Nghiên Cứu Đọc Hiểu Tự Động Dựa Trên Suy Luận Số Liệu Cho Văn Bản Tiếng Việt Về COVID-19

• Tác giả: Lê Việt Thắng
• Người hướng dẫn: ThS. Nguyễn Văn Kiệt
• Trường học: Đại học Quốc gia TP. Hồ Chí Minh
• Chuyên ngành: Cử nhân ngành khoa học dữ liệu
• Đề tài: Nghiên Cứu Đọc Hiểu Tự Động Dựa Trên Suy Luận Số Liệu Cho Văn Bản Tiếng Việt Về COVID-19
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2021
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: BÀI TOÁN ĐỌC HIỂU TỰ ĐỘNG SUY LUẬN SỐ LIỆU VÀ TÍNH ỨNG DỤNG
• 1.1. Bài toán đọc hiểu tự động suy luận số liệu
• 1.2. Tính ứng dụng của đề tài
• 1.3. Đối tượng và phạm vi nghiên cứu
• 1.4. Kết quả nghiên cứu
• 1.5. Cấu trúc của luận văn
• 2. CHƯƠNG 2: CÁC CÔNG TRÌNH NGHIÊN CỨU LIÊN QUAN
• 2.1. Các bộ dữ liệu đọc hiểu tự động liên quan
• 2.1.1. Các bộ dữ liệu tiếng nước ngoài
• 2.1.2. Các bộ dữ liệu đọc hiểu tự động rút trích từ đoạn văn
• 2.1.3. Các bộ dữ liệu trắc nghiệm nhiều đáp án
• 2.1.4. Các bộ dữ liệu đọc hiểu tự động tiếng Việt
• 2.2. Các phương pháp giải quyết bài toán đọc hiểu tự động hiện nay
• 2.3. Các phương pháp đánh giá bài toán đọc hiểu tự động
• 3. CHƯƠNG 3: XÂY DỰNG BỘ DỮ LIỆU
• 3.1. Quy trình xây dựng bộ dữ liệu
• 3.1.1. Tuyển dụng annotator và xây dựng Guidelines
• 3.1.2. Thu thập bài báo
• 3.1.3. Tạo câu hỏi và câu trả lời
• 3.1.4. Kiểm tra dữ liệu
• 3.1.5. Thu thập thêm câu trả lời
• 3.2. Phân tích bộ dữ liệu ViCOVIDQA
• 3.2.1. Phân tích tổng quan ViCOVIDQA
• 3.2.2. Phân tích loại suy luận của câu hỏi
• 3.2.3. Phân tích loại câu hỏi
• 3.2.4. Phân tích theo độ dài
• 3.2.5. Chủ đề các đoạn văn của ViCOVIDQA
• 4. CHƯƠNG 4: THỰC NGHIỆM VÀ ĐÁNH GIÁ KẾT QUẢ
• 4.1. Cài đặt thực nghiệm
• 4.2. Phân tích kết quả thực nghiệm
• 4.3. Kết quả thực nghiệm
• 4.4. Phân tích loại suy luận
• 4.5. Phân tích độ dài đoạn văn
• 4.6. Phân tích độ dài câu hỏi
• 5. CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• 5.1. Kết luận
• 5.2. Hướng phát triển
• DANH MỤC HÌNH
• DANH MỤC BẢNG
• DANH MỤC TỪ VIẾT TẮT
• TÓM TẮT KHÓA LUẬN

Tóm tắt

I. Tổng quan về Nghiên Cứu Đọc Hiểu Tự Động COVID 19

Nghiên cứu đọc hiểu tự động dựa trên suy luận số liệu cho văn bản tiếng Việt về COVID-19 đang trở thành một lĩnh vực quan trọng trong thời đại công nghệ thông tin. Với sự gia tăng nhanh chóng của thông tin liên quan đến dịch bệnh, việc phát triển các hệ thống đọc hiểu tự động giúp người dùng tiếp cận thông tin một cách nhanh chóng và chính xác là rất cần thiết. Đề tài này không chỉ giúp nâng cao khả năng xử lý ngôn ngữ tự nhiên mà còn đóng góp vào việc cải thiện nhận thức cộng đồng về tình hình dịch bệnh.

1.1. Định nghĩa và tầm quan trọng của đọc hiểu tự động

Đọc hiểu tự động là khả năng của máy tính trong việc hiểu và phân tích văn bản. Tầm quan trọng của nó trong bối cảnh COVID-19 là giúp người dùng nhanh chóng tìm kiếm thông tin chính xác và đáng tin cậy từ các nguồn khác nhau.

