuần, giờ đăng tải), làm mịn phân phối bằng hàm logarit (log scale); mã hóa định danh người dùng qua hàm băm để bảo mật danh tính.
  • Kiến trúc mô hình thành phần:
    • Mô hình văn bản: Sử dụng các bộ trích xuất đặc trưng gồm Word Embedding khởi tạo ngẫu nhiên (300 chiều), PhoW2V (300 chiều) và phoBERT (768 chiều), kết hợp với các bộ phân lớp BiLSTM (hidden layer 256, dropout 0.1), BiGRU (hidden layer 256, dropout 0.1) và TextCNN (3 lớp Conv2D kích thước bộ lọc 2, 3, 4, gồm 32 bộ lọc, dropout 0.1). Độ dài chuỗi tối đa thiết lập là 64. Tốc độ học (learning rate) là 0.00002 cho phoBERT và 0.1 cho các mô hình còn lại.
    • Mô hình hình ảnh: ResNet18 và ResNet50 tiền huấn luyện làm bộ trích xuất đặc trưng kết hợp với mạng MLP làm bộ phân loại (dropout 0.1; learning rate 0.00009 cho ResNet18 và 0.00003 cho ResNet50).
    • Mô hình metadata và nguồn tin: Mạng nơ-ron nhiều lớp MLP (dropout 0.1, learning rate 0.01 cho metadata; Embedding 128 chiều kết hợp MLP với learning rate 2.0 cho nguồn tin).
    • Kết hợp đa mô hình: Áp dụng phương pháp lấy trung bình có trọng số (Weighted Average Ensemble) với tốc độ học tối ưu trọng số khởi tạo là 0.01 và giảm còn 0.001 trong pha học trực tuyến.
  • Thuật toán tối ưu: Thuật toán Adam và hàm mất mát CrossEntropyLoss xuyên suốt các thực nghiệm.
  • Phương pháp đánh giá trực tuyến: Đánh giá luồng dữ liệu theo kỹ thuật Prequential Evaluation và chia dữ liệu theo các phiên (sessions). Sử dụng các tiêu chí F1-score, Accuracy cùng ba chỉ số chuyên biệt cho học liên tục đã được chuẩn hóa theo mô hình ngoại tuyến lý tưởng ($\alpha_{ideal}$): $\alpha_{base}$ (đo lường khả năng ghi nhớ kiến thức cũ của phiên đầu tiên), $\alpha_{new}$ (đo lường khả năng tiếp thu kiến thức mới của phiên hiện tại) và $\alpha_{all}$ (hiệu suất tổng thể trên toàn bộ dữ liệu kiểm thử tích lũy).

Nội dung chính theo từng chương

Chương 1. Giới thiệu

Chương mở đầu phân tích bối cảnh biến chuyển thông tin trên mạng xã hội thế kỷ XXI, chỉ ra các đặc tính lan truyền dữ liệu và tác hại nhiều mặt của tin giả đối với đời sống, tâm lý người dùng và trật tự xã hội. Tác giả trình bày các định nghĩa về tin giả từ các tổ chức và cơ quan quản lý nhà nước tại Việt Nam; phân loại các hướng tiếp cận phát hiện tự động dựa trên nội dung bài viết và ngữ cảnh xã hội, qua đó khẳng định tính cấp thiết của việc xây dựng một hệ thống đánh giá tự động theo thời gian thực có khả năng tự cập nhật.

Chương 2. Công trình nghiên cứu liên quan

Tác giả hệ thống hóa các nghiên cứu tiêu biểu trên thế giới sử dụng kiến trúc học sâu (RNN, CNN, Multimodal, Boosting) và các nghiên cứu tại Việt Nam, trọng tâm là cuộc thi ReINTEL Challenge 2020 (các mô hình tiêu biểu sử dụng PhoBERT, bert4news kết hợp MLP, SVM cho metadata) cùng nghiên cứu thực nghiệm trên mô hình RNN của nhóm tác giả Đại học Đà Nẵng (đạt F1-score 0.77 mảng chính trị và 0.73 mảng Covid-19). Chương này chỉ ra khoảng trống nghiên cứu cốt lõi: các giải pháp hiện tại đều huấn luyện ngoại tuyến trên dữ liệu tĩnh, thiếu khả năng thích nghi khi xuất hiện sự trôi dạt khái niệm và chưa cung cấp công cụ hoàn chỉnh phục vụ người dùng. Từ đó, mục tiêu cụ thể của khóa luận được xác lập.

