Nghiên cứu xây dựng hệ hỗ trợ tư vấn tuyển sinh của trường đại học mở hà nội mã số mhn 2020 09

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC MỞ HÀ NỘI VŨ XUÂN HẠNH BÁO CÁO TỔNG KẾT ĐỀ TÀI NGHIÊN CỨU KHOA HỌC CẤP TRƯỜNG HÀ NỘI - 2020 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC MỞ HÀ NỘI VŨ XUÂN HẠNH NGHIÊN CỨU XÂY DỰNG HỆ HỖ TRỢ TƯ VẤN TUYỂN SINH CỦA TRƯỜNG ĐẠI HỌC MỞ HÀ NỘI MÃ SỐ: MHN2020-09 BÁO CÁO TỔNG KẾT ĐỀ TÀI NGHIÊN CỨU KHOA HỌC CẤP TRƯỜNG HÀ NỘI - 2020 i THÀNH VIÊN THỰC HIỆN ĐỀ TÀI Chủ nhiệm đề tài: Ths Vũ Xuân Hạnh – Khoa Công nghệ Thông tin Các thành viên: Ths Trần Tiến Dũng – Phịng Tổ chức Hành Ths Phạm Tiến Huy – Khoa Công nghệ điện tử Ths Nguyễn Thị Thu Hiền – TT Phát triển Đào tạo Ths Nguyễn Quỳnh Anh – TT Phát triển Đào tạo Ths Phan Minh Tuấn – Phịng Cơng tác Chính trị Sinh viên Ths Nguyễn Anh Hồn – Phịng Cơng tác Chính trị Sinh viên ii MỤC LỤC THÀNH VIÊN THỰC HIỆN ĐỀ TÀI i MỤC LỤC ii DANH MỤC TỪ VIẾT TẮT iv DANH MỤC HÌNH VẼ, BẢNG BIỂU v MỞ ĐẦU 1 Lý chọn đề tài Tổng quan vấn đề nghiên cứu .1 Mục đích nghiên cứu Đối tượng phạm vi nghiên cứu .3 Phương pháp nghiên cứu Đóng gói đề tài CHƯƠNG I: TỔNG QUAN CÁC VẤN ĐỀ NGHIÊN CỨU 1.1 Giới thiệu .5 1.2 Tổng quan chatbot 1.2.1 Chatbot 1.2.2 Tổng quan ngôn ngữ tự nhiên 11 1.3 Bài tốn thuật tốn xử lý ngơn ngữ tự nhiên .14 1.3.1 Bài toán 14 1.3.2 Mơ hình 15 1.3.3 Phân loại văn 16 1.3.4 Tách từ 21 1.3.5 Gán nhãn từ loại 23 1.3.6 AIML 25 1.3.7 Program - Y 27 1.4 Các giải pháp công nghệ xây dựng mạng từ tiếng Việt 27 1.4.1 Cơ sở liệu ngôn ngữ tự nhiên 27 1.4.2 Đặc điểm sở liệu ngôn ngữ tự nhiên Princeton (PWN) 29 1.4.3 Các kỹ thuật xây dựng mạng từ 31 1.4.4 Giải pháp xây dựng Wordnet tiếng Việt 32 1.5 Kết luận chương 34 iii CHƯƠNG II: MƠ HÌNH HỆ THỐNG TRỢ LÝ ẢO HỖ TRỢ TƯ VẤN TUYỂN SINH 35 2.1 Giải pháp hỗ trợ tương tác người – máy 35 2.1.1 Một số vấn đề tương tác người – máy 35 2.1.2 Các dạng tương tác người – máy 36 2.2 Phát triển phân hệ phần mềm xây dựng, quản lý mạng từ tiếng Việt 37 2.2.1 Yêu cầu xây dựng, quản lý mạng từ 37 2.2.2 Kiến trúc tổng quan phân tích yêu cầu 38 2.2.3 Mô tả chức 45 2.3 Xây dựng sở liệu cho hệ thống 45 2.3.1 Các yêu cầu sở liệu 45 2.3.2 Kiến trúc tổng quan giao diện quản lý 46 2.3.3 Nền tảng công nghệ 48 2.4 Kết chương 54 CHƯƠNG III: ỨNG DỤNG TẠI ĐẠI HỌC MỞ HÀ NỘI 55 3.1 Trực trạng tình hình tư vấn tuyển sinh ĐH Mở Hà Nội 55 3.1.1 Thực trạng 55 3.1.2 Các giải pháp nâng cao hiệu công tác tuyển sinh 56 3.1.3 Tập liệu tư vấn tuyển sinh quy trình đề xuất 57 3.2 Hệ thống hỗ trợ tư vấn tuyển sinh 63 3.2.1 Đăng nhập 63 3.2.2 Quản trị mạng từ 64 3.2.3 Quản trị kịch 65 3.2.4 Giao diện người dùng 69 3.3 Đánh giá .71 3.3.1 Kết thử nghiệm 71 3.3.2 Vấn đề tồn đọng 71 3.3.3 Hướng phát triển 71 3.4 Kết chương 72 KẾT LUẬN 73 DANH MỤC TÀI LIỆU THAM KHẢO 75 iv DANH MỤC TỪ VIẾT TẮT