Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh thị trường tài chính hiện đại, việc tiếp cận thông tin và tham gia vào hoạt động đầu tư ngày càng trở nên thuận tiện đối với các nhà đầu tư cá nhân. Theo số liệu từ Trung tâm Lưu ký Chứng khoán Việt Nam (VSD), lũy kế cả năm 2022, số lượng tài khoản chứng khoán mở mới của nhà đầu tư cá nhân trong nước đạt gần 2,6 triệu tài khoản, ghi nhận mức kỷ lục trong 22 năm hoạt động. Sự bùng nổ này kéo theo nhu cầu tiếp nhận và xử lý khối lượng lớn thông tin kinh tế - tài chính từ nhiều kênh truyền thông, mạng xã hội và báo điện tử.

Tuy nhiên, phần lớn nhà đầu tư mới (nhà đầu tư F0) thường có xu hướng tập trung vào phân tích kỹ thuật mà chưa chú trọng đúng mức đến phân tích cơ bản, dẫn đến việc thiếu cơ sở dữ liệu vững chắc khi đưa ra quyết định đầu tư. Các tin tức kinh tế tác động trực tiếp và mạnh mẽ đến tâm lý thị trường: thông tin tích cực thúc đẩy niềm tin và dòng vốn, trong khi tin tức tiêu cực dễ tạo ra biến động và rủi ro. Việc tiếp nhận hàng ngàn bài báo mà không có công cụ phân tích tự động, chuyên sâu theo từng khía cạnh cụ thể khiến việc quản trị rủi ro gặp nhiều khó khăn. Tại Việt Nam, các nghiên cứu và công cụ phân tích xúc cảm đa khía cạnh (Aspect-Based Sentiment Analysis - ABSA) dành riêng cho tin tức tài chính tiếng Việt vẫn còn hạn chế. Do đó, đề tài "Xây dựng hệ thống thu thập và xử lý tin tức tài chính" được thực hiện nhằm cung cấp một giải pháp định lượng mức độ tác động của tin tức đối với các khía cạnh tài chính khác nhau.

Mục tiêu và nhiệm vụ nghiên cứu:

  1. Tìm hiểu kiến trúc các mô hình mạng nơ-ron hồi quy gồm Mạng nơ-ron hồi quy chuẩn (RNN), Đơn vị hồi quy có cổng (GRU) và Mạng bộ nhớ dài-ngắn (LSTM) trong bài toán xử lý ngôn ngữ tự nhiên (NLP).
  2. Nghiên cứu việc áp dụng các mô hình học máy (RNN, GRU, LSTM) cho bài toán NLP tiếng Việt trong lĩnh vực tài chính.
  3. Tìm hiểu và áp dụng kỹ thuật học có giám sát (Supervised Learning).
  4. Khảo sát và ứng dụng các công cụ hỗ trợ dựa trên mô hình ngôn ngữ lớn (ChatGPT API) phục vụ gán nhãn dữ liệu.
  5. Kết hợp công cụ ChatGPT để xử lý nhãn dữ liệu tự động, sau đó đưa dữ liệu vào các mô hình nơ-ron để huấn luyện trên tập ngữ liệu tin tức kinh tế Việt Nam.
  6. Đề xuất quy trình và mô hình dự đoán mức độ tác động của tin tức tài chính trên nhiều khía cạnh, hỗ trợ quá trình ra quyết định đầu tư.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Các bài báo, tin tức tài chính tiếng Việt đề cập đến các doanh nghiệp niêm yết và thị trường kinh tế tại Việt Nam; các phương pháp tiền xử lý văn bản, trích xuất đặc trưng và các kiến trúc học sâu hồi quy chuỗi thời gian (RNN, GRU, LSTM).
  • Phạm vi dữ liệu và không gian: Thu thập từ các trang thông tin điện tử tài chính tại Việt Nam (tiêu biểu như Cafef); tập trung vào các bài viết có độ dài từ 66 đến 365 từ (chiếm 96,79% tổng phân phối độ dài tập dữ liệu thu thập).