Chương 3. Phương pháp học sâu trực tuyến

Chương 3 trình bày chi tiết quy trình tiền xử lý kỹ thuật cho bốn dạng dữ liệu đầu vào (văn bản, hình ảnh, metadata, định danh tác giả). Kế tiếp, tác giả phân tích cơ sở lý thuyết của các kiến trúc mạng nơ-ron (MLP, RNN, LSTM, GRU, TextCNN, ResNet), các phương pháp biểu diễn từ (PhoW2V, phoBERT) và kỹ thuật kết hợp đa mô hình có trọng số. Nội dung trọng tâm của chương đi sâu vào định nghĩa toán học của học trực tuyến, hiện tượng Concept Drift trong tin tức và bản chất của hiện tượng Catastrophic Forgetting. Cơ chế Replay sinh học giữa Hồi hải mã và Vỏ đại não được mô hình hóa thành kiến trúc ba khối (G - M - F), kết hợp kỹ thuật Active Learning để giải quyết bài toán thiếu nhãn trong luồng dữ liệu thời gian thực.

Chương 4. Thực nghiệm so sánh hiệu suất các mô hình

Chương này mô tả chi tiết hai tập dữ liệu thực nghiệm (ReINTEL 2020 và FEvent), thiết kế luồng dữ liệu chia session theo trình tự thời gian và theo sự kiện, cùng bốn chiến lược bộ nhớ tạm $M$ (không giới hạn, giới hạn 1024 mẫu, REMIND 1024 mẫu dùng Product Quantization, và không sử dụng bộ nhớ). Tác giả thiết lập quy trình kiểm thử qua hai giai đoạn: khởi tạo ngoại tuyến ở session đầu tiên với cơ chế dừng sớm (Early Stopping: patience = 5, delta = 0.001) và học trực tuyến ở các session kế tiếp. Toàn bộ kết quả phân loại đơn lẻ và đa mô hình được phân tích đa chiều thông qua các chỉ số F1-score, Accuracy, $\alpha_{base}$, $\alpha_{new}$ và $\alpha_{all}$.

Chương 5. Xây dựng hệ thống xử lý thời gian thực

Chương 5 hiện thực hóa các kết quả nghiên cứu thành một sản phẩm công nghệ hoàn chỉnh. Tác giả trình bày kiến trúc vi dịch vụ (Microservices), quy trình đóng gói các mô-đun thành các container độc lập và quy trình liên lạc thời gian thực qua giao thức WebSocket. Chi tiết thiết kế bao gồm: Tiện ích mở rộng trên trình duyệt (Chrome Extension) can thiệp DOM mạng xã hội Facebook, giao tiếp với Bộ phận xử lý phụ trợ gồm mô-đun tiền xử lý, mô-đun mô hình và mô-đun lưu trữ.

Chương 6. Kết luận và phương hướng phát triển

Chương cuối cùng tổng kết các mục tiêu đã hoàn thành của khóa luận, bao gồm việc xây dựng thành công tập dữ liệu FEvent, chứng minh tính hiệu quả của phương pháp học trực tuyến với cơ chế Replay trong việc kiểm soát quên thảm khốc và triển khai thành công hệ thống phần mềm thời gian thực. Đồng thời, tác giả thẳng thắn chỉ ra các hạn chế còn tồn tại về quy mô dữ liệu, chi phí tính toán và đề xuất các định hướng nâng cấp trong tương lai.

Thiết kế và triển khai

Hệ thống được thiết kế theo kiến trúc Microservices hướng container nhằm tối ưu hóa khả năng mở rộng, triển khai và bảo trì trên hạ tầng đám mây. Hệ thống gồm hai phân hệ chính:

[Tiện ích Chrome Extension] <---(WebSocket)---> [Bộ phận xử lý Back-end (Containers)]

  1. Phân hệ Client (Tiện ích mở rộng trên trình duyệt):

    • Xây dựng dưới dạng Chrome Extension dành cho trình duyệt nhân Chromium.
    • Khi người dùng lướt Facebook, tiện ích tự động trích xuất nội dung văn bản, đường dẫn hình ảnh, chỉ số tương tác (like, comment, share), thời gian đăng và ID người đăng từ cấu trúc DOM.
    • Gửi dữ liệu thô về máy chủ qua kênh WebSocket, nhận kết quả dự đoán và thay đổi giao diện trực tiếp trên bài đăng để cảnh báo người dùng (gắn nhãn bài viết).
    • Cung cấp giao diện tương tác Active Learning: hiển thị nút bấm cho phép người dùng xác nhận hoặc báo cáo lại nhãn tin cậy, chuyển phản hồi về hệ thống để phục vụ việc tự huấn luyện cập nhật mô hình.