Viết tắt Tiếng Anh Tiếng Việt AI Artificial Intelligence Trí tuệ nhân tạo IR Information Retrieval Truy xuất thơng tin IE Information Extraction Trích lọc thông tin ML Machine Learning Học máy NLP Natural Language Processing Xử lý ngôn ngữ tự nhiên AIML Artifical Intelligence Markup Language Ngôn ngữ đánh dấu nhân tạo API Application Programming Interface Giao diện lập trình ứng dụng RNN Recurrent Neural Network Mạng nơ ron hồi quy CNN Convolutional Neural Networks Mạng nơ ron tích chập HMI Human Machine Interaction Tương tác người - máy OOP Object Oriented Programming Lập trình hướng đối tượng FP Function Programming Lập trình hướng chức MT Machine Translation Dịch máy ID3 Iterative Dichotomiser Thuật toán định Phát triển từ ID3 C 4.5 SVM Support Vector Machine Máy hỗ trợ véc tơ AI Artificial Intelligence Trí tuệ nhân tạo RF Random Forest Rừng ngẫu nhiên v DANH MỤC HÌNH VẼ, BẢNG BIỂU Hình 1.1: Trợ lý ảo Poli Hình 1.2: Trợ lý ảo Sally Hình 1.3: Google Assitant Hình 1.4 Amazon Echo - IoT Client trợ lý ảo Alexa Hình 1.5 Trợ lý ảo Cortana Windows 10 Hình 1.6 Mơ hình tổng quan Dialogflow Hình 1.7 Giao diện Pandorabot 10 Hình 1.8 Giao diện Trợ lý ảo FPT 11 Hình 1.9: Mơ hình tổng quan 15 Hình 1.10: Sơ đồ luồng xử lý 16 Hình 1.11: Sơ đồ mạng DNN 19 Hình 1.12: Sơ đồ mạng RNN 20 Hình 1.13: Mơ hình CNN 21 Hình 1.14: Một ví dụ đơn giản AIML trợ lý ảo ghi nhớ tên người dùng 26 Hình 1.15 khả sửa lỗi tả câu hỏi AIML 26 Hình 1.16 AIML có khả ghi nhớ thông tin người dùng cung cấp 27 Hình 1.17 Minh họa WordNet tiếng Hà Lan 28 Hình 1.18: Ví dụ danh từ PWN 31 Hình 1.19: Tạo synset cho VWN 33 Hình 2.1: Lịch sử hình thức tương tác người-máy 35 Hình 2.2: Mơ hình tổng quan mô-đun xây dựng, quản lý mạng từ 38 Bảng 2.1: Danh sách usecase mô đun xây dựng, quản lý mạng từ 39 Hình 2.3: Biểu đồ usecase mô-đun xây dựng, quản lý mạng từ 39 Bảng 2.2: Kịch xây dựng mạng từ thủ công cho lĩnh vực giáo dục 40 Bảng 2.3: Kịch xây dựng mạng từ tự động cho lĩnh vực giáo dục 41 Bảng 2.4: Kịch đối chứng với mạng từ trung gian 42 Hình 2.4: Các ký hiệu UML 2.0 sử dụng sơ đồ 43 Hình 2.5: Sơ đồ usecase xây dựng mạng từ tự động 43 Hình 2.6: Sơ đồ usecase xây dựng mạng từ thủ công 44 Hình 2.7: Sơ đồ usecase đối chứng với mạng từ trung gian 44 Hình 2.8: Mơ hình tổng quan sở liệu lưu trữ kịch 46 Hình 2.9: Mơ hình tổng quan hệ thống 47 Hình 2.10: Sơ đồ tổng quan tiến trình vec-tơ hóa q trình huấn luyện 47 Hình 2.11: Sơ đồ tổng quan q trình huấn luyện mơ hình 47 Bảng 2.5: Chiến lược sử dụng giải pháp, tảng công nghệ 48 Hình 3.1: Minh họa liệu câu hỏi tuyển sinh phần mềm Excel 58 vi Hình 3.2: Minh họa liệu câu hỏi gán nhãn 60 Hình 3.3: Quy trình huấn luyện mơ hình phân loại câu hỏi 61 Hình 3.4: Minh họa lựa chọn, nạp siêu tham số tiến hành huấn luyện mơ hình 63 Hình 3.5: Minh họa v lưu vận hành mơ hình dự đốn chủ đề