Cơ sở lý thuyết và phương pháp

Đề tài đặt nền tảng trên bài toán phân tích xúc cảm dựa trên khía cạnh (ABSA) trong lĩnh vực tài chính, chuyển đổi dữ liệu văn bản phi cấu trúc thành các giá trị số học phản ánh mức độ tác động từ -1 (tiêu cực) đến 1 (tích cực) trên từng khía cạnh kinh tế.

Khung lý thuyết và kỹ thuật xử lý ngôn ngữ tự nhiên

  • Phân tích xúc cảm đa khía cạnh (ABSA): Nhiệm vụ trích xuất và xác định chiều hướng tác động/xúc cảm theo từng khía cạnh cụ thể được đề cập trong văn bản.
  • Tách từ (Tokenization): Chia văn bản thành các đơn vị token cơ sở để mô hình máy học tiếp nhận.
  • Loại bỏ từ dừng (Stop Words Removal): Lọc bỏ các liên từ, hư từ phổ biến không mang giá trị ngữ nghĩa tài chính (như "và", "hay", "hoặc", "nếu") nhằm giảm kích thước vector và hạn chế nhiễu.
  • Nhúng từ (Word Embeddings): Sử dụng mô hình FastText tiếng Việt để ánh xạ từ vựng sang không gian vector nhiều chiều, bảo toàn mối quan hệ ngữ nghĩa và tương quan giữa các từ ngữ tài chính.
  • Mô hình hóa ngôn ngữ (Language Modeling): Dự đoán phân phối xác suất của chuỗi từ nhằm giúp mô hình nắm bắt logic cấu trúc câu tiếng Việt.
  • Chuẩn hóa Min-Max Scaler: Chuyển đổi dữ liệu về phạm vi xác định mà không làm thay đổi phân phối gốc, áp dụng theo công thức: $$x_{std} = \frac{x - x_{min}}{x_{max} - x_{min}}$$ $$x_{scaled} = x_{std} \times (max - min) + min$$

Phương pháp tối ưu và hàm đánh giá

  • Thước đo đánh giá hồi quy:
    • Sai số bình phương trung bình (MSE): Đo lường trung bình bình phương độ lệch giữa giá trị dự đoán và giá trị thực tế.
    • Sai số bình phương trung bình gốc (RMSE): Căn bậc hai của MSE, đo lường độ phân tán của phần dư dự đoán.
    • Sai số tuyệt đối trung bình (MAE): Trung bình tổng giá trị tuyệt đối sai số giữa dự đoán $\hat{y}i$ và thực tế $y_i$: $$MAE = \frac{1}{n} \sum{i=1}^{n} |y_i - \hat{y}_i|$$
  • Thuật toán tối ưu hóa:
    • Grid Search: Tìm kiếm vét cạn tổ hợp siêu tham số tối ưu trên không gian tham số thiết lập trước.
    • Stochastic Gradient Descent (SGD): Thuật toán hạ độ dốc ngẫu nhiên cập nhật trọng số dựa trên từng mẫu dữ liệu.
    • Adam (Adaptive Moment Estimation): Thuật toán tối ưu hóa thích ứng kết hợp ưu điểm của ước lượng mô-men bậc nhất và bậc hai, giúp quá trình hội tụ diễn ra nhanh và ổn định.

Thiết kế và triển khai hệ thống

Hệ thống được thiết kế theo một đường ống (pipeline) khép kín từ khâu thu thập dữ liệu tự động, lọc khía cạnh, gán nhãn bằng mô hình ngôn ngữ lớn, tiền xử lý ngôn ngữ cho đến tìm kiếm siêu tham số và huấn luyện mô hình học sâu.

