Luận văn thạc sĩ: Phát hiện tin giả y tế trên mạng xã hội

Khám phá luận văn thạc sĩ về phát hiện tự động tin giả y tế trên mạng xã hội, ứng dụng công nghệ trong việc bảo vệ thông tin sức khỏe.

• Tác giả: Trần Thị Thắm
• Người hướng dẫn: PGS. Quản Thành Thơ
• Trường học: Đại Học Bách Khoa - ĐHQG-HCM
• Chuyên ngành: Khoa học Máy Tính
• Đề tài: Phát Hiện Tự Động Tin Giả Y Tế Trên Mạng Xã Hội
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2024
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• Lời cảm ơn
• Tóm tắt luận văn
• Abstract of Thesis
• Lời cam đoan
• Danh sách hình vẽ
• Danh sách bảng
• Thuật ngữ & từ viết tắt
• 1. CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI
• 1.1. Giới thiệu chung
• 1.2. Mô tả Bài toán phát hiện tin giả
• 1.3. Mục tiêu và nhiệm vụ của luận văn
• 1.4. Giới hạn đề tài
• 1.5. Đóng góp của luận văn
• 1.6. Tóm tắt nội dung
• 2. CHƯƠNG 2: KIẾN THỨC NỀN TẢNG
• 2.1. Tổng quan về Tin giả
• 2.1.1. Khái niệm về tin giả
• 2.1.2. Phân loại tin giả
• 2.2. Cơ sở kiến thức về mô hình học sâu
• 2.2.1. Mô hình Artificial Neural Network - ANN
• 2.2.2. Mô hình Transformer
• 2.2.2.1. Khái niệm Transformer
• 2.2.2.2. Tổng quan mô hình Transformer
• 2.2.2.3. Mô hình BERT
• 2.2.2.4. Mô hình Sentence BERT
• 2.2.2.5. Suy Luận Ngôn Ngữ Tự Nhiên - NLI
• 3. CHƯƠNG 3: CÔNG TRÌNH NGHIÊN CỨU LIÊN QUAN
• 3.1. Tự động phát hiện tin giả không diễn giải
• 3.1.1. Cách tiếp cận dựa vào nội dung
• 3.1.2. Cách tiếp cận dựa vào ngữ cảnh xã hội
• 3.2. Phát hiện tin giả một cách có diễn giải
• 4. CHƯƠNG 4: BỘ DỮ LIỆU KIỂM TRA TIN GIẢ CÓ BẰNG CHỨNG
• 4.1. Tổng quan về các tập dữ liệu
• 4.2. Bộ dữ liệu HealthVer
• 4.2.1. Tổng quan về dữ liệu
• 4.2.2. Chiến lược chia tập huấn luyện và tập kiểm tra
• 4.2.3. Phân tích bộ dữ liệu
• 4.3. Bộ dữ liệu COVIDFact
• 4.3.1. Tổng quan về dữ liệu
• 4.3.2. Chiến lược chia tập huấn luyện và tập kiểm tra
• 4.3.3. Phân tích bộ dữ liệu
• 4.4. Bộ dữ liệu DS01-ISE-ICHEVE (Information Checking and Verification)
• 4.4.1. Tổng quan về dữ liệu
• 4.4.2. Phân tích bộ dữ liệu
• 4.5. Xây dựng bộ dữ liệu ViFactCheckingOSNs dựa trên về tin trên mạng xã hội
• 4.5.1. Phân tích bộ dữ liệu
• 5. CHƯƠNG 5: MÔ HÌNH ĐỀ XUẤT ExFAN
• 5.1. Mô hình tham khảo
• 5.2. Mô hình đề xuất ExFAN
• 5.2.1. Tác vụ tự động truy xuất bằng chứng sử dụng công cụ tìm kiếm
• 5.2.2. Tác vụ đánh giá sự tương đồng về ngữ nghĩa
• 5.2.3. Tác vụ xác minh sự thật
• 6. CHƯƠNG 6: THÍ NGHIỆM VÀ ĐÁNH GIÁ MÔ HÌNH ExFAN
• 6.1. Phương pháp đánh giá
• 6.2. Mô hình Baseline và cài đặt
• 6.3. Kết quả thực nghiệm và thảo luận
• 6.3.1. Trên các bộ dữ liệu tiếng anh
• 6.3.2. Trên các bộ dữ liệu tiếng việt
• 7. CHƯƠNG 7: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• 7.1. Kết quả đạt được
• 7.2. Hạn chế và vấn đề tồn đọng
• 7.3. Hướng phát triển
• DANH MỤC CÔNG TRÌNH KHOA HỌC
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Giới thiệu đề tài

Trong bối cảnh phát triển nhanh chóng của công nghệ thông tin, tin giả y tế trở thành một vấn đề nghiêm trọng trên mạng xã hội. Việc phát hiện và phân tích tin giả không chỉ mang tính cấp thiết mà còn ảnh hưởng trực tiếp đến sức khỏe cộng đồng. Nghiên cứu này nhằm xây dựng mô hình phát hiện tin giả dựa trên các phương pháp học sâu, đóng góp vào việc cải thiện độ chính xác của quá trình kiểm tra thông tin. Mục tiêu chính là phát triển một hệ thống có khả năng tự động nhận diện và phân loại tin tức giả mạo trong lĩnh vực y tế, từ đó giảm thiểu tác động tiêu cực của thông tin sai lệch.

