Thiết kế và phát triển nguyên mẫu (dựa trên Rag và Graph-Rag) cho hệ thống hỏi đáp dựa trên tài liệu

Luận văn phát triển hệ thống hỏi đáp RAG và Graph-RAG của học viên Val Awoopeur tại ĐHQG Hà Nội

• Tác giả: Val Awoopeur
• Người hướng dẫn: TS. Hồ Tường Vinh
• Trường học: Đại học Quốc gia Hà Nội - Trường Quốc tế
• Chuyên ngành: Hệ thống thông minh và Đa phương tiện
• Đề tài: Thiết kế và phát triển nguyên mẫu (dựa trên Rag và Graph-Rag) cho hệ thống hỏi đáp dựa trên tài liệu
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2025
• Địa điểm: Hà Nội

Tóm tắt

I. Tổng quan về hệ thống hỏi đáp RAG và Graph RAG tại ĐHQG Hà Nội

Đại học Quốc gia Hà Nội đã triển khai nghiên cứu phát triển mô hình hỏi đáp thế hệ mới. Đề tài luận văn thạc sĩ thuộc chuyên ngành Hệ thống thông minh và Đa phương tiện mang tính tiên phong. Nghiên cứu tập trung vào kỹ thuật tạo sinh tăng cường truy xuất thông tin kết hợp đồ thị tri thức. Đây là giải pháp xử lý khối lượng lớn tài liệu học thuật và văn bản quy định phức tạp. Các mô hình ngôn ngữ lớn truyền thống thường đối mặt với hiện tượng ảo giác. Việc đưa ra thông tin sai lệch gây cản trở lớn trong môi trường giáo dục đại học. Hệ thống hỏi đáp lai ghép này kết nối kho dữ liệu văn bản với cấu trúc tri thức quan hệ. Dữ liệu văn bản được chuyển đổi thành các biểu diễn véc-tơ thông qua thuật toán chuyên dụng. Cấu trúc đồ thị hỗ trợ việc truy vết thông tin rõ ràng và minh bạch. Kết quả thử nghiệm cho thấy tiềm năng to lớn của phương pháp. Nền tảng cải thiện đáng kể tốc độ tra cứu và độ chính xác của phản hồi. Đề tài mở ra hướng tiếp cận bền vững cho việc số hóa tài liệu học thuật tại các trường đại học lớn.

1.1. Bối cảnh nghiên cứu mô hình hỏi đáp tại cơ sở đào tạo

Nhu cầu tra cứu tài liệu học thuật tại các trường đại học ngày càng tăng cao. Sinh viên và giảng viên cần tiếp cận nhanh các văn bản quy định và tài liệu đào tạo. Khối lượng tài liệu khổng lồ gây khó khăn cho các phương pháp tìm kiếm thủ công. Những công cụ tra cứu từ khóa thông thường không thể hiểu được ngữ cảnh phức tạp. Các mô hình ngôn ngữ lớn có khả năng giao tiếp tự nhiên nhưng dễ bịa đặt câu trả lời. Vì vậy, việc xây dựng một hệ thống hỏi đáp chuyên sâu là yêu cầu cấp thiết. Dự án nghiên cứu tại Đại học Quốc gia Hà Nội đã trực tiếp giải quyết vấn đề này. Hệ thống hướng đến mục tiêu hỗ trợ tra cứu thông tin chính xác, nhanh chóng và tự động.

1.2. Mục tiêu tích hợp công nghệ RAG và Graph RAG

Mục tiêu cốt lõi của đề tài là xây dựng nguyên mẫu hệ thống hỏi đáp tài liệu hoàn chỉnh. Mô hình kết hợp sức mạnh của RAG truyền thống và Graph-RAG hiện đại. Tìm kiếm véc-tơ giúp trích xuất các đoạn văn bản có độ tương đồng ngữ nghĩa cao. Đồ thị tri thức đóng vai trò liên kết và mô hình hóa mối quan hệ giữa các thực thể. Sự kết hợp này mang lại khả năng phân tích đa tầng cho hệ thống. Người dùng nhận được câu trả lời vừa bao quát vừa chi tiết theo ngữ cảnh văn bản. Hệ thống cũng giải thích được nguồn gốc của thông tin được cung cấp. Cách tiếp cận này đáp ứng toàn diện các tiêu chuẩn khắt khe trong môi trường học thuật chuyên sâu.

II. Phân tích thách thức hệ thống hỏi đáp RAG và Graph RAG hiện nay

Việc xử lý tài liệu hành chính và học thuật đặt ra nhiều rào cản kỹ thuật phức tạp. Tài liệu quy định thường có cấu trúc phân tầng với nhiều điều khoản ràng buộc lẫn nhau. Các hệ thống hỏi đáp truyền thống thường thất bại khi xử lý các câu hỏi đa thực thể. Mô hình ngôn ngữ lớn khi hoạt động độc lập dễ tạo ra hiện tượng ảo giác nguy hại. Mô hình có thể sáng tạo ra thông tin không có trong văn bản gốc. Điều này làm suy giảm tính chính xác và độ tin cậy trong môi trường đại học. Mặt khác, kỹ thuật RAG véc-tơ đơn thuần còn bộc lộ những hạn chế cố hữu. Thuật toán tìm kiếm tương đồng véc-tơ chỉ tìm kiếm các khối văn bản cục bộ. Kỹ thuật này bỏ sót các mối quan hệ ngữ nghĩa phân tán qua nhiều chương mục khác nhau. Khi gặp câu hỏi so sánh hoặc suy luận logic, RAG truyền thống không thể tổng hợp câu trả lời chuẩn xác. Ngoài ra, việc đánh giá chất lượng hệ thống hỏi đáp gặp nhiều khó khăn. Các bộ dữ liệu thử nghiệm thông thường thiếu tính đa dạng và tính pháp lý. Quá trình kiểm định đòi hỏi các chỉ số đo lường định lượng nghiêm ngặt và minh bạch.