1. Thu thập và tinh lọc khía cạnh dữ liệu

Nhóm nghiên cứu sử dụng công cụ Selenium để thu thập dữ liệu bài báo kinh tế - tài chính tự động. Ban đầu, hệ thống thiết lập tập 27 khía cạnh tài chính dựa trên các công trình nghiên cứu ABSA quốc tế trước đó.

Để đánh giá mức độ tương thích với tin tức kinh tế Việt Nam, nhóm sử dụng API OpenAI (ChatGPT) gán nhãn thử nghiệm trên 2.000 bài báo. Kết quả phân tích tỷ lệ nhãn không ảnh hưởng (giá trị 0.0) cho thấy nhiều khía cạnh có tỷ lệ không xuất hiện lên đến gần 100%. Nhóm tiến hành sàng lọc và chỉ giữ lại 8 khía cạnh tài chính có tỷ lệ xuất hiện giá trị tác động đáng kể (tỷ lệ giá trị 0.0 dưới 60%), bao gồm:

  1. Reputation: Danh tiếng, uy tín của doanh nghiệp.
  2. Financial: Tình hình tài chính, dòng tiền, doanh thu.
  3. Regulatory: Chính sách pháp lý, quy định của cơ quan quản lý.
  4. Risks: Các yếu tố rủi ro trong hoạt động kinh doanh.
  5. Fundamentals: Các chỉ số tài chính phân tích cơ bản (P/E, P/B, EPS, tỷ lệ nợ/tài sản).
  6. Conditions: Các điều kiện kinh doanh, môi trường vĩ mô.
  7. Market: Diễn biến và xu hướng thị trường.
  8. Volatility: Mức độ biến động giá và rủi ro thanh khoản.

Sau khi rút gọn xuống 8 khía cạnh, nhóm mở rộng tập dữ liệu thu thập lên quy mô 10.000 bài báo.

2. Kiểm định chất lượng gán nhãn và tiền xử lý dữ liệu

Nhằm bảo đảm tính khách quan và nhất quán của nhãn sinh ra từ mô hình ngôn ngữ lớn, nhóm tiến hành gán nhãn lặp lại 3 lần trên cùng một tập bài báo và tính toán phương sai ($\sigma^2$) theo công thức: $$\sigma^2 = \frac{\sum (X - \mu)^2}{N}$$ Trong đó $X$ là giá trị nhãn, $\mu$ là trung bình giá trị qua 3 lần gán, và $N=3$. Kết quả phương sai qua các lần gán đều nằm dưới ngưỡng 0.2, khẳng định sự ổn định của phương pháp gán nhãn bằng LLM. Nhãn từ đợt gán thứ nhất được chọn làm đại diện cho toàn bộ bộ dữ liệu.

Ở khâu lọc độ dài văn bản, nhóm áp dụng chuẩn hóa Z-score trong khoảng $[-2, 2]$ (tương ứng độ dài từ 66 đến 365 từ, trung bình $\mu = 216$ từ, độ lệch chuẩn $\sigma = 75$), loại bỏ các bài viết quá ngắn hoặc quá dài, giữ lại 96,79% lượng tin tức có phân phối chuẩn.

Hệ thống tiến hành xây dựng bộ từ điển đặc trưng: từ tổng số 29.718 từ đơn nhất (unique words), nhóm chọn lọc 1.300 từ có tần suất xuất hiện tối thiểu 142 lần, sau đó giữ lại 1.000 từ hàng đầu phân bố đồng đều giữa các khía cạnh để làm đầu vào cho mô hình, tránh hiện tượng quá khớp (overfitting) và mất cân bằng thông tin. Dữ liệu sau đó được chia theo tỷ lệ: 70% tập huấn luyện (Train), 10% tập kiểm định (Validation) và 20% tập kiểm tra (Test).