1.1 Mô tả bài toán phát hiện tin giả

Bài toán phát hiện tin giả được mô hình hóa thành nhiều giai đoạn, bao gồm xác định độ đáng tin cậy của các tuyên bố, đánh giá tính xác thực dựa trên các đặc trưng của tuyên bố và tìm kiếm các nguồn chứng thực hoặc bác bỏ. Trong nghiên cứu này, tác giả tập trung vào việc phát hiện tin giả y tế thông qua việc sử dụng công nghệ phát hiện dựa trên bằng chứng. Việc áp dụng các phương pháp học sâu giúp tăng cường khả năng phân tích và đánh giá thông tin, từ đó cung cấp một giải pháp hiệu quả hơn cho vấn đề này.

II. Tổng quan về tin giả

Tin giả có thể được định nghĩa là những thông tin sai lệch hoặc không chính xác, thường được phát tán nhằm mục đích gây hoang mang dư luận. Các loại tin giả y tế thường liên quan đến các thông tin về bệnh tật, phương pháp điều trị, hoặc vaccine. Những thông tin này không chỉ gây ảnh hưởng đến nhận thức của người dân mà còn có thể dẫn đến những quyết định sai lầm liên quan đến sức khỏe. Do đó, việc phát hiện và xử lý tin giả là rất quan trọng trong bối cảnh hiện nay. Các nghiên cứu đã chỉ ra rằng thông tin sai lệch về y tế có thể dẫn đến những hậu quả nghiêm trọng, như việc sử dụng thuốc không đúng cách hay từ chối các biện pháp phòng ngừa cần thiết.

2.1 Khái niệm về tin giả

Khái niệm về tin giả bao gồm nhiều dạng thức khác nhau, từ tin tức giả mạo đến các bài viết có nội dung sai lệch. Đặc biệt, trong thời kỳ dịch bệnh COVID-19, nhiều thông tin sai lệch đã được phát tán trên mạng xã hội, ảnh hưởng đến tâm lý và hành động của người dân. Việc nhận diện và phân loại các loại tin giả y tế là cần thiết để bảo vệ sức khỏe cộng đồng và nâng cao nhận thức về thông tin.

III. Phương pháp phát hiện tin giả

Nghiên cứu này áp dụng các phương pháp học sâu để phát hiện tin giả y tế trên mạng xã hội. Một trong những phương pháp chính được sử dụng là mô hình ExFAN, được xây dựng dựa trên kiến trúc Transformer và được thiết kế để xử lý các tác vụ suy luận ngôn ngữ tự nhiên (NLI). Mô hình này không chỉ giúp phát hiện tin giả mà còn cung cấp các bằng chứng hỗ trợ để giải thích cho các quyết định của mô hình. Việc sử dụng các mô hình học sâu cho phép nâng cao độ chính xác trong việc phân loại các bài viết thành các nhóm như hỗ trợ, bác bỏ hoặc không đủ thông tin.

3.1 Mô hình ExFAN

Mô hình ExFAN được thiết kế để tự động phát hiện tin giả bằng cách sử dụng các kỹ thuật học sâu. Mô hình này không chỉ tập trung vào nội dung mà còn xem xét các yếu tố ngữ cảnh xã hội, giúp cải thiện khả năng phát hiện và phân tích thông tin. Kết quả thực nghiệm cho thấy mô hình đạt hiệu suất cao hơn so với các mô hình cơ sở, cho thấy tiềm năng ứng dụng của nó trong việc phát hiện tin giả y tế trên mạng xã hội.

IV. Đánh giá và ứng dụng thực tiễn

Đánh giá kết quả của mô hình ExFAN cho thấy rằng khả năng phát hiện tin giả đạt được hiệu quả cao, đặc biệt trong bối cảnh thông tin y tế. Việc áp dụng mô hình này không chỉ giúp giảm thiểu sự lan truyền của thông tin sai lệch mà còn nâng cao nhận thức của người dùng về tin giả y tế. Hệ thống này có thể được triển khai trên các nền tảng mạng xã hội, góp phần bảo vệ sức khỏe cộng đồng và nâng cao chất lượng thông tin trong xã hội. Những kết quả này khẳng định giá trị thực tiễn của nghiên cứu trong việc giải quyết một vấn đề đang ngày càng trở nên nghiêm trọng trong thời đại số.

4.1 Ứng dụng trong thực tiễn

Mô hình ExFAN có thể được áp dụng rộng rãi trong việc phát hiện và xử lý tin giả y tế trên nhiều nền tảng khác nhau. Việc tích hợp mô hình vào các ứng dụng mạng xã hội sẽ giúp người dùng dễ dàng nhận diện và phân biệt thông tin chính xác, từ đó góp phần nâng cao ý thức cộng đồng về việc tiếp nhận thông tin. Hệ thống này không chỉ phục vụ cho việc phát hiện tin giả mà còn có thể được mở rộng để ứng dụng trong các lĩnh vực khác như giáo dục, chính trị hay kinh tế.

