Nghiên Cứu Hệ Thống Trả Lời Tự Động Tiếng Việt Cho Công Tác Tuyển Sinh Đại Học Dựa Trên Văn Phạm DCG

Tóm tắt nghiên cứu

Nghiên cứu "Hệ thống trả lời tự động tiếng Việt cho công tác tuyển sinh đại học" do nhóm tác giả Nguyễn Đình Liên, Lương Quốc Sơn và Nguyễn Bình Trọng (Trường Đại học Lạc Hồng) thực hiện, tập trung giải quyết bài toán: Làm thế nào để xây dựng một hệ thống xử lý ngôn ngữ tự nhiên (NLP) tiếng Việt có khả năng tiếp nhận câu hỏi tự nhiên của thí sinh và tự động trích xuất câu trả lời chính xác, tức thì từ cơ sở dữ liệu quan hệ?

Về phương pháp, nhóm tác giả ứng dụng Văn phạm Mệnh đề Xác định (Definite Clause Grammar - DCG) trên nền tảng ngôn ngữ lập trình logic Prolog, tích hợp trực tiếp vào môi trường C# .NET và hệ quản trị cơ sở dữ liệu SQL Server. Điểm đột phá cốt lõi nằm ở cơ chế chuyển dịch trực tiếp từ phân tích cú pháp câu hỏi sang Cây truy vấn (Query Tree) mang cấu trúc SELECT và WHERE, loại bỏ hoàn toàn bước trung gian phức tạp của việc chuyển đổi từ cây cú pháp trừu tượng (AST) sang câu lệnh truy vấn.

Kết quả thử nghiệm cho thấy hệ thống xử lý trơn tru các câu hỏi đơn về điểm chuẩn, chỉ tiêu, ngành đào tạo, chuẩn đầu ra và tổ hợp môn thi; đồng thời giải quyết hiệu quả các hiện tượng ngôn ngữ học tiếng Việt như từ đồng nghĩa, từ khuyết (từ tùy chọn) và ngữ cảnh mặc định. Nghiên cứu mở ra hướng tiếp cận thực tiễn trong việc ứng dụng hệ thống hỏi đáp tự động (Question Answering System) vào công tác chuyển đổi số giáo dục đại học.

Bối cảnh và tầm quan trọng

Hiện trạng tra cứu thông tin tuyển sinh

Hàng năm, kỳ thi tuyển sinh đại học luôn tạo ra một khối lượng nhu cầu khổng lồ về tra cứu thông tin từ học sinh lớp 12 và phụ huynh. Các thông tin quan trọng bao gồm: mã ngành, chỉ tiêu tuyển sinh, tổ hợp môn xét tuyển, điểm chuẩn qua các năm, học phí và chuẩn đầu ra. Mặc dù dữ liệu này được công bố trên nhiều kênh, người dùng vẫn gặp phải nhiều rào cản lớn:

  • Thông tin phân mảnh và thiếu kiểm chứng: Diễn đàn trực tuyến và mạng xã hội chứa nhiều ý kiến đa chiều, thiếu tính xác thực chính thức, dễ gây hoang mang cho thí sinh.
  • Cấu trúc website không đồng nhất: Mỗi cơ sở đào tạo sở hữu một giao diện và cách tổ chức dữ liệu riêng biệt, đòi hỏi người dùng phải duyệt qua nhiều tầng trang web mới tìm được nội dung cần thiết.
  • Hạn chế của công cụ tìm kiếm truyền thống: Các công cụ tìm kiếm trên web (như Google hay thanh tìm kiếm nội bộ) chủ yếu dựa trên cơ chế so khớp từ khóa (Keyword Search). Phương thức này chỉ trả về danh sách liên kết chứa từ khóa chứ không đưa ra câu trả lời trực tiếp cho câu hỏi chuyên biệt.

Khoảng trống nghiên cứu và tính cấp thiết

Xử lý ngôn ngữ tự nhiên cho tiếng Việt vốn đối mặt với nhiều thách thức do đặc thù ngữ pháp đơn lập, hiện tượng đa nghĩa, ranh giới từ không có dấu phân cách rõ ràng và hệ thống dấu thanh điệu phức tạp. Các hệ thống hỏi đáp trước đây thường sử dụng Văn phạm Phi ngữ cảnh (CFG) hoặc Văn phạm Hợp nhất (UBG), dẫn đến tình trạng nhập nhằng cú pháp (syntactic ambiguity) cao và quy trình ánh xạ sang câu truy vấn dữ liệu nặng nề.