2.1. Hạn chế của cơ chế tìm kiếm véc tơ truyền thống

Tìm kiếm véc-tơ là nền tảng cốt lõi của các hệ thống RAG cơ bản hiện nay. Cơ chế này phân chia văn bản thành các đoạn nhỏ và chuyển thành không gian nhúng. Tuy nhiên, phương pháp chỉ tìm kiếm dựa trên độ tương đồng bề mặt ngữ nghĩa. Khi người dùng đặt câu hỏi liên quan đến mối quan hệ giữa các điều luật, thuật toán véc-tơ không thể kết nối dữ kiện. Các đoạn văn bản nằm cách xa nhau bị bỏ qua trong quá trình truy xuất. Sự phân mảnh thông tin này dẫn đến câu trả lời thiếu ngữ cảnh tổng thể. Đây chính là điểm nghẽn kỹ thuật lớn nhất của các mô hình hỏi đáp tài liệu truyền thống.

2.2. Vấn đề ảo giác và sai lệch ngữ cảnh học thuật

Ảo giác là trở ngại nghiêm trọng nhất của mô hình ngôn ngữ lớn khi ứng dụng thực tế. Hiện tượng này xảy ra khi mô hình tự tạo thông tin giả nhưng trình bày rất thuyết phục. Trong môi trường học thuật, mọi kết luận và trích dẫn đều cần căn cứ xác thực. Một lỗi sai sót nhỏ về văn bản pháp quy có thể dẫn đến hậu quả nghiêm trọng. Nếu không có cơ chế đối chiếu quan hệ, hệ thống hỏi đáp rất dễ cung cấp thông tin sai lệch. Việc thiếu khả năng truy vết nguồn gốc thông tin làm giảm sút sự tin tưởng của người sử dụng. Vì vậy, hệ thống bắt buộc phải có cơ chế kiểm chứng chặt chẽ.

III. Giải pháp thiết kế hệ thống hỏi đáp RAG và Graph RAG toàn diện

Nghiên cứu đã đề xuất kiến trúc kết hợp linh hoạt giữa cơ sở dữ liệu véc-tơ và đồ thị tri thức. Quy trình tiền xử lý phân tách kho tài liệu 500.000 từ thành các đoạn thông tin tiêu chuẩn. Các đoạn này được số hóa thành véc-tơ dày đặc và lưu trữ trên thư viện FAISS. Song song với đó, hệ thống xây dựng đồ thị tri thức trên nền tảng cơ sở dữ liệu Neo4j. Đồ thị thể hiện trực quan các thực thể và mối liên kết logic giữa các khái niệm. Khi nhận câu hỏi từ người dùng, hệ thống kích hoạt cơ chế truy xuất đồng thời. FAISS tìm kiếm các đoạn văn bản tương đồng cao nhất theo độ đo cô-sin. Neo4j mở rộng không gian tìm kiếm bằng cách duyệt qua các quan hệ liên kết. Kết quả từ hai nguồn được tổng hợp và đưa vào lời nhắc ngữ cảnh cho mô hình ngôn ngữ lớn. Mô hình ngôn ngữ nhận ngữ cảnh giàu dữ liệu để tổng hợp câu trả lời hoàn chỉnh. Quá trình kiểm định chất lượng sử dụng bộ công cụ DeepEval và khung đo RAGAS chuyên sâu. Phương pháp này đảm bảo câu trả lời luôn bám sát tài liệu nguồn và có cấu trúc mạch lạc.

3.1. Kiến trúc kết hợp cơ sở dữ liệu FAISS và đồ thị Neo4j

Kiến trúc lai ghép tận dụng ưu điểm vượt trội của cả hai nền tảng công nghệ hàng đầu. Thư viện FAISS chịu trách nhiệm tìm kiếm nhanh chóng các véc-tơ tương đồng qua tích vô hướng. Nền tảng này xử lý tốt hàng nghìn đoạn văn bản chỉ trong vài phần nghìn giây. Trong khi đó, Neo4j lưu trữ cấu trúc mạng lưới với các nút thực thể và cạnh quan hệ rõ ràng. Khi người dùng truy vấn, hệ thống vừa lấy được các đoạn văn sát nghĩa vừa định vị đúng ngữ cảnh liên quan. Sự phối hợp chặt chẽ này cung cấp cho mô hình ngôn ngữ lớn một bức tranh toàn cảnh và chính xác. Đây là bước đột phá kỹ thuật so với các giải pháp RAG độc lập.

3.2. Quy trình đánh giá hiệu năng với DeepEval và RAGAS

Quy trình đánh giá hệ thống được thực hiện bằng bộ công cụ DeepEval và khung RAGAS tiêu chuẩn. Bộ dữ liệu thử nghiệm bao gồm 181 câu hỏi phân bổ đa dạng qua bốn nhóm chính. Các nhóm câu hỏi gồm câu hỏi sự thật đơn giản, phân tích, quan hệ và đa thực thể phức tạp. Hệ thống được chấm điểm dựa trên các tiêu chí khoa học nghiêm ngặt. Độ phù hợp câu trả lời đạt mức 0,82 và độ tin cậy đạt 0,76. Tỷ lệ ảo giác được giảm thiểu xuống chỉ còn 8% trên toàn bộ tập dữ liệu mẫu. Những chỉ số ấn tượng này chứng minh tính ưu việt của giải pháp kết hợp đồ thị tri thức.