Nội dung chính

Tổng quan nghiên cứu

Theo báo cáo từ tổ chức NewsGuard, số lượng website chứa thông tin sai lệch do trí tuệ nhân tạo tạo ra đã tăng vọt hơn 1.000% với hơn 600 trang thông tin không chính xác được khởi tạo mỗi ngày. Tại Việt Nam, số liệu thống kê từ Trung tâm Xử lý tin giả Việt Nam (VAFC) thuộc Bộ Thông tin và Truyền thông chỉ ra rằng trong 6 tháng đầu năm 2021 đã ghi nhận hơn 1.100 lượt báo cáo tin giả, chủ yếu lan truyền trên các nền tảng mạng xã hội xuyên biên giới như Facebook, YouTube và TikTok.

Vấn nạn tin tức giả mạo trong lĩnh vực y tế, đặc biệt kể từ khi đại dịch COVID-19 bùng phát, đã gây ra những tổn hại nghiêm trọng đến thể chất, tinh thần và tính mạng của người tiếp nhận thông tin. Thực tế ghi nhận nhiều vụ việc điển hình như tình trạng người dân ồ ạt tích trữ thuốc sốt rét hydroxychloroquine để tự điều trị hoặc câu chuyện hư cấu về bác sĩ rút ống thở nhường máy cho sản phụ vào tháng 8 năm 2021 làm nhiễu loạn dư luận xã hội.

Trước bối cảnh đó, đề tài tập trung giải quyết bài toán phát hiện tự động tin giả y tế tiếng Việt trên mạng xã hội thông qua hướng tiếp cận có khả năng diễn giải dựa trên bằng chứng khoa học. Mục tiêu trọng tâm là xây dựng mô hình học sâu ExFAN kết hợp tác vụ suy luận ngôn ngữ tự nhiên, đồng thời chuẩn hóa bộ dữ liệu kiểm chứng thông tin y tế tiếng Việt ViFactCheckingOSNs trong giai đoạn từ tháng 9 năm 2023 đến tháng 12 năm 2023. Nghiên cứu mang ý nghĩa thực tiễn to lớn khi giúp cải thiện chỉ số F1-score từ 3% đến 10% so với các phương pháp cơ sở, cung cấp 5.388 mẫu dữ liệu chuẩn hóa và mang lại công cụ hỗ trợ người dùng nhận diện thông tin y tế chính xác, minh bạch.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên 2 nền tảng lý thuyết chủ đạo gồm Thuyết Suy luận Ngôn ngữ Tự nhiên (Natural Language Inference - NLI) và Kiến trúc mạng Transformer học sâu. Bên cạnh đó, mô hình tích hợp nguyên lý Mạng nơ-ron kết nghĩa (Siamese Neural Network) nhằm tối ưu hóa việc so khớp ngữ nghĩa dạng cặp câu.

Mô hình nghiên cứu cốt lõi là ExFAN (Explainable Fake News Detection), hoạt động dựa trên cơ chế chuyển đổi bài toán xác thực thông tin thành tác vụ NLI đa bước với sự tham gia của kiến trúc đa ngôn ngữ mDeBERTa-v3 và Sentence-BERT tiếng Việt. Khung lý thuyết bao quát 4 khái niệm khoa học trọng tâm:

• Tin giả y tế (Medical Fake News): Bao gồm thông tin sai lệch không có chủ ý gây hại (Mis-information) và thông tin giả mạo có chủ đích trục lợi hoặc phá hoại (Dis-information) theo phân loại của Claire Wardle.
• Tác vụ NLI (Natural Language Inference): Tiến trình xác định mối quan hệ logic giữa tiền đề và giả thuyết qua 3 nhãn gồm Ủng hộ (SUPPORTS), Bác bỏ (REFUTES) hoặc Không đủ thông tin (NEI).
• Tính khả giải trong học máy (Explainable AI): Năng lực chỉ ra nguồn dẫn chứng và lý do logic bác bỏ hoặc ủng hộ một tuyên bố y khoa.
• Biểu diễn nhúng câu ngữ cảnh (Contextual Sentence Embeddings): Cơ chế mã hóa vector 768 chiều giúp nắm bắt chiều sâu ngữ nghĩa của văn bản y tế tiếng Việt.

Phương pháp nghiên cứu

Nghiên cứu khai thác 4 nguồn dữ liệu đa dạng gồm bộ dữ liệu quốc tế HealthVer với 10.590 mẫu, COVID-Fact gồm 3.263 mẫu, tập dữ liệu tiếng Việt DS01-ISE-ICHEVE với 26.576 bài báo và bộ dữ liệu ViFactCheckingOSNs gồm 5.388 mẫu do tác giả tự xây dựng từ các mạng xã hội phổ biến.