Đề tài ra đời vào thời điểm các trường đại học bắt đầu đối mặt với áp lực quá tải kênh tư vấn tuyển sinh trực tiếp, đáp ứng nhu cầu tự động hóa khâu giải đáp thắc mắc 24/7 với độ chính xác cao và thời gian phản hồi theo thời gian thực.

Methodology và tiếp cận nghiên cứu

Nghiên cứu thiết kế quy trình xử lý thông tin khép kín qua 4 giai đoạn chính, kết hợp chặt chẽ giữa ngôn ngữ học tính toán và kỹ thuật phần mềm hiện đại.

1. Kiến trúc dữ liệu quan hệ (Relational Schema)

Cơ sở dữ liệu được chuẩn hóa thành hệ thống bảng logic chặt chẽ gồm: tblTruong (thông tin trường, phương châm, địa chỉ), tblKhoa (khoa quản lý), tblNganh (mã ngành, tên ngành, mô tả), tblKhoiThi (tổ hợp môn), tblHeDaoTao (bậc đào tạo), tblMonHoc, tblGiangVien, tblHocHamHocVi cùng các bảng quan hệ lưu trữ DiemChuan, ChiTieu, ChuanDauRa, SoNamDaoTao.

2. Tiền xử lý văn bản và giải pháp mã hóa ký tự

  • Làm sạch chuỗi: Tách bỏ ký tự thừa, chuẩn hóa khoảng trắng và lọc các ký tự đặc biệt ngoài bảng chữ cái và chữ số.
  • Chuyển đổi mã hóa VNI: Để khắc phục hạn chế của trình biên dịch Prolog khi xử lý chuỗi Unicode tiếng Việt có dấu, tác giả đề xuất giải pháp chuyển đổi các nguyên âm mang dấu sang định dạng ký pháp VNI (ví dụ: ngành $\rightarrow$ nganh7, điểm $\rightarrow$ diem963, tên $\rightarrow$ te6n). Kỹ thuật này cho phép bộ phân tích Prolog vận hành ổn định mà không bị lỗi bộ ký tự.

3. Xây dựng văn phạm DCG và cơ chế sinh Cây truy vấn

Thay vì dùng CFG đơn thuần, nghiên cứu khai thác sức mạnh của DCG (Definite Clause Grammar) trong Prolog. Nhờ khả năng nhúng đối số (arguments) vào các ký hiệu chưa kết thúc (non-terminals), quá trình phân tích cú pháp đồng thời xây dựng luôn Cây truy vấn ngữ nghĩa:

  • Định nghĩa từ điển từ đơn và từ ghép: Khai báo tập ký hiệu kết thúc cơ bản (tu_Bao, tu_Truong72, tu_KhoiThi, tu_DiemChuan).
  • Định nghĩa luật từ khuyết (Optional/Empty Tokens): Xây dựng các luật chứa chuỗi rỗng [] để hệ thống tự động bỏ qua các hư từ, từ đệm mà không làm đứt gãy cấu trúc cú pháp (ví dụ: t_Nhung74 --> tu_Nhung74 ; [], t_Dang9 --> tu_Dang9 ; [], t_vậy --> tu_vậy ; []).
  • Định nghĩa nhóm từ đồng nghĩa: Gom cụm các biến thể diễn đạt vào cùng một vị từ ngữ nghĩa (ví dụ: nhtu_GiangDay đại diện cho giảng dạy, đào tạo, dạy; nhtu_HDT đại diện cho hệ đào tạo, bậc, cấp).
  • Định nghĩa thực thể mặc định (Default Entities): Nếu câu hỏi không chỉ định rõ đối tượng trường (ví dụ: "Ngành CNTT lấy bao nhiêu điểm?"), văn phạm tự động gán nhãn trường(trườngMĐ) trỏ về trường mặc định được cấu hình trước.
/* Trích đoạn mô hình luật DCG sinh cây truy vấn */
cauhoi(nganhCuaTruong(TR), S) --> 
    truongNao(TR), 
    nhtu_DaoTao, 
    t_Nhung, 
    nganhSelect(S), 
    tu_Nao, 
    t_Vay.

4. Ánh xạ Cây truy vấn sang truy vấn SQL

Cây truy vấn thu được sau khi so khớp chứa hai nút chính:

  • Nút SELECT: Xác định trường thông tin cần trích xuất (nganh, diemchuan, chitieu).
  • Nút WHERE: Tổng hợp các nút lá chứa điều kiện lọc (truong = 'Đại học Lạc Hồng', nam = 2011).

Lớp điều khiển C# duyệt cây truy vấn, tự động xác định các bảng cần JOIN trong mệnh đề FROM và phát sinh câu lệnh SQL chuẩn để thực thi trên CSDL.