  2. Phân hệ Server (Bộ phận xử lý trung tâm):

    • Mô-đun WebSocket: Đảm nhận kết nối hai chiều liên tục, giảm thiểu độ trễ truyền thông điệp giữa client và server.
    • Mô-đun tiền xử lý: Tích hợp VnCoreNLP để chuẩn hóa văn bản, thư viện Requests và Pillow để tải và chuẩn hóa ảnh về $256 \times 256 \times 3$, áp dụng biểu thức chính quy xử lý metadata và log scale.
    • Mô-đun mô hình: Chạy trên môi trường PyTorch, đóng gói mô hình học sâu trực tuyến với bộ nhớ Replay, thực hiện song song hai tác vụ: suy luận tức thời (inference) trả về kết quả cho tiện ích và cập nhật tham số (online update) khi nhận được nhãn phản hồi từ người dùng.
    • Mô-đun lưu trữ: Quản lý cơ sở dữ liệu luồng, lưu trữ các véc-tơ đặc trưng trong bộ nhớ tạm $M$ và ghi nhận các phiên bản trọng số mô hình.

Kết quả và đóng góp

1. Dữ liệu thực nghiệm

Khóa luận tiến hành thực nghiệm trên hai nguồn dữ liệu mạng xã hội Việt Nam với cấu trúc phân chia session rõ ràng:

Tên bộ dữ liệu Quy mô (Mẫu) Số lượng Session Cách thức phân chia Session Nguồn gốc / Thời gian
ReINTEL 2020 4.372 5 Chia đều theo trình tự thời gian (Sessions 1-4: 875 mẫu; Session 5: 872 mẫu; tỷ lệ train:test = 8:2) Ban tổ chức ReINTEL Challenge 2020 (Tháng 8 - 10/2020)
FEvent 1.468 8 Chia theo nhóm sự kiện nóng (Session 1: "undefined" gồm 474 mẫu; các Session 2-8 từ 27 đến 252 mẫu; tỷ lệ train:test = 8:2) 5 sinh viên Khoa học Dữ liệu tự gán nhãn trên Facebook (Tháng 1 - 6/2023)

2. Kết quả phân loại chính

  • Đặc trưng văn bản: Là nhóm đặc trưng đóng góp hiệu quả phân loại cao nhất trong các dạng đầu vào. Trên bộ dữ liệu ReINTEL 2020, mô hình TextCNN kết hợp bộ trích xuất phoBERT cho kết quả phân loại tổng thể cao nhất. Trên bộ dữ liệu FEvent, mô hình TextCNN sử dụng PhoW2V tiền huấn luyện đạt hiệu suất tiếp thu kiến thức mới vượt trội với $F1_{new} = 0,7166$. Mô hình đạt khả năng bảo toàn kiến thức cũ tốt nhất là sự kết hợp giữa phoBERT và BiGRU với chỉ số $F1_{base}$ cao nhất.
  • Đặc trưng hình ảnh và metadata: Các mô hình sử dụng ResNet18/ResNet50 trích xuất đặc trưng ảnh hoặc MLP cho metadata và nguồn tin khi hoạt động đơn lẻ cho thấy sự thiếu ổn định trong môi trường huấn luyện trực tuyến, hiệu suất suy giảm nhanh khi phân phối luồng dữ liệu biến động.
  • Cơ chế Replay: Việc tích hợp bộ nhớ tạm thời $M$ giúp mô hình khắc phục rõ rệt hiện tượng Catastrophic Forgetting so với trường hợp không sử dụng bộ nhớ. Chiến lược chọn mẫu ngẫu nhiên từ bộ nhớ đệm mang lại hiệu quả ổn định.
  • So sánh mô hình Online và Offline: Khi luồng dữ liệu xuất hiện Concept Drift (thay đổi chủ đề sự kiện trên bộ dữ liệu FEvent), các mô hình huấn luyện Offline truyền thống suy giảm độ chính xác rõ rệt trên dữ liệu tương lai. Ngược lại, các mô hình Online duy trì được khả năng thích nghi và cải thiện độ chính xác tổng thể nhờ cơ chế cập nhật liên tục trên từng điểm dữ liệu.