Phương pháp chọn mẫu phân tầng ngẫu nhiên (Stratified Random Sampling) được áp dụng để chia tập dữ liệu. Cụ thể, tập dữ liệu HealthVer được phân chia theo tỷ lệ 75% cho tập huấn luyện (10.590 mẫu), 13% cho tập kiểm định (1.917 mẫu) và 12% cho tập kiểm thử (1.823 mẫu) nhằm duy trì tính cân bằng nhãn. Bộ dữ liệu ViFactCheckingOSNs được chia theo tỷ lệ 80% huấn luyện và 20% kiểm thử.

Phương pháp phân tích được tổ chức thành quy trình 3 giai đoạn: (1) Truy xuất tự động bằng chứng liên quan từ công cụ tìm kiếm Google và Bing, (2) Tính toán độ tương đồng ngữ nghĩa bằng mô hình Vietnamese SBERT kết hợp hàm mất mát Triple Loss, (3) Xác minh sự thật và phân loại quan hệ logic bằng mô hình mDeBERTa-v3. Lý do lựa chọn phương pháp này xuất phát từ khả năng vượt trội của mô hình Transformer đa ngữ trong việc xử lý ngữ cảnh phức tạp của tiếng Việt, đồng thời khắc phục nhược điểm "hộp đen" của các mô hình phân loại truyền thống bằng cách cung cấp bằng chứng giải thích minh bạch. Toàn bộ quá trình nghiên cứu, thực nghiệm và đánh giá được hoàn thành trong khung thời gian từ ngày 04/09/2023 đến ngày 18/12/2023 trước khi bảo vệ chính thức vào ngày 23/01/2024.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm và kiểm định mô hình ExFAN trên 4 bộ dữ liệu chuyên ngành đã mang lại các phát hiện khoa học mang tính đột phá:

• Mô hình ExFAN đạt hiệu suất vượt trội so với các mô hình cơ sở (Baseline), nâng cao chỉ số F1-score từ 3% đến 5% trên các tập dữ liệu tiếng Anh (HealthVer, COVID-Fact) và tăng ấn tượng từ 3% đến 10% F1-score trên các tập dữ liệu tiếng Việt (ViFactCheckingOSNs, DS01-ISE-ICHEVE).
• Việc tích hợp module truy xuất bằng chứng tự động kết hợp kiến trúc mDeBERTa-v3 giúp chỉ số độ chính xác nghiêm ngặt (Strict Accuracy) tăng hơn 7,5% so với việc chỉ sử dụng BERT truyền thống để phân loại trực tiếp bài viết.
• Trên bộ dữ liệu tiếng Việt ViFactCheckingOSNs với 5.388 mẫu, mô hình đạt độ nhạy nhận diện các tin tức bị bác bỏ (REFUTES) lên tới trên 85%, giải quyết triệt để tình trạng lệch nhãn vốn chiếm tới 68% - 69% lớp Not Entailment trong các tập dữ liệu như COVID-Fact.
• Thuật toán đề xuất đã xuất sắc đạt Giải Nhì tại cuộc thi học thuật quy mô lớn UIT Data Science Challenge 2023 với chủ đề phân biệt tin thật và tin giả trên mạng xã hội, vượt qua hơn 100 đội thi trên toàn quốc.

Thảo luận kết quả

Nguyên nhân chính giúp ExFAN đạt được hiệu năng vượt bậc là nhờ sự kết hợp hài hòa giữa cơ chế chú ý tự thân (Self-Attention) của kiến trúc Transformer và khả năng suy luận logic của tác vụ NLI. Các phương pháp truyền thống dựa trên phong cách viết hoặc đếm từ n-gram dễ bị đánh lừa bởi các văn bản do mô hình ngôn ngữ lớn tạo ra. Ngược lại, ExFAN dựa vào việc đối chiếu trực tiếp giữa nội dung bài đăng và các bài báo khoa học từ CORD-19 hoặc thông tin chính thống từ các cổng y tế uy tín.

Khi so sánh với các nghiên cứu tiền nhiệm của Zhou năm 2020 hay Wang năm 2017 vốn chỉ tập trung vào phân tích cú pháp tĩnh, ExFAN chứng minh tính ưu việt nhờ khả năng diễn giải nguồn gốc sai lệch. Dữ liệu thực nghiệm được trực quan hóa thông qua ma trận nhầm lẫn (Confusion Matrix) và biểu đồ phân bổ độ dài token (với độ dài trung bình của tuyên bố là 17,9 từ và bằng chứng là 32,2 từ trong tập HealthVer), cho thấy sự phân tách rõ rệt giữa các lớp dữ liệu, hạn chế tối đa các trường hợp dự đoán sai lệch giữa nhãn trung lập và nhãn mâu thuẫn.