Các phát hiện và kết quả chính

Quá trình triển khai và đánh giá thực nghiệm mô hình mang lại nhiều kết quả nổi bật về mặt hiệu năng và độ chính xác:

1. Rút ngắn pipeline xử lý ngữ nghĩa

Nghiên cứu chứng minh rằng việc áp dụng văn phạm DCG có đối số cho phép tích hợp bước phân tích cú pháp (Syntactic Parsing) và phân tích ngữ nghĩa (Semantic Parsing) làm một. Việc sinh trực tiếp Cây truy vấn loại bỏ hoàn toàn độ trễ tính toán của khâu trung gian chuyển đổi từ Abstract Syntax Tree sang biểu diễn luận lý, giúp tốc độ phản hồi trên môi trường web đạt mức gần như tức thì (< 0.5 giây).

Cách tiếp cận truyền thống:

Cách tiếp cận của đề tài:

2. Khả năng bao phủ ngữ cảnh tự nhiên linh hoạt

Thông qua việc thử nghiệm các biến thể câu hỏi phức tạp, hệ thống chứng minh tính thích ứng cao trước cách hành văn đa dạng của người dùng:

  • Người dùng có thể hỏi: "Trường ĐH Lạc Hồng có bao nhiêu ngành?", "Trường ĐH Lạc Hồng dạy những ngành nào vậy?", hoặc "ĐH Lạc Hồng đang đào tạo ngành gì?".
  • Tất cả các biến thể trên đều quy tụ về một cây truy vấn tối ưu duy nhất: $$\text{nganhCuaTruong}(\text{where}(\text{truong}(\text{ten}(\text{dai, hoc, lac, hong}))), \text{select}(\text{nganh}(\text{nganh})))$$
  • Dữ liệu trích xuất chính xác 100% danh sách ngành học từ bảng tblNganh.

3. Cơ chế xử lý câu hỏi khuyết thiếu thông minh

Thực nghiệm cho thấy người dùng thường có xu hướng lược bỏ tên trường khi đặt câu hỏi trên cổng thông tin của chính trường đó. Hệ thống nhận diện chuẩn xác các mẫu câu như "Ngành Kỹ thuật Công trình điểm chuẩn là bao nhiêu?", tự động gán cờ trườngMĐ, thực thi truy vấn điểm chuẩn cho Trường Đại học Lạc Hồng mà không yêu cầu người dùng phải nhập lại câu hỏi.

4. Xử lý câu hỏi khẳng định Có/Không (Boolean Queries)

Hệ thống không chỉ trả về danh sách dữ liệu mà còn xử lý hiệu quả dạng câu hỏi xác thực (ví dụ: "Trường Đại học Lạc Hồng có dạy ngành Công nghệ Thông tin không?"). Khi câu lệnh SQL trả về tập kết quả $\neq \emptyset$, hệ thống tự động sinh câu trả lời khẳng định: "Có, Trường Đại học Lạc Hồng có đào tạo ngành Công nghệ Thông tin." kèm theo mô tả chi tiết của ngành.

Đóng góp khoa học và giá trị ứng dụng

1. Đóng góp về mặt lý thuyết và học thuật

  • Chứng minh tính khả thi và ưu thế vượt trội của văn phạm DCG trong bài toán xây dựng giao diện truy vấn ngôn ngữ tự nhiên cho các cơ sở dữ liệu quan hệ (Natural Language Interfaces to Databases - NLIDB) đối với tiếng Việt.
  • Đưa ra mô hình biểu diễn hình thức cho cấu trúc câu hỏi tiếng Việt thuộc miền thông tin giáo dục - tuyển sinh.

2. Đổi mới về phương pháp luận

  • Đề xuất phương pháp tích hợp liên ngôn ngữ hiệu quả: Sử dụng Prolog làm lõi suy luận logic - ngữ pháp và C# .NET / AJAX làm tầng trung gian điều phối và hiển thị giao diện.
  • Giải quyết triệt để xung đột bảng mã ký tự khi tích hợp các công cụ lập trình logic cổ điển với nền tảng web hiện đại.

3. Ý nghĩa thực tiễn và chính sách giáo dục

  • Cung cấp giải pháp phần mềm hoàn chỉnh, sẵn sàng triển khai trên hạ tầng máy chủ của các trường đại học, cao đẳng.
  • Chuẩn hóa và minh bạch hóa thông tin tuyển sinh, giúp thí sinh vùng sâu, vùng xa tiếp cận dữ liệu chính thống dễ dàng, hỗ trợ tích cực cho quá trình phân luồng và hướng nghiệp học sinh THPT.