3. Đóng góp của tác giả

  • Đóng góp khoa học: Đề xuất hướng tiếp cận mới trong bài toán phát hiện tin giả tại Việt Nam bằng cách chuyển dịch từ bài toán phân loại tĩnh sang bài toán học luồng trực tuyến thích ứng thời gian thực; áp dụng thành công cơ chế Replay mô phỏng chức năng vùng Hồi hải mã để giải quyết triệt để hiện tượng Catastrophic Forgetting.
  • Đóng góp dữ liệu: Xây dựng và công bố bộ dữ liệu FEvent gồm 1.468 bài đăng tin tức Facebook tiếng Việt gắn liền với các sự kiện thực tế có gắn nhãn thủ công chuẩn hóa, cung cấp tập dữ liệu mẫu phục vụ nghiên cứu sự dịch chuyển khái niệm.
  • Đóng góp ứng dụng: Triển khai một hệ sinh thái phần mềm hoàn chỉnh gồm tiện ích trình duyệt và hệ thống vi dịch vụ xử lý nền, kết hợp vòng lặp Active Learning biến người dùng thành một thành phần cung cấp nhãn giám sát thời gian thực.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế được tác giả chỉ ra:

  • Quy mô bộ dữ liệu FEvent còn tương đối khiêm tốn (1.468 mẫu) do phụ thuộc vào quá trình thu thập và gán nhãn thủ công của nhóm 5 sinh viên.
  • Việc sử dụng các mô hình học sâu phức tạp (như phoBERT cho văn bản hoặc ResNet cho hình ảnh) đòi hỏi chi phí tính toán và tài nguyên bộ nhớ đáng kể, tạo ra thách thức lớn về độ trễ khi triển khai trên các thiết bị hoặc máy chủ có tài nguyên hạn chế.
  • Cơ chế Active Learning phụ thuộc vào sự tương tác và tính khách quan của người dùng; nguy cơ nhận phản hồi sai hoặc bị người dùng cố ý gán nhãn sai có thể làm suy giảm chất lượng mô hình cập nhật.
  • Một số mô hình trích xuất đặc trưng hình ảnh và metadata đơn lẻ thể hiện sự biến động lớn, thiếu ổn định trong môi trường học trực tuyến.

Hướng nghiên cứu tiếp:

  • Mở rộng quy mô, sự đa dạng của bộ dữ liệu sự kiện mạng xã hội FEvent sang nhiều chủ đề và nền tảng khác.
  • Nghiên cứu các phương pháp nén mô hình, tối ưu hóa các bộ trích xuất đặc trưng để giảm thiểu chi phí tính toán và tăng tốc độ xử lý thời gian thực.
  • Cải tiến cơ chế chọn mẫu Replay thông minh hơn và thiết lập giải thuật lọc nhiễu nhãn từ phản hồi của người dùng trong quá trình Active Learning.

Giá trị tham khảo

Tài liệu này là nguồn tham khảo chuyên sâu và hữu ích cho:

  • Sinh viên và nhà nghiên cứu ngành Khoa học Dữ liệu, Trí tuệ Nhân tạo và Công nghệ Thông tin: Đặc biệt là những ai đang thực hiện đề tài về Xử lý ngôn ngữ tự nhiên (NLP tiếng Việt), Học liên tục (Continual Learning), Học trực tuyến (Online Learning) và bài toán nhận diện thông tin sai lệch.
  • Kỹ sư phát triển hệ thống: Phần Chương 3 (Mô hình hóa Replay), Chương 4 (Thiết kế luồng thực nghiệm theo Session và chỉ số đánh giá $\alpha_{base}, \alpha_{new}, \alpha_{all}$) và Chương 5 (Kiến trúc vi dịch vụ kết hợp Chrome Extension với Backend AI qua WebSocket) là những tài liệu thiết kế hệ thống có tính ứng dụng thực tiễn cao.