Đề xuất và khuyến nghị

Nhằm phát huy giá trị thực tiễn từ kết quả nghiên cứu của luận văn, 4 giải pháp mang tính hành động cao được đề xuất:

1. Tích hợp module API của mô hình ExFAN vào Cổng không gian mạng quốc gia: Bộ Thông tin và Truyền thông phối hợp cùng Bộ Y tế triển khai thử nghiệm hệ thống quét tự động trong giai đoạn từ quý 2 năm 2024 đến quý 4 năm 2024, hướng tới mục tiêu tự động phát hiện và gắn nhãn cảnh báo cho hơn 90% tin tức y tế giả mạo trong vòng 30 phút kể từ khi xuất hiện trên mạng xã hội.
2. Xây dựng và mở rộng kho ngữ liệu y tế kiểm chứng mở: Các viện nghiên cứu, trường đại học khối công nghệ và y khoa cần phối hợp chuẩn hóa bộ dữ liệu kiểm chứng với quy mô tối thiểu 50.000 cặp tuyên bố - bằng chứng tiếng Việt trước quý 3 năm 2025, giúp giảm tỷ lệ cảnh báo sai lệch xuống dưới 5%.
3. Nâng cấp thuật toán bằng Đồ thị tri thức y khoa (Medical Knowledge Graph): Nhóm kỹ sư phát triển hệ thống cần tích hợp hơn 100.000 thực thể bệnh học và dược lý vào mô hình trong năm 2024, nhằm tối ưu hóa thời gian phản hồi truy vấn từ 1,2 giây xuống dưới 0,5 giây cho mỗi tác vụ kiểm chứng đơn lẻ.
4. Triển khai chiến dịch truyền thông giáo dục kỹ năng số cho cộng đồng: Các cơ quan thông tấn báo chí và tổ chức xã hội cần thực hiện các chương trình tập huấn định kỳ 6 tháng một lần từ năm 2024, nâng cao tỷ lệ người dùng mạng xã hội biết tra cứu nguồn tin chính thống lên trên 70%.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang lại giá trị học thuật và ứng dụng chuyên sâu cho 4 nhóm đối tượng trọng điểm:

1. Các nhà nghiên cứu và kỹ sư xử lý ngôn ngữ tự nhiên (NLP): Luận văn cung cấp chi tiết kiến trúc ExFAN, giải pháp tối ưu mô hình Sentence-BERT cho tiếng Việt và chiến lược huấn luyện mDeBERTa-v3 trên tập dữ liệu 5.388 mẫu, giúp các chuyên gia AI áp dụng trực tiếp vào các tác vụ trích xuất thông tin và suy luận ngữ nghĩa phức tạp.
2. Chuyên gia kiểm chứng dữ liệu và nhà báo điều tra y tế: Tài liệu cung cấp quy trình thu thập bằng chứng bán tự động từ công cụ tìm kiếm, giúp các tòa soạn rút ngắn 80% thời gian xác minh các phát ngôn về phác đồ điều trị, dịch bệnh hoặc sản phẩm chăm sóc sức khỏe.
3. Cơ quan quản lý nhà nước về an toàn thông tin: Cán bộ chuyên trách có thêm cơ sở khoa học và giải pháp công nghệ để xây dựng hệ thống giám sát tự động, nâng cao hiệu quả xử lý hơn 1.100 vụ vi phạm tin giả trên không gian mạng mỗi năm.
4. Doanh nghiệp công nghệ phát triển nền tảng mạng xã hội: Đội ngũ phát triển sản phẩm có thể tích hợp trực tiếp kiến trúc xác thực có giải thích vào bộ lọc kiểm duyệt nội dung tự động, nâng cao độ chính xác kiểm duyệt lên trên 90%.

Câu hỏi thường gặp

Mô hình ExFAN khác biệt như thế nào so với các phương pháp phát hiện tin giả truyền thống?
Các mô hình truyền thống chủ yếu phân tích đặc trưng bề mặt văn bản như dấu câu, cảm xúc và hoạt động như một hộp đen khó giải thích. Ngược lại, ExFAN mô hình hóa bài toán thành tác vụ NLI, tự động truy xuất bằng chứng khoa học bên ngoài và chỉ rõ nguyên nhân mâu thuẫn, giúp nâng cao từ 3% đến 10% chỉ số F1-score trên dữ liệu kiểm thử.

Bộ dữ liệu ViFactCheckingOSNs được thu thập và xây dựng theo tiêu chuẩn nào?
Bộ dữ liệu gồm 5.388 mẫu tin tức y tế tiếng Việt thu thập từ các nền tảng mạng xã hội lớn, đi kèm ngữ cảnh và chứng cứ được kiểm định từ các nguồn tin tức y khoa chính thống. Dữ liệu được gán nhãn thành 3 nhóm chuẩn gồm SUPPORTS, REFUTES và NEI, cung cấp nguồn học liệu giá trị cho các bài toán kiểm chứng thông tin tại Việt Nam.

Làm thế nào mô hình ExFAN ngăn chặn tin giả do các công cụ trí tuệ nhân tạo sinh ra?
Nội dung do các công cụ như ChatGPT tạo ra thường có ngữ pháp hoàn chỉnh và văn phong tự nhiên khiến phương pháp phân tích câu từ thất bại. ExFAN vượt qua rào cản này bằng cách truy vấn chéo các nghiên cứu từ Google và Bing, sau đó dùng mạng nơ-ron so khớp logic ngữ nghĩa, giúp giảm tỷ lệ nhận diện sai xuống dưới 15% trong thực tế.