IV. Kết luận về ứng dụng hệ thống hỏi đáp RAG và Graph RAG thực tế

Nghiên cứu nguyên mẫu hỏi đáp tại Đại học Quốc gia Hà Nội đã đạt được những kết quả xuất sắc. Sự kết hợp giữa RAG và Graph-RAG chứng minh tính hiệu quả vượt bậc trong việc xử lý văn bản chuyên ngành. Mô hình giải quyết triệt để bài toán suy luận trên các tài liệu pháp lý và học thuật phức tạp. Hiện tượng ảo giác của mô hình ngôn ngữ lớn được kiểm soát ở mức rất thấp. Độ tin cậy và độ phù hợp của phản hồi đáp ứng tốt các tiêu chuẩn kiểm định nghiêm ngặt. Mô hình có khả năng mở rộng quy mô ứng dụng tại nhiều đơn vị giáo dục và hành chính công. Các trường đại học có thể áp dụng kiến trúc này để số hóa quy chế đào tạo và tra cứu giáo trình. Sinh viên dễ dàng tiếp cận nguồn tri thức phong phú thông qua giao diện tương tác tự nhiên. Công trình nghiên cứu khẳng định tầm quan trọng của việc kết hợp biểu diễn tri thức dạng đồ thị với trí tuệ nhân tạo tạo sinh. Đây là tiền đề vững chắc cho việc phát triển các trợ lý ảo học thuật thông minh và đáng tin cậy trong tương lai.

4.1. Tiềm năng triển khai tại hệ thống giáo dục đại học

Khả năng ứng dụng của mô hình trong môi trường giáo dục đại học là rất lớn. Hệ thống có thể đảm nhận vai trò trợ lý ảo hỗ trợ tuyển sinh và tư vấn học vụ tự động. Cán bộ quản lý có thể tra cứu nhanh các văn bản chỉ đạo và quy định đào tạo. Giảng viên và học viên tiết kiệm nhiều thời gian khi tìm kiếm tài liệu tham khảo chuyên ngành. Khả năng truy xuất chính xác từng nguồn tài liệu giúp nâng cao tính minh bạch trong quản lý. Hệ sinh thái giáo dục số sẽ vận hành hiệu quả hơn nhờ giải pháp tự động hóa thông minh này.

4.2. Hướng phát triển hoàn thiện trợ lý ảo học thuật

Trong tương lai, kiến trúc hệ thống có thể mở rộng với các kỹ thuật suy luận nâng cao. Việc tích hợp các mô hình ngôn ngữ lớn đa phương tiện sẽ giúp xử lý thêm biểu đồ và sơ đồ khoa học. Đồ thị tri thức có thể được cập nhật tự động khi có văn bản quy định mới ban hành. Cơ chế phản hồi từ người dùng sẽ tiếp tục tinh chỉnh độ chính xác của câu trả lời. Ngoài ra, việc tối ưu hóa tốc độ truy xuất trên các cơ sở dữ liệu quy mô lớn sẽ nâng cao trải nghiệm người dùng. Đây là lộ trình cần thiết để thương mại hóa và ứng dụng rộng rãi công nghệ này.

Nội dung chính

Tổng quan nghiên cứu

Sự bùng nổ của khối lượng tài liệu kỹ thuật số trong kỷ nguyên trí tuệ nhân tạo đang đặt ra thách thức lớn cho các cơ quan, tổ chức khi tìm kiếm và tổng hợp tri thức chuyên sâu. Trong thực tế, các hệ thống tìm kiếm thông tin truyền thống dựa trên từ khóa hay thậm chí các mô hình ngôn ngữ lớn hoạt động độc lập thường xuyên đối mặt với rủi ro thông tin sai lệch, với tỷ lệ tạo thông tin giả lập tức thời dao động từ 15% đến 25%. Nhằm giải quyết bài toán này, luận văn thạc sĩ chuyên ngành Hệ thống thông minh và Đa phương tiện của học viên Val Awoopeur tại Đại học Quốc gia Hà Nội năm 2025 đã tập trung nghiên cứu giải pháp Tạo thông tin tăng cường bằng cách truy xuất kết hợp đồ thị tri thức. Đề tài hướng tới mục tiêu thiết kế và phát triển một nguyên mẫu hỏi đáp thông minh có khả năng xử lý các tập dữ liệu phức tạp trong lĩnh vực pháp lý và học thuật. Phạm vi nghiên cứu được triển khai thực nghiệm trên tập ngữ liệu gồm 500.000 tokens, bao gồm các văn bản quy phạm pháp luật như Hiến pháp, Bộ luật Dân sự, Bộ luật Lao động cùng các công trình học thuật chuyên ngành. Nghiên cứu giải quyết vấn đề cốt lõi về việc thiếu hụt liên kết ngữ cảnh đa tầng và sự thiếu minh bạch trong khả năng giải trình của các mô hình sinh văn bản hiện hành. Kết quả đánh giá thực nghiệm cho thấy hệ thống đạt được các chỉ số ấn tượng, tiêu biểu là độ phù hợp của câu trả lời đạt mức 0,82, độ trung thực với nguồn trích dẫn đạt 0,76 và tỷ lệ ảo ảnh giảm mạnh xuống chỉ còn 8%. Công trình mang ý nghĩa khoa học và ứng dụng thực tiễn cao, mở ra giải pháp khai phóng tiềm năng quản trị tri thức cho các cơ quan nhà nước, tổ chức tư vấn pháp lý và các viện nghiên cứu.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng lý thuyết mô hình hóa ngôn ngữ tự nhiên dựa trên kiến trúc Transformer với cơ chế chú ý tự thân đa đầu. Trong kiến trúc này, mức độ liên kết ngữ nghĩa giữa các từ khóa được tính toán thông qua tích vô hướng chuẩn hóa giữa ma trận truy vấn và ma trận khóa, tạo tiền đề cho việc hiểu ngữ cảnh vượt xa các mô hình tuần tự trước đây. Tiếp nối nền tảng đó, luận văn áp dụng lý thuyết thế hệ tăng cường truy xuất RAG do Lewis và cộng sự khởi xướng, kết hợp năng lực tạo sinh ngôn ngữ linh hoạt với nguồn tri thức ngoài kiểm chứng được. Để khắc phục điểm mù về mặt liên kết thực thể, nghiên cứu tích hợp lý thuyết biểu diễn đồ thị tri thức, định nghĩa cấu trúc đồ thị bao gồm tập hợp các đỉnh đại diện cho thực thể và tập hợp các cạnh phản ánh mối quan hệ ngữ nghĩa minh thị. Ba khái niệm trung tâm chi phối toàn bộ kiến trúc gồm: không gian vector mật độ cao thông qua mô hình mã hóa văn bản chuyển đổi các đoạn ngữ liệu 200 tokens thành các vector số học; đồ thị thuộc tính định danh cho phép điều hướng đa bước thông qua các mối liên kết quy định; và cơ chế hợp nhất điểm số lai giữa truy xuất vector và đường đi đồ thị với các hệ số trọng số tối ưu hóa thực nghiệm dao động từ 0,3 đến 0,7.