1.2. Xu hướng nghiên cứu hiện nay trong lĩnh vực này

Xu hướng nghiên cứu hiện nay tập trung vào việc phát triển các mô hình đọc hiểu tự động có khả năng suy luận số liệu, giúp người dùng không chỉ nhận thông tin mà còn hiểu rõ hơn về các số liệu liên quan đến dịch bệnh.

II. Thách thức trong Nghiên Cứu Đọc Hiểu Tự Động COVID 19

Mặc dù có nhiều tiến bộ trong lĩnh vực đọc hiểu tự động, nhưng vẫn tồn tại nhiều thách thức. Các văn bản về COVID-19 thường chứa nhiều số liệu phức tạp và thông tin không đồng nhất, điều này gây khó khăn cho việc xây dựng các mô hình đọc hiểu chính xác.

2.1. Khó khăn trong việc xử lý ngôn ngữ tự nhiên

Ngôn ngữ tự nhiên có tính đa nghĩa và ngữ cảnh, điều này làm cho việc phát triển các mô hình đọc hiểu tự động trở nên khó khăn hơn, đặc biệt là trong các văn bản liên quan đến COVID-19.

2.2. Vấn đề về độ chính xác của dữ liệu

Độ chính xác của dữ liệu là một yếu tố quan trọng. Các thông tin sai lệch có thể dẫn đến những hiểu lầm nghiêm trọng về tình hình dịch bệnh, do đó cần có các phương pháp kiểm tra và xác thực thông tin.

III. Phương pháp Nghiên Cứu Đọc Hiểu Tự Động COVID 19

Để giải quyết các thách thức trong nghiên cứu đọc hiểu tự động, nhiều phương pháp đã được áp dụng. Các mô hình học sâu và trí tuệ nhân tạo đang được sử dụng để cải thiện khả năng đọc hiểu và suy luận số liệu.

3.1. Sử dụng mô hình học sâu trong đọc hiểu

Mô hình học sâu như NAQANet và NumNet đã được áp dụng để cải thiện khả năng đọc hiểu tự động. Những mô hình này có khả năng xử lý các câu hỏi phức tạp và suy luận từ các số liệu trong văn bản.

3.2. Phát triển bộ dữ liệu ViCOVIDQA

Bộ dữ liệu ViCOVIDQA được xây dựng từ các bài báo về COVID-19, cung cấp một nguồn tài liệu phong phú cho việc nghiên cứu và phát triển các mô hình đọc hiểu tự động.

IV. Ứng dụng thực tiễn của Nghiên Cứu Đọc Hiểu Tự Động

Nghiên cứu đọc hiểu tự động có nhiều ứng dụng thực tiễn trong việc cung cấp thông tin về COVID-19. Các hệ thống chatbot và trợ lý ảo có thể giúp người dùng tìm kiếm thông tin nhanh chóng và chính xác.

4.1. Hệ thống chatbot hỗ trợ người dùng

Các hệ thống chatbot có thể trả lời nhanh chóng các câu hỏi liên quan đến COVID-19, giúp người dùng tiết kiệm thời gian và nâng cao trải nghiệm tìm kiếm thông tin.

4.2. Tích hợp vào các ứng dụng y tế

Nghiên cứu này có thể được tích hợp vào các ứng dụng y tế, giúp người dùng theo dõi tình hình sức khỏe và nhận thông tin chính xác về dịch bệnh.

V. Kết luận và Hướng phát triển trong Nghiên Cứu

Nghiên cứu đọc hiểu tự động dựa trên suy luận số liệu cho văn bản tiếng Việt về COVID-19 đã mở ra nhiều cơ hội mới. Việc phát triển các mô hình và bộ dữ liệu chất lượng cao sẽ giúp nâng cao khả năng đọc hiểu và cung cấp thông tin chính xác cho người dùng.

5.1. Tương lai của nghiên cứu đọc hiểu tự động

Tương lai của nghiên cứu này hứa hẹn sẽ có nhiều tiến bộ hơn nữa trong việc phát triển các mô hình đọc hiểu tự động, đặc biệt là trong bối cảnh dịch bệnh.

5.2. Đề xuất hướng nghiên cứu tiếp theo

Các nghiên cứu tiếp theo có thể tập trung vào việc cải thiện độ chính xác của các mô hình và mở rộng bộ dữ liệu để bao quát nhiều khía cạnh hơn của COVID-19.