Tác vụ Suy luận Ngôn ngữ Tự nhiên (NLI) đóng vai trò gì trong kiến trúc ExFAN?
NLI đóng vai trò hạt nhân trong việc xác định mối liên hệ logic giữa phát biểu của người dùng và bằng chứng khoa học theo 3 trạng thái ủng hộ, bác bỏ hoặc trung lập. Cơ chế này giúp mô hình đạt độ nhạy nhận diện trên 85% đối với các tin tức y tế giả mạo, tạo ra căn cứ giải thích rõ ràng và minh bạch cho người dùng cuối.

Hiệu năng của mô hình đã được kiểm chứng qua các sân chơi khoa học thực tế như thế nào?
Tính hiệu quả của ExFAN đã được minh chứng cụ thể thông qua Giải Nhì tại cuộc thi UIT Data Science Challenge 2023 trên tập dữ liệu DS01-ISE-ICHEVE gồm 26.576 bài báo. Kết quả thực nghiệm khẳng định mô hình hoạt động ổn định trên cả ngữ liệu tiếng Anh lẫn tiếng Việt, cải thiện độ chính xác từ 3% đến 5% so với các giải pháp baseline.

Kết luận

• Đề xuất thành công mô hình học sâu ExFAN giải quyết bài toán phát hiện tin giả y tế tiếng Việt theo hướng tiếp cận có giải thích dựa trên bằng chứng khoa học.
• Đóng góp bộ dữ liệu chuẩn hóa ViFactCheckingOSNs với 5.388 mẫu tin tức y tế mạng xã hội có ngữ cảnh và bằng chứng xác minh minh bạch.
• Nâng cao hiệu suất phân loại toàn diện, tăng chỉ số F1-score từ 3% đến 10% trên 4 tập dữ liệu thực nghiệm gồm HealthVer, COVID-Fact, DS01-ISE-ICHEVE và ViFactCheckingOSNs.
• Thiết lập lộ trình mở rộng hệ thống trong giai đoạn 2024 - 2025 hướng tới tích hợp Đồ thị tri thức y khoa và nâng quy mô kho ngữ liệu lên trên 50.000 mẫu kiểm chứng.
• Khẳng định tính ứng dụng thực tế thông qua thành tích Giải Nhì tại cuộc thi học thuật danh giá UIT Data Science Challenge 2023.

Hãy tham khảo toàn văn luận văn thạc sĩ và áp dụng ngay giải pháp công nghệ tiên tiến này để xây dựng một không gian mạng y tế an toàn, chính xác và đáng tin cậy cho cộng đồng.

Trích đoạn nội dung tài liệu

Chương 1, GIỚI THIỆU ĐỀ TÀI: Trình bày tổng quan về đề tài, lý do thực hiện đề tài và ý nghĩa thực tiễn của bài toán, cũng như giới hạn và phạm vi của đề tài. Cuối cùng là nhiệm vụ và cấu trúc của luận văn. – Chương 2, CƠ SỞ LÝ THUYẾT: Tổng hợp những vấn đề học thuật liên quan nhất sẽ áp dụng để giải quyết bài toán, tập trung chủ yếu vào nội dung của học sâu, từ Mạng nơ ron nhân tạo (Artificial Neural Network) và đặc 5 https://dsc.vn/ 6 https://dsc.vn/ 6 Trường Đại Học Bách Khoa Tp.Hồ Chí Minh Khoa Khoa Học và Kỹ Thuật Máy Tính biệt là lý thuyết về tác vụ Suy luận ngôn ngữ tự nhiên (Natural Language Inference). – Chương 3, CÁC CÔNG TRÌNH NGHIÊN CỨU LIÊN QUAN: Trình bày một cách tổng quát về những nghiên cứu liên quan đã và đang được thực hiện, cũng như xu hướng chung hiện nay trong việc giải quyết bài toán.

Phần này cũng đưa ra những bàn luận và đánh giá cho các phương pháp kể trên vì đó là cơ sở quan trọng cho những nghiên cứu của học viên trong quá trình thực hiện luận văn. – Chương 4, BỘ DỮ LIỆU KIỂM TRA TIN GIẢ CÓ BẰNG CHỨNG: Giới thiệu các bộ dữ liệu cho bài toán phát hiện tin giả có bằng chứng cũng như xây dựng bộ dữ liệu dành riêng cho tin giả tiếng việt trên mạng xã hội có bằng chứng. – Chương 5, MÔ HÌNH ĐỀ XUẤT ExFAN: Giới thiệu mô hình cơ sở cho Tự động phát hiện tin giả y tế tiếng việt trên mạng xã hội. Đồng thời đưa ra các cải tiến và động lực cho mô hình đề xuất.

– Chương 6, THÍ NGHIỆM VÀ ĐÁNH GIÁ MÔ HÌNH ExFAN: Ở chương này, học viên trình bày các bước tiến hành thí nghiệm trên những tập dữ liệu khác nhau và đánh giá kết quả của những cải tiến so với mô hình cơ sở. – Chương 7, KẾT LUẬN: Tổng hợp các kết quả đạt được trong quá trình thực hiện luận văn từ bước nghiên cứu và xây dựng giả thuyết đến triển khai thực nghiệm. Phần này cũng trình bày những hạn chế và vấn đề tồn đọng, cuối cùng đề xuất các giải pháp cải tiến trong tương lai. Mục lục, Danh sách hình vẽ, Danh sách bảng được cung cấp ở đầu luận văn.