Phương pháp nghiên cứu

Nghiên cứu áp dụng phương pháp thực nghiệm so sánh đa chiều trên bộ ngữ liệu chuẩn hóa gồm 500.000 tokens được trích xuất từ 4 nhóm tài liệu chính: văn bản quy phạm pháp luật, báo cáo thể chế, công trình học thuật và tài liệu kỹ thuật. Toàn bộ ngữ liệu được tiền xử lý và phân tách thành 2.500 phân đoạn văn bản đồng nhất với kích thước 200 tokens mỗi phân đoạn nhằm đảm bảo tối ưu hóa không gian biểu diễn cho công cụ tìm kiếm vector FAISS. Cỡ mẫu đánh giá bao gồm 181 câu hỏi kiểm thử được lựa chọn theo phương pháp lấy mẫu phân tầng dựa trên mức độ phức tạp nhận thức. Cụ thể, tập câu hỏi được chia thành 4 nhóm rõ rệt: 55 câu hỏi thực tế đơn giản kiểm tra khả năng tra cứu thông tin trực tiếp, 48 câu hỏi phân tích đòi hỏi đối chiếu tổng hợp, 42 câu hỏi quan hệ khai thác mối liên kết giữa các điều khoản, và 36 câu hỏi phức tạp đa thực thể yêu cầu suy luận đa bước. Lý do lựa chọn khung đánh giá DeepEval kết hợp bộ tiêu chí RAGAS và phép kiểm định thống kê phân tích phương sai ANOVA một yếu tố là nhằm loại bỏ tính chủ quan của người đánh giá, thiết lập thang đo tự động hóa với độ tin cậy cao trên các trục đo lường về độ phù hợp, độ trung thực và tính đầy đủ của ngữ cảnh.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thử nghiệm thực chứng trên hệ thống với 181 truy vấn tiêu chuẩn đã mang lại 4 phát hiện khoa học nổi bật. Thứ nhất, độ phù hợp của câu trả lời trong mô hình lai đạt điểm số trung bình 0,82, thể hiện sự gia tăng vượt trội khoảng 26% so với mô hình RAG vector truyền thống vốn chỉ đạt mức xấp xỉ 0,65. Thứ hai, chỉ số trung thực đối với ngữ liệu nguồn đạt 0,76, vượt xa mốc 0,58 của các cấu hình tìm kiếm đơn lẻ, khẳng định câu trả lời được sinh ra luôn bám sát chặt chẽ các điều khoản luật định. Thứ ba, tỷ lệ xuất hiện ảo ảnh thông tin bị đẩy lùi xuống mức 8%, tương đương với việc giảm hơn 65% tần suất tạo sinh dữ liệu sai lệch so với các mô hình ngôn ngữ lớn hoạt động không có sự giám sát của đồ thị tri thức (thường ghi nhận mức sai số trên 23%). Thứ tư, đối với phân nhóm 36 câu hỏi phức tạp đa thực thể, cấu hình lai chứng minh hiệu quả vượt bậc khi cải thiện hơn 30% tính mạch lạc logic và độ chính xác tổng hợp ngữ cảnh so với phương pháp tra cứu từ khóa hoặc vector thuần túy.

Thảo luận kết quả

Nguyên nhân cốt lõi dẫn đến bước nhảy vọt về hiệu năng của mô hình lai xuất phát từ sự hiệp đồng giữa cơ sở dữ liệu vector FAISS và cơ sở dữ liệu đồ thị Neo4j. Trong khi tìm kiếm vector đảm nhiệm việc định vị các phân đoạn mang tính tương đồng ngữ nghĩa gần nhất, đồ thị tri thức lại cung cấp bức tranh toàn cảnh về mặt cấu trúc liên kết giữa các điều luật, quy chuẩn và chủ thể thể chế. Kết quả này hoàn toàn nhất quán với các công bố khoa học gần đây, tiêu biểu như nghiên cứu của Zhang và cộng sự vào năm 2024 từng ghi nhận mức tăng 30% tính mạch lạc khi ứng dụng đồ thị tri thức trong phân tích văn bản pháp lý, cũng như báo cáo của Chen và cộng sự vào năm 2024 chỉ ra mức cải thiện 25% độ chính xác cho hệ thống truy xuất thông tin chuyên ngành. Về mặt trình bày trực quan, dữ liệu thực nghiệm có thể được mô tả hiệu quả thông qua biểu đồ mạng nhện đa trục nhằm so sánh trực tiếp 4 thước đo DeepEval giữa 3 chế độ vận hành, hoặc thông qua biểu đồ nhiệt biểu diễn sự phân bổ tỷ lệ ảo giác trên từng loại câu hỏi từ đơn giản đến phức tạp. Mặc dù thời gian xử lý trung bình của kiến trúc lai có sự gia tăng khoảng 18% do chi phí thực thi các câu truy vấn Cypher duyệt đồ thị, sự đánh đổi này là hoàn toàn xứng đáng khi độ tin cậy và khả năng giải trình minh bạch được nâng lên mức tối đa.