Câu hỏi thường gặp

1. Khóa luận sử dụng những bộ dữ liệu nào và điểm khác biệt cốt lõi giữa chúng là gì? Khóa luận sử dụng hai bộ dữ liệu: ReINTEL 2020 (4.372 mẫu, thu thập từ tháng 8 đến tháng 10 năm 2020 trên Facebook, Zalo, Lotus) mang tính bao quát nhiều lĩnh vực; và FEvent (1.468 mẫu, thu thập từ tháng 1 đến tháng 6 năm 2023 trên Facebook) do tác giả tự thu thập. Khác biệt cốt lõi là FEvent được tổ chức phân tách theo các chủ đề sự kiện nóng cụ thể (như sự kiện HUFLIT, sự kiện Bé Hạo Nam...) nhằm giả lập và đánh giá chính xác hiện tượng trôi dạt khái niệm (Concept Drift) theo thời gian.

2. Cơ chế Replay được mô phỏng từ cấu trúc sinh học nào và giải quyết vấn đề gì trong mạng nơ-ron? Cơ chế Replay được mô phỏng theo hoạt động phối hợp giữa vùng Hồi hải mã (Hippocampus - lưu trữ tạm thời, mã hóa ngắn hạn) và vùng Vỏ đại não (Neocortex - lưu trữ dài hạn) trong não người. Trong mạng nơ-ron nhân tạo, cơ chế này giúp giải quyết hiện tượng quên thảm khốc (Catastrophic Forgetting) bằng cách lưu trữ các véc-tơ đặc trưng cũ vào bộ nhớ tạm thời $M$, sau đó trộn ngẫu nhiên dữ liệu cũ với dữ liệu mới đến từ luồng stream để tái kích hoạt và cập nhật bộ phân lớp $F$.

3. Tại sao mô hình học máy truyền thống (Offline Learning) lại bộc lộ nhược điểm khi áp dụng phát hiện tin tức mạng xã hội? Mô hình ngoại tuyến giả định dữ liệu độc lập và cùng phân phối (IID), tối ưu hóa trên một tập dữ liệu tĩnh cố định. Trên mạng xã hội, tin tức luôn thay đổi xu hướng, từ khóa và hình ảnh theo các sự kiện nóng, đồng thời nhãn tin tức có thể bị đảo chiều sau khi xác minh. Khi phân phối thay đổi (Non-IID), mô hình ngoại tuyến không thể tự cập nhật tham số dẫn đến việc nhận diện sai lệch hoặc bỏ sót các biến thể tin giả mới.

4. Mô hình xử lý đặc trưng văn bản nào đạt hiệu suất học kiến thức mới cao nhất trên bộ dữ liệu FEvent? Trên bộ dữ liệu FEvent, mô hình kết hợp giữa bộ nhúng từ tiền huấn luyện PhoW2V (300 chiều) và kiến trúc mạng tích chập TextCNN đạt hiệu suất học kiến thức mới tốt nhất với chỉ số F1-score chuẩn hóa $\alpha_{new} = 0,7166$. Trong khi đó, mô hình đạt khả năng bảo toàn kiến thức cũ tốt nhất ($\alpha_{base}$) là sự kết hợp giữa phoBERT và BiGRU.

5. Hệ thống giải quyết bài toán thiếu nhãn giám sát khi thu thập dữ liệu thời gian thực bằng cách nào? Tác giả tích hợp phương pháp Học chủ động (Active Learning) thông qua Tiện ích mở rộng Chrome. Khi người dùng lướt mạng xã hội, tiện ích gửi dữ liệu về máy chủ để mô hình dự đoán và phản hồi kết quả hiển thị trên bài viết. Người dùng có thể bấm nút xác nhận hoặc chỉnh sửa nhãn tin cậy; phản hồi này được gửi ngược về máy chủ làm nhãn giám sát ($y_t$) để đưa vào luồng huấn luyện trực tuyến cùng cơ chế Replay.

Kết luận

Khóa luận tốt nghiệp của tác giả Bùi Anh Khôi đã giải quyết trọn vẹn bài toán nhận diện độ tin cậy của thông tin mạng xã hội theo thời gian thực tại Việt Nam thông qua cách tiếp cận học sâu trực tuyến. Bằng việc ứng dụng cơ chế Replay lấy cảm hứng từ hệ thần kinh sinh học, nghiên cứu đã khắc phục hiệu quả hiện tượng quên thảm khốc và thích nghi tốt trước sự biến đổi xu hướng dữ liệu. Công trình không chỉ đóng góp về mặt lý thuyết và bộ dữ liệu thực nghiệm FEvent mà còn hoàn thiện một hệ thống vi dịch vụ microservices thực tế kết nối trực tiếp với người dùng qua tiện ích trình duyệt.