1. Họ và tên: Nguyễn Văn Tú 2. Giới tính: Nam
3. Ngày sinh: 21/10/1982 4. Nơi sinh: Thái Bính
5. Quyết định công nhận nghiên cứu sinh số: 642/QĐ-CTSV, ngày 15 tháng 09 năm 2014 của trường Đại học Công nghệ, Đại học Quốc gia Hà Nội.
6. Các thay đổi trong quá trình đào tạo:
7. Tên đề tài luận án: Hỏi đáp tự động sử dụng nhiều nguồn tri thức
8. Chuyên ngành: Hệ thống thông tin 9. Mã số: 9480104.01
10. Cán bộ hướng dẫn khoa học: PGS.TS Nguyễn Hà Nam, PGS.TS Lê Anh Cường
11. Tóm tắt các kết quả mới của luận án:
Luận án đã xét các loại đặc trưng khác nhau và tích hợp trong mô hình học thống kê để tìm kiếm câu và xếp hạng câu hỏi trong cơ sở dữ liệu liên quan đến câu hỏi mới. Kết quả thực nghiệm đạt độ chính xác tốt nhất (trong thời điểm xuất bản bài báo) khi so với các nghiên cứu liên quan.
Luận án đã đề xuất sử dụng thêm nguồn tài nguyên bên ngoài cho vấn đề đánh giá độ tin cậy của các câu trả lời trong cQA. Wikipedia - bách khoa toàn thư mở được sử dụng như là nguồn tài nguyên bên ngoài đáng tin cậy nhất dùng để bổ sung thông tin cho việc xác minh độ tin cậy của các câu trả lời. Kết quả thực nghiệm cho thấy đề xuất sử dụng thêm nguồn tài nguyên bên ngoài của luận án mang lại kết quả tốt hơn so với việc chỉ sử dụng các đặc trưng truyền thống.
Luận án đã nghiên cứu, cải tiến mô hình học sâu CNN, LSTM và BERT cho bài toán đo độ tương tự giữa các câu hỏi. Nghiên cứu đã tích hợp thêm nguồn tri thức mới vào mô hình học sâu nhằm giải quyết bài toán dữ liệu thưa, ít dữ liệu, vốn là đặc điểm cố hữu trong các mô hình học sâu.
12. Khả năng ứng dụng trong thực tiễn: (nếu có): Các kết quả nghiên cứu có thể được áp dụng vào xây dựng các hệ thống hỏi đáp dựa vào cộng đồng.
13. Những hướng nghiên cứu tiếp theo: (nếu có): Nghiên cứu một cách toàn diện mô hình sử dụng đa nguồn thông tin kết hợp với các mô hình biểu diễn văn bản để tính độ liên quan giữa câu hỏi và thông tin hỏi-đáp trong cơ sở dữ liệu.
14. Các công trình đã công bố có liên quan đến luận án:
Nguyễn Văn Tú, Lê Anh Cường, Nguyễn Hà Nam. (2015). Phân loại câu hỏi sử dụng sự kết hợp của nhiều đặc trưng. Tạp chí Khoa học và Kỹ thuật - Học viện KTQS, Số 172, trang 5-14.
Van-Tu Nguyen, Anh-Cuong Le. (2016). Improving Question Classification by Feature Extraction and Selection. Indian Journal of Science and Technology, Vol 9(17), DOI: 10.17485/ijst/2016/v9i17/93160. Scopus.
Van-Tu Nguyen, Anh-Cuong Le. (2016). Answer Validation For Question Answering Systems By Using External Resources. Proc. of International Symposium on Intergrated Uncertainty in Knowledge Modelling and Decision Making (IUKM), pages 305-316. Scopus, DBLP.
Nguyễn Văn Tú, Lê Anh Cường, Nguyễn Hà Nam. (2017). Xây dựng các cặp câu hỏi-câu trả lời chất lượng cao từ các trang web hỏi đáp cộng đồng. Tạp chí khoa học công nghệ thông tin và truyền thông, học viện Công nghệ BCVT, số 3-4, trang 25-33.
Van-Tu Nguyen, Anh-Cuong Le, Dinh-Hong Vu. (2017). An Efficient Model for Finding and Ranking Related Questions in community Question Answering Systems. Proc. of 4th International conference on Information system Design and Intelligent Applications (INDIA - 2017), pages 776-786. Scopus.
Van-Tu Nguyen, Anh-Cuong Le. (2018). Deep Neural Network-based Models for Ranking Question - Answering Pairs in Community Question Answering Systems. Proc. of International Symposium on Intergrated Uncertainty in Knowledge Modelling and Decision Making (IUKM), pages 179-190. Scopus, DBLP.
Van-Tu Nguyen, Anh-Cuong Le, Ha-Nam Nguyen. (2021). A Model of Convolutional Neural Network Combined with External Knowledge to Measure the Question Similarity for Community Question Answering Systems. International Journal of Machine Learning and Computing, Vol. 11, No. 3, pages 194-201. DOI: 10.18178/ijmlc.2021.11.3.1035
Van-Tu Nguyen, Anh-Cuong Le. (2021). A Deep Learning Model of Mul- tiple Knowledge Sources Integration for Community Question Answering. VNU Journal of Science: Computer Science and Communication Engineer- ing, Vol. 37, No. 1, DOI: https://doi.org/10.25073/2588-1086/vnucsce.295 |
Xem tin bài theo thời gian :
.jpg)