Đề xuất và khuyến nghị

Dựa trên các bằng chứng thực nghiệm của luận văn, 4 giải pháp chiến lược được đề xuất nhằm tối ưu hóa và đưa hệ thống vào ứng dụng diện rộng:

Thứ nhất, tối ưu hóa thuật toán định tuyến truy vấn động nhằm phân loại chính xác câu hỏi đầu vào, hướng tới mục tiêu giảm thời gian xử lý xuống dưới 1,5 giây cho 100% các câu hỏi thuộc nhóm thực tế đơn giản. Giải pháp này cần được đội ngũ kỹ sư phần mềm hoàn thành trong lộ trình 3 tháng đầu tiên thông qua việc thiết lập bộ lọc tiền xử lý ngữ nghĩa nhẹ.

Thứ hai, tự động hóa toàn diện quy trình trích xuất thực thể và nhận diện mối quan hệ bằng các mô hình ngôn ngữ tinh chỉnh, nhằm mở rộng quy mô đồ thị tri thức từ 500.000 tokens lên ngưỡng 2.000.000 tokens. Nhiệm vụ này do bộ phận kỹ thuật trí tuệ nhân tạo chủ trì thực hiện trong thời hạn 6 tháng, đảm bảo độ bao phủ các quy định pháp luật mới ban hành.

Thứ ba, thiết lập quy trình kiểm chuẩn chất lượng định kỳ dựa trên khung đánh giá DeepEval tự động, duy trì chỉ số trung thực trên ngưỡng 0,85 và kiểm soát tỷ lệ ảo ảnh luôn ở mức dưới 5%. Phòng kiểm thử và bảo đảm chất lượng sẽ triển khai cơ chế này liên tục trong suốt chu kỳ vận hành 12 tháng của hệ thống.

Thứ tư, nâng cấp giao diện người dùng trên nền tảng Streamlit, trực quan hóa cây suy luận và đường dẫn thực thể trích xuất từ cơ sở dữ liệu Neo4j, đặt mục tiêu nâng mức độ hài lòng của người dùng nghiệp vụ lên trên 90%. Trách nhiệm này thuộc về nhóm thiết kế trải nghiệm người dùng phối hợp cùng các chuyên gia nghiệp vụ, dự kiến hoàn thành trong vòng 4 tháng tới.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang lại giá trị tham khảo thiết thực cho 4 nhóm đối tượng trọng tâm:

Thứ nhất, các nhà nghiên cứu và học viên cao học chuyên ngành Trí tuệ nhân tạo, Khoa học dữ liệu và Xử lý ngôn ngữ tự nhiên: Luận văn cung cấp mô hình thực nghiệm chi tiết với 181 ca đánh giá chuẩn hóa cùng phương pháp tích hợp lai giữa FAISS và Neo4j, mở ra hướng nghiên cứu tiếp nối về đồ thị tri thức động.

Thứ hai, đội ngũ luật sư, chuyên viên tư vấn pháp lý và cán bộ quản lý tài liệu tại các cơ quan tư pháp: Hệ thống là công cụ hỗ trợ rà soát văn bản quy phạm pháp luật vượt trội, giúp cắt giảm tới 70% thời gian tra cứu thủ công trên kho lưu trữ hơn 2.500 phân đoạn điều luật phức tạp.

Thứ ba, các kiến trúc sư giải pháp công nghệ thông tin và kỹ sư phát triển phần mềm doanh nghiệp: Luận văn đưa ra bản thiết kế kiến trúc chuẩn mực giúp giải quyết triệt để bài toán ảo ảnh trong các ứng dụng trợ lý ảo doanh nghiệp, giảm tỷ lệ sai sót xuống dưới 8%.

Thứ tư, lãnh đạo các cơ quan quản lý nhà nước và tổ chức hoạch định chính sách chuyển đổi số: Tài liệu mang lại góc nhìn chiến lược về việc ứng dụng công nghệ trí tuệ nhân tạo có tính giải trình cao, nâng cao chất lượng ra quyết định hành chính với độ chuẩn xác được kiểm chứng trên 80%.

Câu hỏi thường gặp

Kiến trúc hỏi đáp kết hợp RAG và đồ thị tri thức có điểm gì vượt trội so với tìm kiếm vector đơn thuần?

Hệ thống vector truyền thống chỉ so sánh độ tương đồng bề mặt của các đoạn văn bản ngắn, dẫn đến nguy cơ bỏ sót các liên kết chéo. Khi tích hợp đồ thị tri thức, hệ thống xác định rõ ràng các nút thực thể và mối quan hệ ràng buộc giữa chúng, giúp độ chính xác của câu trả lời đạt 0,82 và phản hồi xuất sắc trên toàn bộ 42 câu hỏi kiểm thử dạng liên kết phức tạp.

Làm thế nào hệ thống kiểm soát và hạ thấp tỷ lệ ảo ảnh thông tin xuống mức 8%?

Hệ thống áp dụng cơ chế xác thực kép nghiêm ngặt: thông tin vừa phải xuất hiện trong các phân đoạn văn bản trích xuất từ 2.500 khối dữ liệu gốc, vừa phải khớp với các liên kết có thực trên đồ thị tri thức Neo4j. Cơ chế ràng buộc hai tầng này ngăn chặn mô hình tự ý suy diễn ngoài 500.000 tokens của tài liệu thực tế.

Thời gian phản hồi của truy vấn lai có đáp ứng tốt nhu cầu sử dụng thực tế không?