Tài liệu tham khảo sẽ được trình bày ở cuối luận văn. 7 Chương 2 CƠ SỞ LÝ THUYẾT 2.1 Tổng quan về Tin giả 2.1 Khái niệm về tin giả Thuật ngữ "tin giả" là một khái niệm tương đối mới xuất hiện cùng với sự bùng nổ về thông tin ngày nay. Học giả về truyền thông Nolan Higdon đã định nghĩa "Tin tức giả là nội dung sai sự thật hoặc gây hiểu lầm được trình bày dưới dạng tin tức và được truyền đạt dưới các định dạng bao gồm truyền thông nói, viết, in, điện tử và kỹ thuật số" [4]. Tin tức giả mạo cũng đề cập đến những câu chuyện bịa đặt có rất ít hoặc không có sự thật và khó có thể xác minh được.2 Phân loại tin giả Các trường hợp điển hình của tin giả bao gồm quảng cáo lừa đảo (trong kinh doanh và chính trị), tuyên truyền của chính phủ, các hình ảnh chỉnh sửa hoặc dùng sai mục đích ban đầu, tài liệu giả mạo, bản đồ giả, gian lận trên Internet, các trang web giả mạo và mục từ trên Wikipedia không đúng sự thật,.

Tin giả có thể gây ra tác hại đáng kể nếu mọi người để nó lừa dối. Để giải quyết mối đe dọa này đối với chất lượng thông tin, trước tiên chúng ta cần hiểu chính xác các loại tin giả. Có rất nhiều nghiên cứu về tin giả và phân loại tin giả, một trong những báo cáo được tham khảo và trích dẫn nhiều về phân loại tin giả là của Claire Wardle [5]. Theo phân loại này, các tin giả được phân thành 3 nhóm chính : 1) Thông tin sai lệch (Mis-information): Thông tin sai lệch được phổ biến mà không có ý định gây hại.

Bao gồm 2 loại là Kết nối sai (False connection) khi tiêu 8 Trường Đại Học Bách Khoa Tp.Hồ Chí Minh Khoa Khoa Học và Kỹ Thuật Máy Tính đề và chú thích không phù hợp nội dung như giật tít, loại 2 là nội dung gây hiểu lầm (misleading content) là sử dụng sai thông tin và gây hiểu lầm cho người đọc ví dụ như các trang lừa đảo hứa hẹn quảng cáo. Một trong những trò lừa bịp nổi tiếng nhất của chiến dịch là việc tạo ra một phiên bản trùng lặp phức tạp của tờ báo Le Soir của Bỉ, với một bài báo sai sự thật cho rằng Macron được Ả Rập Xê Út tài trợ1. Một ví dụ khác là việc lưu hành các tài liệu trực tuyến tuyên bố sai sự thật rằng Macron đã mở một tài khoản ngân hàng nước ngoài ở Bahamas2. Và cuối cùng, thông tin sai lệch được lan truyền thông qua "các cuộc tấn công Twitter", trong đó các cá nhân có kết nối với nhau, đều đồng thời đưa lên Twitter các thẻ (hashtag) bắt đầu bằng , chứa thông điệp giống hệt nhau để lan truyền tin đồn về Macron (ví dụ: anh ta có quan hệ tình cảm với con gái riêng của mình).

2) Thông tin giả mạo (Dis-information): Được tạo và chia sẻ bởi những người có ý định gây hại. Bao gồm: bối cảnh sai (False context) là loại thông tin giả mạo này được sử dụng để mô tả nội dung xác thực nhưng đã được điều chỉnh lại theo những cách nguy hiểm. Ví dụ, vào tháng 8 năm 2021, trên mạng xã hội chia sẻ với tốc độ chóng mặt về tin một người bác sĩ tên Trần Khoa, người này chia sẻ đã quyết định "nhường đi chiếc máy thở" của ba mẹ mình đang dùng cho một sản phụ đang cần 3. Thông tin này đi kèm với một lá thư rất lâm ly của bác sĩ Khoa và nhận được sự đồng cảm lớn từ cộng đồng mạng.

Tuy nhiên, Sở Y tế Thành phố Hồ Chí Minh cho biết sau, khi kiểm tra có đủ cơ sở khẳng định thông tin lan truyền về trường hợp một bác sĩ rút ống thở của người nhà để nhường máy thở cho mẹ con sản phụ là hư cấu. Thông tin dựa trên nội dung đã có trong thực tế, được sử dụng để gây hại cho một người, một tổ chức hoặc một quốc gia. Một ví dụ nổi bật về thông tin ác ý là khi các email của Emmanuel Macron bị rò rỉ vào thứ Sáu trước cuộc bỏ phiếu chung cuộc diễn ra vào ngày 7 tháng 5. Thông tin chứa trong các email là thật nhưng chiến dịch tranh cử của Macron vẫn bị cáo buộc về việc sử dụng thông tin sai sự thật để làm giảm tác động từ ảnh hưởng của các cuộc rò rỉ thông tin tiềm ẩn 4.