Đối tượng thụ hưởng và quan tâm

Báo cáo nghiên cứu này mang lại giá trị trực tiếp cho nhiều nhóm đối tượng:

  • Nhà nghiên cứu NLP và Ngôn ngữ học tính toán: Nguồn tài liệu tham khảo chi tiết về việc xây dựng bộ quy tắc DCG cho tiếng Việt và giải pháp ánh xạ cú pháp - ngữ nghĩa trong môi trường miền đóng (Closed-domain QA).
  • Kỹ sư phần mềm và Nhà phát triển EdTech: Tham khảo kiến trúc tích hợp hệ suy diễn Prolog vào các ứng dụng Web thế hệ mới, làm chủ kỹ thuật phát sinh câu lệnh SQL động từ cây truy vấn tự nhiên.
  • Bộ phận Tuyển sinh và Truyền thông giáo dục: Công cụ đắc lực giúp tự động hóa khâu chăm sóc người học, nâng cao chỉ số hài lòng của thí sinh và tối ưu hóa chi phí vận hành mùa tuyển sinh.
  • Học sinh và Phụ huynh: Kênh tra cứu thông tin trực quan, chính xác tuyệt đối, loại bỏ hoàn toàn các rủi ro từ tin đồn sai lệch trên mạng xã hội.

Câu hỏi thường gặp (FAQ)

1. Đâu là phát hiện và cải tiến quan trọng nhất của nghiên cứu?

Cải tiến quan trọng nhất là việc sinh trực tiếp Cây truy vấn (Query Tree) mang ngữ nghĩa SQL từ văn phạm DCG, thay vì phải trải qua bước phân tích Cây cú pháp phi ngữ cảnh (CFG) rồi mới ánh xạ sang ngữ nghĩa. Điều này giúp tối ưu hóa tốc độ xử lý và giảm thiểu tối đa tình trạng nhập nhằng nghĩa.

2. Phương pháp nghiên cứu của đề tài có điểm gì khác biệt so với các chatbot hiện đại?

Hệ thống này sử dụng phương pháp tiếp cận dựa trên tri thức và luật hình thức (Rule-based NLP & Logic Programming), đảm bảo tính chính xác 100% theo dữ liệu thực trong CSDL, không bao giờ xảy ra hiện tượng "ảo giác thông tin" (hallucination) như các mô hình ngôn ngữ lớn (LLM).

3. Kết quả của nghiên cứu có thể mở rộng (generalize) cho các trường đại học khác không?

Hoàn toàn có thể. Cấu trúc cơ sở dữ liệu và bộ văn phạm DCG được thiết kế theo dạng module hóa. Để áp dụng cho một trường đại học hoặc lĩnh vực đào tạo khác, quản trị viên chỉ cần cập nhật dữ liệu bảng (tblTruong, tblNganh,...) và bổ sung các danh từ riêng vào từ điển mà không cần tái cấu trúc toàn bộ hệ thống.

4. Hệ thống xử lý thế nào khi người dùng nhập câu hỏi sai cú pháp hoặc viết tắt?

Khi câu hỏi không so khớp được với bất kỳ luật DCG nào (Prolog trả về FALSE), hệ thống kích hoạt module xử lý gần đúng: trích xuất các từ khóa chính, so khớp với tập câu hỏi chuẩn (standard queries) và đưa ra danh sách các câu hỏi gợi ý tương đồng để người dùng lựa chọn lại.

5. Hướng phát triển tiếp theo của đề tài là gì?

Nhóm nghiên cứu định hướng mở rộng bộ văn phạm để hỗ trợ các câu hỏi phức chứa mệnh đề quan hệ OR, câu hỏi có điều kiện so sánh đa biến (ví dụ: "Những ngành nào có điểm chuẩn từ 18 đến 20 điểm?"), đồng thời tích hợp xử lý ngữ cảnh đa lượt (Multi-turn dialogue).

Kết luận

Đề tài "Hệ thống trả lời tự động tiếng Việt cho công tác tuyển sinh đại học" của nhóm nghiên cứu tại Trường Đại học Lạc Hồng là một công trình khoa học mang tính ứng dụng cao, kết hợp hài hòa giữa lý thuyết văn phạm hình thức DCG và kỹ thuật phát triển ứng dụng web hiện đại. Nghiên cứu giải quyết xuất sắc bài toán tìm kiếm thông tin ngữ nghĩa theo thời gian thực, cung cấp câu trả lời trực tiếp và tin cậy cho thí sinh.

Trong bối cảnh chuyển đổi số giáo dục đang diễn ra mạnh mẽ, việc kế thừa và phát triển mô hình hỏi đáp dựa trên tri thức chuẩn xác này sẽ tạo tiền đề vững chắc cho việc xây dựng các trợ lý ảo tuyển sinh thông minh, toàn diện hơn trong tương lai.