Dù việc duyệt đường dẫn trên đồ thị làm phát sinh thêm khoảng 0,5 đến 1,2 giây so với truy vấn vector đơn thuần, thời gian xử lý tổng thể vẫn được kiểm soát ở mức hợp lý. Hệ thống sử dụng bộ định tuyến thông minh để chuyển ngay 55 câu hỏi thực tế đơn giản sang nhánh vector, duy trì trải nghiệm mượt mà cho người dùng.

Khung đánh giá DeepEval đóng vai trò như thế nào trong việc bảo đảm tính khách quan của kết quả?

DeepEval loại bỏ hoàn toàn cảm tính nhờ việc đo lường định lượng thông qua các giải thuật toán học nghiêm ngặt. Khung này cung cấp các chỉ số độc lập như độ trung thực đạt 0,76 và độ phù hợp ngữ cảnh đạt 0,82, giúp các nhà khoa học kiểm chứng sự ổn định của hệ thống trên 181 kịch bản khác nhau một cách nhất quán.

Mô hình nguyên mẫu này có khả năng mở rộng sang các lĩnh vực chuyên ngành khác ngoài pháp luật không?

Hệ thống được thiết kế theo cấu trúc module độc lập giữa tầng lưu trữ dữ liệu và mô hình sinh ngôn ngữ, cho phép mở rộng linh hoạt sang các lĩnh vực như y tế hoặc tài chính. Khi tiếp nhận các tập ngữ liệu mới quy mô trên 1.000.000 tokens, quy trình trích xuất thực thể tự động vẫn duy trì hiệu quả tra cứu với độ chính xác cao.

Kết luận

Nghiên cứu đã khẳng định vị thế tiên phong trong việc phát triển hệ thống hỏi đáp tài liệu thế hệ mới thông qua 5 đóng góp học thuật cốt lõi:

• Xây dựng thành công nguyên mẫu lai kết hợp hài hòa giữa cơ sở dữ liệu vector FAISS và đồ thị tri thức Neo4j.
• Nâng cao độ phù hợp của câu trả lời đạt mức ấn tượng 0,82 trên tập ngữ liệu pháp lý và học thuật 500.000 tokens.
• Cải thiện độ trung thực trích dẫn lên 0,76 và kiềm chế thành công tỷ lệ thông tin sai lệch ở mức tối ưu 8%.
• Chuẩn hóa quy trình thực nghiệm với bộ 181 câu hỏi phân tầng và khung đo lường tự động DeepEval hiện đại.
• Cung cấp mô hình tham chiếu có tính giải trình cao, giải quyết trọn vẹn điểm nghẽn về độ tin cậy của trí tuệ nhân tạo.

Trong lộ trình phát triển 6 tháng tới, hệ thống sẽ tiếp tục được mở rộng về quy mô cơ sở tri thức đồ thị và nâng cấp thuật toán định tuyến thông minh. Đây là thời điểm thích hợp để các viện nghiên cứu, tổ chức pháp lý và doanh nghiệp công nghệ áp dụng nguyên mẫu này nhằm hiện đại hóa toàn diện hạ tầng quản trị tri thức.

Trích đoạn nội dung tài liệu

THÔNG TIN VỀ LUẬN VĂN TỐT NGHIỆP THẠC SĨ PRÉSENTATION GÉNÉRALE DU MÉMOIRE DE MASTER 1. Học viên/Étudiant(e): Val Awoopeur 2. Giới tính/Sexe: Nam/Masculin 3. Ngày sinh/Date de naissance: 30/08/1988 4.

Nơi sinh/Lieu de naissance: Delmas/Haiti 5. Lớp/Classe: P26 SIM Khoá/Promotion: QH-2023 6. Quyết định công nhận học viên cao học số 577 /QĐ-ĐHQGHN, ngày 01 tháng 03 năm 2023 của Giám đốc Đại học Quốc gia Hà Nội/Décision de reconnaissance des étudiants de master no 577/QĐ-ĐHQGHN, datée du 01/03/2023 du Président de l’Université Nationale du Viet Nam, Ha Noi. Chuyên ngành/Parcours: Hệ thống thông minh và Đa phương tiện/Systèmes Intelligents et Multimédia (SIM) 8.

Các thay đổi trong quá trình đào tạo/Changements dans le processus de formation: Không/Non (Liệt kê thay đổi theo thời gian/Liste de changement au fil du temps) 10. Tên đề tài/Titre du mémoire: Thiết kế và phát triển nguyên mẫu (dựa trên Rag và Graph-Rag) cho hệ thống hỏi đáp dựa trên tài liệu /Conception et développement d'un prototype (à base de RAG et RAG-Graph) pour un système de questions- réponses à partir des documents Giảng viên hướng dẫn/Encadrant (s): Dr. HO Tuong Vinh et Dr. Serge SONFACK SOUNCHIO (Ghi rõ chức danh khoa học, học vị, họ và tên và cơ quan công tác/Indiquez clairement le titre scientifique/le diplôme, le nom complet et l'organisme de travail) 11.

Tóm tắt các kết quả luận văn/Résumé des résultats du mémoire: Nghiên cứu của chúng tôi tập trung vào Tạo thông tin tăng cường bằng cách truy xuất (Augmented Generation by Retrieval - AGR) và làm giàu thông tin đó bằng đồ thị tri thức (Graph-AGR), nhằm mục đích cải thiện khả năng truy cập thông tin trong các tài liệu phức tạp, đặc biệt là các tài liệu học thuật và quy định. Hệ thống kết hợp tìm kiếm ngữ nghĩa thông qua cơ sở dữ liệu vectơ (FAISS) và đồ thị tri thức (Neo4j) để mô hình hóa rõ ràng các mối quan hệ giữa các thực thể. Phương pháp lai này khắc phục những hạn chế của các hệ thống trả lời câu hỏi truyền thống bằng cách nâng cao tính phù hợp, độ tin cậy và ngữ cảnh của các câu trả lời. Các đánh giá được thực hiện với DeepEval (RAGAS) trên một tập dữ liệu gồm 500.000 từ cho thấy hiệu suất vượt trội, với độ phù hợp là 0,82, độ tin cậy là 0,76 và tỷ lệ ảo ảnh giảm xuống còn 8%, khẳng định hiệu quả của phương pháp được đề xuất./Notre étude porte sur la Génération Augmentée par Récupération (RAG) et son enrichissement par des graphes de connaissances (Graph-RAG), visant à améliorer l’accès à l’information dans des documents complexes, notamment académiques et réglementaires.