3. Kiến trúc mô hình mạng nơ-ron học sâu

Hệ thống thử nghiệm và so sánh 3 kiến trúc mạng nơ-ron hồi quy:

  • Mạng RNN (Recurrent Neural Network): Cấu trúc tuần tự cho phép truyền trạng thái ẩn qua các bước thời gian: $$a^{<t>} = g_1(W_{aa} a^{<t-1>} + W_{ax} x^{<t>} + b_a)$$ $$y^{<t>} = g_2(W_{ya} a^{<t>} + b_y)$$
  • Mạng GRU (Gated Recurrent Unit): Sử dụng cổng cập nhật (update gate $\Gamma_u$) và cổng liên quan/đặt lại (relevance gate $\Gamma_r$) giúp kiểm soát dòng thông tin dài hạn, giảm thiểu biến mất đạo hàm: $$\tilde{c}^{<t>} = \tanh(W_c [\Gamma_r * a^{<t-1>}, x^{<t>}] + b_c)$$ $$c^{<t>} = \Gamma_u * \tilde{c}^{<t>} + (1 - \Gamma_u) * c^{<t-1>}$$ $$a^{<t>} = c^{<t>}$$
  • Mạng LSTM (Long Short-Term Memory): Kiến trúc 4 tầng ẩn với 3 cổng điều khiển độc lập gồm cổng vào (input gate $\Gamma_u$), cổng quên (forget gate $\Gamma_f$) và cổng ra (output gate $\Gamma_o$): $$\tilde{c}^{<t>} = \tanh(W_c [\Gamma_r * a^{<t-1>}, x^{<t>}] + b_c)$$ $$c^{<t>} = \Gamma_u * \tilde{c}^{<t>} + \Gamma_f * c^{<t-1>}$$ $$a^{<t>} = \Gamma_o * c^{<t>}$$

Hệ thống được lập trình trên nền tảng ngôn ngữ Python, framework PyTorch, huấn luyện trên môi trường Kaggle và theo dõi quá trình thực nghiệm bằng Weights & Biases (WandB).

Nội dung chính theo từng chương

Chương 1: Tổng quan

Trình bày tổng quan về bối cảnh thị trường chứng khoán Việt Nam năm 2022 với 2,6 triệu tài khoản mở mới, lý do lựa chọn đề tài xuất phát từ việc thiếu hụt công cụ phân tích tin tức đa khía cạnh cho nhà đầu tư cá nhân. Chương này xác định rõ 6 mục tiêu nghiên cứu, phạm vi dữ liệu tin tức doanh nghiệp Việt Nam, cùng ý nghĩa khoa học và thực tiễn của bài toán ABSA trong tài chính.

Chương 2: Cơ sở lý thuyết

Trình bày các khái niệm nền tảng về phân tích xúc cảm (SA) và phân tích xúc cảm theo khía cạnh (ABSA). Khái quát các nghiên cứu đi trước của Minh-Hao Nguyen và cộng sự (2019) về corpus ABSA tiếng Việt, Quang-Linh Tran và cộng sự (2022) về mô hình Bi-GRU/Bi-LSTM trong thương mại điện tử, và Hitkul Jangid và cộng sự (2018) về phân tích khía cạnh tài chính. Hệ thống hóa các kỹ thuật tiền xử lý văn bản (Tokenization, Stop Words Removal, FastText Word Embeddings, Language Modeling, Min-Max Scaler), các chỉ số đánh giá sai số hồi quy (MSE, RMSE, MAE) và các thuật toán tối ưu hóa (Grid Search, SGD, Adam).

Chương 3: Phương pháp thực hiện và mô hình đề xuất

Trình bày sơ đồ các bước giải quyết bài toán và kế hoạch thực nghiệm phân chia dữ liệu theo tỷ lệ 70% Train - 10% Validation - 20% Test. Mô tả chi tiết môi trường và công cụ phát triển (Python, PyTorch, WandB, Kaggle). Phân tích chi tiết công thức toán học và cấu trúc nơ-ron bên trong của 3 mô hình học sâu RNN, GRU và LSTM.