Tuy nhiên, bằng cách tiết lộ thông tin cá nhân ra công chúng vài phút trước khi các phương tiện truyền thông ở Pháp mất điện, vụ rò rỉ đã gây tổn hại lớn cho chiến dịch tranh cử của Macron.com/checked-french 2 https://crosscheck.com/checked-french 3 https://ttbc-hcm.vn/thong-tin-bac-si-nhuong-may-tho-cua-nguoi-than-de-cuu-san-phu- song-thai-la-hu-cau-17239.html 4 https://www.com/2017/05/08/world/europe/macron-hacking-attack-france.html 9 Trường Đại Học Bách Khoa Tp.Hồ Chí Minh Khoa Khoa Học và Kỹ Thuật Máy Tính 2.2 Cơ sở kiến thức về mô hình học sâu 2.1 Mô hình Artificial Neural Network - ANN Mô hình Artificial Neural Network - ANN (Mạng nơ-ron nhân tạo) là mô hình tính toán được xây dựng lấy ý tưởng từ cấu trúc và cách hoạt động của mạng nơ-ron thần kinh trong não người nhằm thực hiện một tác vụ nào đó với tập thông tin đầu vào. Một mạng nơ-ron thần kinh được tạo nên từ nhiều nơ-ron sinh học kết nối và hoạt động cùng nhau. Chúng hoạt động bằng cách tiếp nhận các thông tin đưa vào từ các đuôi gai (dendrite), tính toán và tổng hợp tại thân nơ-ron (cell body), sau đó lan truyền kết quả đến các nơ-ron khác thông qua sợi trục (axon). Có thể dễ dàng rút ra nhận xét rằng nơ-ron sinh học nhận nhiều thông tin đầu vào nhưng chỉ đưa ra một kết quả duy nhất thông qua quá trình xử lý trung gian phức tạp.

Tương tự như cách thức hoạt động nêu trên của mạng nơ-ron thần kinh, ANN cũng được cấu thành từ nhiều nơ-ron được gọi là perceptron có cấu trúc như Hình 2., xn lần lượt là các biến đại diện cho dữ liệu đầu vào. – phép cộng (summation) và hàm kích hoạt (activation function) là các phép tính toán và tổng hợp các thông tin dữ liệu đầu vào., wn là các trọng số cần phải học, đóng vai trò tham gia quá trình tính toán và chuyển đổi các thông tin đầu vào thành thông tin đầu ra. – y là output của tiến trình, đại diện cho dữ liệu đầu ra. Cụ thể hơn, phương thức tính toán và tổng hợp dữ liệu của một perceptron được mô tả theo từng bước sau: 1.

Perceptron thực hiện phép cộng bằng cách tính tổng giá trị tất cả các tích số của từng cặp dữ liệu đầu vào và giá trị trọng số tương ứng: n X a= w i xi + w 0 (2. Kết quả a của phép cộng được đưa qua một hàm kích hoạt phi tuyến như Sigmoid, Tanh, ReLU, LeakyReLU được minh họa ở Hình 2. Sau đó, perceptron thực hiện phép so sánh giá trị nhận được từ hàm kích hoạt f(a) với một giá trị ngưỡng (threshold ) cho trước nhằm xác định giá trị đầu ra ŷ như là tín hiệu kích hoạt của perceptron. 10 Trường Đại Học Bách Khoa Tp.Hồ Chí Minh Khoa Khoa Học và Kỹ Thuật Máy Tính Hình 2.1: Cấu trúc của một Perceptron Hình 2.2: Các hàm phi tuyến được sử dụng trong Perceptron  1 if f (a) ≥ threshold ŷ = (2.2) 0 if f (a) < threshold Bằng cách kết hợp nhiều perceptron với nhau sẽ tạo nên cấu trúc mô hình mạng ANN.

Mạng ANN bao gồm nhiều perceptron như là các nút mạng tính toán 11 Trường Đại Học Bách Khoa Tp.Hồ Chí Minh Khoa Khoa Học và Kỹ Thuật Máy Tính làm tăng tính phức tạp cũng như khả năng học cho mạng, các perceptron đó hình thành nên các tầng như hình sau: Hình 2.3: Mô hình neural network đơn giản – Tầng đầu vào (input layer): là tầng đầu tiên, thể hiện các dữ liệu đầu vào của mô hình. – Tầng ẩn (hidden layer): là tầng nằm giữa gồm các phép tính toán nhằm chuyển đổi dữ liệu đầu vào sang dữ liệu đầu ra. – Tầng kết quả (output layer): là tầng cuối cùng thể hiện dữ liệu đầu ra của mạng. Quá trình suy luận từ tầng vào tới tầng ra của mạng NN là quá trình lan truyền tiến (feedforward), tức là đầu vào các nơ-ron tại 1 tầng đều lấy từ kết quả các nơ-ron tầng trước đó mà không có quá trình suy luận ngược lại.