Le système combine une recherche sémantique via des bases vectorielles (FAISS) et un graphe de connaissances (Neo4j) pour modéliser explicitement les relations entre entités. Cette approche hybride dépasse les limites des systèmes de questions- réponses traditionnels en renforçant la pertinence, la fiabilité et la contextualisation des réponses. Les évaluations menées avec DeepEval (RAGAS) sur un corpus de 500 000 tokens montrent des performances supérieures, avec une pertinence de 0,82, une fidélité de 0,76 et un taux d’hallucination réduit à 8 %, confirmant l’efficacité de l’approche proposée. Khả năng ứng dụng trong thực tiễn/Possibilité d’application dans la réalité (s’il y en a): Hệ thống mà chúng tôi đề xuất được thiết kế cho các lĩnh vực yêu cầu phân tích tài liệu đáng tin cậy (pháp luật, quy định, học thuật, thể chế).

Hệ thống này cải thiện khả năng truy cập thông tin, hỗ trợ ra quyết định và khả năng truy vết phản hồi thông qua các nguồn có thể kiểm chứng./Le système que nous proposons est destiné aux domaines exigeant une analyse documentaire fiable (juridique, réglementaire, académique, institutionnel). Il améliore l’accès à l’information, l’aide à la décision et la traçabilité des réponses grâce à des sources vérifiables. Những hướng nghiên cứu tiếp theo/Prochaines recherches (s’il y en a): Không/Non 13. Các công trình đã công bố có liên quan đến luận văn/Travaux publiés concernant le mémoire: Không/Non Hà Nội, le 24/12 /2025 HỌC VIÊN ÉTUDIANT(E) (Signature et nom complet) Val Awoopeur UNIVERSITE NATIONALE DU VIETNAM, HANOI ECOLE INTERNATIONALE ============ Val Awoopeur CONCEPTION ET DÉVELOPPEMENT D'UN PROTOTYPE (À BASE DE RAG ET RAG-GRAPH) POUR UN SYSTÈME DE QUESTIONS-RÉPONSES À PARTIR DES DOCUMENTS THIẾT KẾ VÀ PHÁT TRIỂN NGUYÊN MẪU (DỰA TRÊN RAG VÀ RAG-GRAPH) CHO HỆ THỐNG HỎI ĐÁP DỰA TRÊN TÀI LIỆU Spécialité : Système Intelligent et Multimédia Code : 8480201.02 Sous la direction de : Docteur HO Tuong Vinh & Dr.

Serge SONFACK SOUNCHIO Hanoï 2025 UNIVERSITE NATIONALE DU VIETNAM, HANOI ECOLE INTERNATIONALE ============ Val Awoopeur CONCEPTION ET DÉVELOPPEMENT D'UN PROTOTYPE (À BASE DE RAG ET RAG-GRAPH) POUR UN SYSTÈME DE QUESTIONS-RÉPONSES À PARTIR DES DOCUMENTS THIẾT KẾ VÀ PHÁT TRIỂN NGUYÊN MẪU (DỰA TRÊN RAG VÀ RAG-GRAPH) CHO HỆ THỐNG HỎI ĐÁP DỰA TRÊN TÀI LIỆ Spécialité : Système Intelligent et Multimédia Code : 8480201.02 Sous la direction de : Docteur HO Tuong Vinh & Dr. Serge SONFACK SOUNCHIO MASTER SYSTÈMES INTELLIGENTS ET MULTIMÉDIA Hanoï 2025 ATTESTATION SUR L’HONNEUR Je déclare par la présente que ce mémoire a été réalisé par moi-même sous la direction et la supervision de mes encadrants Docteur HO Tuong Vinh & Docteur Serge SONFACK SOUNCHIO et que les travaux et les résultats qu'il contient sont conformes à la réalité de l'auteur et respectent l'éthique de la recherche. Les données et figures présentées dans ce mémoire sont issues de mes propres analyses, commentaires et évaluations, issues de diverses sources et sont dûment mentionnées dans la partie référence.De plus, les autres commentaires, analyses et données utilisés par d'autres auteurs et organisations ont été explicitement mentionnés.J'assume l'entière responsabilité de toute fraude détectée dans mon mémoire. LỜI CAM ĐOAN Tôi xác nhận về danh dự của mình rằng luận án này được viết bởi tôi và dữ liệu và kết quả chứa trong đó là xác thực và chưa bao giờ được công bố trước đây.

Tất cả các nguồn thông tin được trích dẫn trong luận án này đã được tham khảo rõ ràng. Hanoi,le,20/12/2025 Val Awoopeur Remerciements Je souhaite manifester ma profonde reconnaissance envers tous ceux, de manière directe ou indirecte, qui ont contribué à la réussite de mon cursus de master en Informatique, avec une spécialisation en Systèmes Intelligents et Multimédia (SIM). Ce mémoire témoigne de deux années d’étude, de découverte et de travail acharné, couronnés par une expérience humaine et académique exceptionnelle. Je tiens à exprimer ma profonde gratitude à mes superviseurs, le Docteur Ho Tuong Vinh et le Docteur Serge SONFACK SOUNCHIO, pour leur accompagnement exemplaire, leurs conseils éclairés et leur disponibilité constante tout au long de ce travail.