Chương 4: Thực nghiệm và kết quả

Trình bày chi tiết các giai đoạn thu thập dữ liệu bằng Selenium, quy trình lọc từ 27 khía cạnh ban đầu xuống 8 khía cạnh tài chính thông qua ChatGPT API, và kiểm tra phương sai nhãn qua 3 lần lặp ($\sigma^2 < 0.2$). Mô tả quy trình lọc độ dài văn bản bằng Z-score ($66 - 365$ từ) và xây dựng từ điển 1.000 từ.

Thực hiện Grid Search trên 1.458 mô hình (20 epochs mỗi mô hình) với các dải tham số:

  • Batch size: [64, 128, 256]
  • Số lượng lớp ẩn: [1, 2, 3]
  • Số lượng node/đặc trưng mỗi lớp: [64, 128, 256]
  • Tốc độ học: [0.001]
  • Thuật toán tối ưu: [Adam, SGD]
  • Tỷ lệ Dropout: [0.5]

Dựa trên hai tiêu chí: (1) Độ lệch giữa loss train và loss validation nhỏ nhất và (2) Loss validation thấp nhất, nhóm trích xuất được bộ siêu tham số tối ưu cho từng kiến trúc:

Tham số tối ưu LSTM GRU RNN
Batch size 64 64 128
Số lượng lớp ẩn 1 2 3
Số đặc trưng mỗi lớp 128 256 64
Tốc độ học (Learning rate) 0.001 0.001 0.001
Thuật toán tối ưu Adam Adam Adam
Tỷ lệ lớp Dropout 0.3 0.3 0.3

Tiến hành huấn luyện sâu với số lượng epoch lớn hơn (RNN: 100 epochs, GRU: 100 epochs, LSTM: 400 epochs). Mô hình LSTM ghi nhận dấu hiệu quá khớp khi chênh lệch loss validation và loss train xấp xỉ 0.05. Kết quả đánh giá trên tập kiểm tra (Test) khẳng định GRU đạt sai số thấp nhất.

Chương 5: Kết luận và hướng phát triển

Tổng kết kết quả thực hiện đồ án, đánh giá sự cải thiện của mô hình GRU so với nghiên cứu gốc của Hitkul Jangid và cộng sự (2018). Phân tích các mặt hạn chế về kinh phí gán nhãn API, kích thước dữ liệu và giới hạn độ dài văn bản. Đề xuất các hướng phát triển tiếp theo liên quan đến mô hình Transformer và tích hợp chuỗi dữ liệu giá cổ phiếu thời gian thực.

Kết quả và đóng góp

Kết quả thực nghiệm chính

Quá trình đánh giá định lượng trên tập dữ liệu kiểm tra (Test set) độc lập cho thấy mô hình GRU với bộ siêu tham số tối ưu (2 lớp ẩn, 256 chiều đặc trưng, batch size 64, optimizer Adam, dropout 0.3) đạt hiệu năng tổng thể tốt nhất:

Mô hình MSE MAE
LSTM 0.224 (Ghi nhận theo thực nghiệm)
GRU (Thấp nhất) (Thấp nhất)
RNN (Cao hơn GRU) (Cao hơn GRU)

Mô hình GRU đạt mức tổn thất kiểm định (validation loss RMSE) thấp nhất, vượt qua ngưỡng tối ưu so với RNN và LSTM, đồng thời duy trì tốc độ hội tụ nhanh và không bị hiện tượng quá khớp nghiêm trọng như LSTM.