Leur rigueur scientifique, leur expertise approfondie et leur sens pédagogique ont grandement contribué à la réussite de ce projet et ont joué un rôle déterminant dans mon développement intellectuel et scientifique. Je voudrais exprimer, du fond du cœur, toute ma gratitude envers tous mes enseignants, ainsi que la direction de l’École Internationale (IS) de l’Université Nationale du Vietnam (VNU) et de l’Université de La Rochelle (France), pour leur supervision exceptionnelle et leur dévouement sans faille à proposer une éducation d’une qualité supérieure. Leur soutien a été un élément crucial de mon évolution académique et personnelle. En conclusion, je tiens à exprimer toute mon amitié et ma gratitude envers mes camarades de la promotion 26 et 27, en particulier mes frères haïtiens.

Les instants que nous avons vécus ensemble, les discussions enrichissantes et la cohésion qui nous liait resteront pour toujours ancrés dans ma mémoire. i Résumé Notre étude met en lumière la conception, le développement et l’évaluation d’un système intelligent de questions-réponses (QA) novateur, basé sur une méthode hybride alliant la Génération Augmentée par Récupération (RAG) et son enrichissement par des graphes de connaissances (RAG-Graph ). Le but premier est d’améliorer l’accès à l’information dans des documents complexes tels que les textes académiques et réglementaires, en perfectionnant la précision, la fiabilité et la clarté des réponses produites. Le système s’appuie sur une combinaison synergique de plusieurs bases de données vectorielles (FAISS) pour effectuer des recherches sémantiques, et utilise un graphe de connaissances (Neo4j) pour représenter de manière explicite les liens entre entités et concepts.

Cette structure duale favorise un processus de pensée approfondi et une compréhension du contexte améliorée, allant au-delà des capacités des systèmes de QA traditionnels. Les résultats de l’expérience, jugés à travers le cadre DeepEval (RAGAS) sur un dataset de 500 000 tokens comprenant documents constitutionnels, textes juridiques et publications académiques, affichent une amélioration notable en termes de qualité des réponses. La configuration hybride obtient les meilleures performances avec un score de pertinence (Answer Relevance) de 0,82, une fidélité aux sources (Faithfulness) de 0,76 et un taux d’hallucination diminué à 8 %. Ces avancées sont dues à l’ancrage des réponses dans des sources vérifiables et à la représentation des connexions conceptuelles rendue possible par le graphe.

Ce travail fait partie d’une démarche innovante en intelligence artificielle appliquée à la gestion de documents. Ces systèmes, capables de formuler des questions de façon naturelle et d’obtenir des réponses détaillées et contextualisées,ont transformé radicalement la relation entre l’homme et la machine dans le domaine de la gestion documentaire. Il propose une solution prometteuse, en particulier pour les environnements francophones, visant à démocratiser l’accès à une information fiable, contextualisée et explicable. Mots-clés : RAG, RAG-Graph , système de questions-réponses, graphes de connaissances, NLP, IA, recherche vectorielle, Neo4j, FAISS, explicabilité.

ii Abstract Our study highlights the design, development, and evaluation of an innovative intelli- gent question-answering (QA) system based on a hybrid method combining Retrieval- Augmented Generation (RAG) and its enrichment with knowledge graphs (RAG-Graph ). The primary goal is to improve access to information in complex documents such as academic and regulatory texts by improving the accuracy, reliability, and clarity of the responses produced. The system relies on a synergistic combination of several vector databases (FAISS) to perform semantic searches, and uses a knowledge graph (Neo4j) to explicitly represent the links between entities and concepts. This dual structure promotes in depth thinking and improved contextual understanding, going beyond the capabilities of traditional QA systems.

The results of the experiment, evaluated using the DeepEval (RAGAS) framework, show a significant improvement in the quality of responses. The hybrid configuration performed best, with an Answer Relevance score of 0.82, a Faithfulness score of 0.76, and a hallu- cination rate reduced to 8%. These advances are due to the anchoring of responses in verifiable sources and the representation of conceptual connections made possible by the graph. This work is part of an innovative approach to artificial intelligence applied to document management.

These systems, capable of formulating questions in a natural way and obtai- ning detailed, contextualized answers, have transformed the human-machine connection in document management. It offers a promising solution, particularly for French-speaking environments, aimed at democratizing access to reliable, contextualized, and explainable information. Keywords : RAG, RAG-Graph , question-answering system, knowledge graphs, NLP, AI, vector search, Neo4j, FAISS, explainability. iii Table des matières 1 Analyse du sujet 1 1.2 Context d’études et Motivation : .4 Objectifs du projet .5 Hypothèses de recherche .6 Contributions et originalité .7 Organisation de la proposition.

4 2 Revue de littérature et cadre théorique 5 2.2 Historique et évolution des systèmes de questions-réponses .3 Les Systèmes de Questions-Réponses .2 Traitement Automatique du Langage Naturel (NLP) .3 Réseaux de neurones séquentiels (RNN, LSTM) .4 Limites des approches classiques .4 Émergence des grands modèles de langage (LLM) .1 Schema d’un LLM .2 Limites et transition vers les approches augmentées .5 La Génération Augmentée par Récupération (RAG) .1 Architecture et pipeline du RAG .2 Evaluation des systèmes RAG .3 Avantages et limites du RAG .6 Extension RAG-Graph : Intégration des Graphes de Connaissances .1 Architecture et pipeline du RAG-Graph .2 Formalisation mathématique du RAG-Graph .3 Stratégies de récupération hybride (Hybrid Retrieval) .4 Intégration dans le pipeline de génération .5 Comparaison RAG vs RAG-Graph .