Đóng góp khoa học và thực tiễn

  1. Đóng góp khoa học: Đề xuất quy trình xây dựng tập ngữ liệu ABSA tiếng Việt chuyên biệt cho ngành tài chính thông qua việc kết hợp mô hình ngôn ngữ lớn (ChatGPT API) với phương pháp kiểm định độ tin cậy bằng phương sai nhiều lần gán ($\sigma^2 < 0.2$). Tinh lọc thành công bộ 8 khía cạnh tài chính cốt lõi phù hợp với đặc thù tin tức kinh tế tại Việt Nam.
  2. Đóng góp kỹ thuật: Xây dựng quy trình tạo bộ từ điển ngữ cảnh 1.000 từ phân bố đồng đều theo khía cạnh và chứng minh tính hiệu quả của mô hình mạng hồi quy GRU trong bài toán hồi quy đa nhãn xúc cảm tin tức tài chính tiếng Việt.
  3. Đóng góp thực tiễn: Cung cấp mô hình hỗ trợ nhà đầu tư tự động hóa quá trình phân tích tác động đa chiều của các bài báo kinh tế, hỗ trợ kết hợp giữa phân tích cơ bản và phân tích kỹ thuật để giảm thiểu rủi ro đầu tư.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế

  • Quy mô và chi phí dữ liệu: Do giới hạn về nguồn kinh phí chi trả cho OpenAI API, nhóm chỉ thực hiện gán nhãn trên quy mô 10.000 bài báo và chưa thể mở rộng tập dữ liệu lớn hơn hoặc thuê chuyên gia tài chính thẩm định trực tiếp nhãn.
  • Phạm vi độ dài văn bản: Mô hình chỉ đạt độ chính xác tối ưu đối với các tin tức có độ dài trong khoảng từ 66 đến 365 từ (khoảng Z-score từ -2 đến 2, chiếm 96,79% tập dữ liệu thu thập).
  • Kiến trúc mô hình: Nghiên cứu mới chỉ tập trung khảo sát 3 cấu trúc mạng nơ-ron hồi quy thuần (RNN, GRU, LSTM) mà chưa áp dụng các mô hình ngôn ngữ lớn học sâu hiện đại như Transformer.

Hướng nghiên cứu tiếp

  • Mở rộng quy mô dữ liệu và ứng dụng các kiến trúc nâng cao như Transformer hoặc tinh chỉnh (fine-tuning) các mô hình ngôn ngữ tiếng Việt tiền huấn luyện quy mô lớn.
  • Kết hợp dữ liệu văn bản với dữ liệu chuỗi thời gian về biến động giá cổ phiếu, khối lượng giao dịch thực tế của doanh nghiệp tại thời điểm tin tức được công bố nhằm nâng cao độ chính xác khi dự báo xu hướng thị trường.

Giá trị tham khảo

Đồ án là tài liệu tham khảo chuyên môn hữu ích cho:

  • Sinh viên và học viên chuyên ngành Khoa học dữ liệu, Công nghệ thông tin, Trí tuệ nhân tạo và Công nghệ tài chính (Fintech): Cung cấp tài liệu mẫu mực về quy trình xử lý bài toán ABSA trên văn bản tiếng Việt từ bước thu thập dữ liệu bằng Selenium, tiền xử lý, gán nhãn tự động bằng LLM API đến thiết lập mạng nơ-ron hồi quy trên PyTorch.
  • Các nhóm nghiên cứu về Xử lý ngôn ngữ tự nhiên tiếng Việt: Cung cấp phương pháp luận thực nghiệm về kiểm định phương sai nhãn gán tự động, kỹ thuật lọc độ dài Z-score và phương pháp xây dựng từ điển cân bằng theo khía cạnh.
  • Các kỹ sư phát triển hệ thống tài chính: Tham khảo bộ siêu tham số và cấu trúc mô hình GRU phục vụ xây dựng các công cụ phân tích thông tin và hỗ trợ ra quyết định giao dịch tự động.

Câu hỏi thường gặp

1. Tại sao nhóm nghiên cứu lại rút gọn từ 27 khía cạnh ban đầu xuống còn 8 khía cạnh tài chính?
Trả lời: Ban đầu nhóm kế thừa 27 khía cạnh từ các nghiên cứu ABSA quốc tế. Tuy nhiên, sau khi thử nghiệm gán nhãn trên 2.000 bài báo tiếng Việt bằng ChatGPT, phân tích thống kê cho thấy nhiều khía cạnh có tỷ lệ nhãn không ảnh hưởng (giá trị 0.0) lên tới gần 100%. Nhóm đã loại bỏ các khía cạnh không có ý nghĩa tác động và chỉ giữ lại 8 khía cạnh có tỷ lệ giá trị 0.0 dưới 60% nhằm đảm bảo chất lượng học của mô hình.

2. Nhóm tác giả kiểm soát và đánh giá độ chính xác của nhãn do ChatGPT tạo ra bằng phương pháp nào?
Trả lời: Nhóm tiến hành gán nhãn lặp lại 3 lần độc lập trên cùng một tập bài báo, sau đó tính toán phương sai ($\sigma^2$) của các giá trị nhãn. Kết quả thực nghiệm cho thấy độ lệch phương sai qua 3 lần gán đều duy trì ở mức dưới 0.2, chứng minh tính ổn định và nhất quán của dữ liệu trước khi đưa vào huấn luyện.

3. Tiêu chí lựa chọn độ dài văn bản đưa vào mô hình được xác định như thế nào?
Trả lời: Nhóm sử dụng hệ số Z-score trong khoảng $[-2, 2]$ dựa trên phân phối độ dài bài báo với độ dài trung bình là 216 từ và độ lệch chuẩn là 75 từ. Khoảng dữ liệu phù hợp được chọn là từ 66 đến 365 từ, bao phủ 96,79% tổng số tin tức thu thập.

4. Vì sao mô hình GRU lại được đề xuất thay vì LSTM hay RNN?
Trả lời: Qua thực nghiệm Grid Search trên 1.458 mô hình và đánh giá trên tập kiểm tra (Test set), cấu trúc GRU tối ưu (2 lớp ẩn, 256 đặc trưng, batch size 64, optimizer Adam) đạt giá trị sai số MSE, MAE và RMSE thấp nhất. Trong khi đó, RNN có độ mất mát cao hơn, còn LSTM gặp hiện tượng quá khớp (overfitting) với mức chênh lệch giữa loss validation và loss train xấp xỉ 0.05.

5. Những công cụ và nền tảng nào được sử dụng xuyên suốt quá trình thực nghiệm của đề tài?
Trả lời: Đề tài sử dụng ngôn ngữ lập trình Python làm chủ đạo, Selenium để thu thập dữ liệu web, OpenAI API để gán nhãn, PyTorch để xây dựng các mô hình RNN/GRU/LSTM, nền tảng Kaggle để chạy mô hình và công cụ Weights & Biases (WandB) để theo dõi, trực quan hóa và quản lý kết quả thực nghiệm.

Kết luận

Đồ án tốt nghiệp "Xây dựng hệ thống thu thập và xử lý tin tức tài chính" của nhóm sinh viên chuyên ngành Khoa học dữ liệu, Trường Đại học Công nghiệp TP.HCM đã giải quyết thành công bài toán phân tích xúc cảm đa khía cạnh (ABSA) cho tin tức kinh tế tiếng Việt. Nghiên cứu đã xây dựng hoàn chỉnh đường ống xử lý từ thu thập tự động 10.000 bài báo, ứng dụng LLM API gán nhãn có kiểm định phương sai, đến tối ưu hóa 1.458 cấu hình mô hình thông qua Grid Search. Kết quả thực nghiệm khẳng định mô hình mạng nơ-ron GRU với 2 lớp ẩn đạt hiệu năng vượt trội và ổn định nhất, tạo tiền đề khoa học và thực tiễn vững chắc cho các nghiên cứu ứng dụng trí tuệ nhân tạo trong lĩnh vực phân tích dữ liệu tài chính tại Việt Nam.