câu hỏi 63 Hình 3.6: Giao diện hình đăng nhập hệ thống quản trị 64 Hình 3.7: Màn hình quản trị chung 64 Hình 3.8: Quản trị mạng từ thông qua chủ đề 64 Hình 3.9: Màn hình thêm tập từ đồng nghĩa 65 Hình 3.10: Danh sách kịch theo topic 65 Hình 3.11: Danh sách thực thể gốc topic 66 Hình 3.12: Cấu trúc kịch 66 Hình 3.13: Thêm thực thể thực thể xét 67 Hình 3.14: Điền thơng tin cho node 67 Hình 3.15: Chỉnh sửa node 68 Hình 3.16: Cập nhật thông tin node 68 Hình 3.17: Xóa node 69 Hình 3.18: Giao diện tổng quan trợ lý ảo hỗ trợ sinh viên 69 Hình 3.19: Nhập câu hỏi ngẫu nhiên 70 Hình 3.20: Gợi ý chủ đề hỗ trợ 70 Hình 3.21: Lựa chọn chủ đề danh sách gợi ý 70 Hình 3.22: Bỏ qua chủ đề gợi ý hỏi câu ngẫu nhiên 71 MỞ ĐẦU Lý chọn đề tài Ngày nay, trí tuệ nhân tạo ngày phát triển mạnh mẽ Các hãng công nghệ lớn Apple, Microsoft, Google, Facebook đưa công nghệ tương tác trực tiếp với người dùng Trí tuệ nhân tạo ngày nâng cấp hoàn thiện giúp người dùng dễ dàng tương tác, dễ sử dụng giảm trình thực Trí tuệ nhân tạo lĩnh vực mẻ quan tâm lớn từ hãng công nghệ hàng đầu Với công nghệ ngày áp dụng đời sống giúp người làm việc hiệu tiết kiệm thời gian sức lực, trí tuệ nhân tạo xử lý ngơn ngữ tự nhiên góp phần xây dựng hệ thống để phục vụ cho điều Hệ thống trợ lý ảo hệ thống giúp người giao tiếp với máy thực yêu cầu ý muốn người dùng Hiện giới hệ thống trợ lý ảo nghiên cứu phát triển mạnh mẽ hãng công nghệ hàng đầu giới Trong năm gần đây, hệ thống trợ lý ảo ứng dụng đạt kết ấn tượng lĩnh vực đời sống Thương mại, Du lịch - Dịch vụ, Y tế, Giáo dục - Đào tạo, … Tại Việt Nam, công nghệ trợ lý ảo đã, ứng dụng năm gần đạt nhiều kết khả quan Trong kể đến trợ lý ảo Ngân hàng Thương mại Cổ phần Việt Á (VAB) có chức tư vấn khách hàng thông tin lãi suất, tỷ giá, sản phẩm, biểu phí, quy trình mở thẻ…, EVN Hà Nội ứng dụng trợ lý ảo để hỗ trợ khách hàng tra tiền điện, lịch ghi số, lịch tạm ngừng cung cấp điện Không doanh nghiệp, trợ lý ảo đẩy mạnh sử dụng số quan nhà nước Sở Du lịch TP Đà Nẵng thí điểm thành cơng Chatbot Danang Fantasticity giúp tra cứu thông tin du lịch tự động tin nhắn Sở Giao thơng TP Hồ Chí Minh đưa vào sử dụng trợ lý ảo nhằm cung cấp giải đáp thơng tin tình hình giao thông tới người dân Mặc dù vậy, việc ứng dụng trợ lý ảo việc giải đáp, truy xuất thông tin phục vụ nhu cầu học sinh - sinh viên nhiều hạn chế chưa thực quan tâm Tổng quan vấn đề nghiên cứu Ở nước ngồi có nhiều nơi ứng dụng trợ lý ảo vào việc giao tiếp với người đạt kết thành công như: Trợ lý ảo GWYN 1-800-Flowers triển khai từ năm 2015 giúp tổng doanh thu công ty tăng 6,3%, tính đến q năm 2017 Trong đó, số lượng đơn đặt hàng thông qua trợ lý ảo chiếm đến 70% CEO David Barrett FastCompany cho biết: Việc ứng dụng trợ lý ảo Expensify: “Concierge” giúp giảm thiểu đến 75% chi phí đầu tư cho chăm sóc khách hàng Trong lĩnh vực Y tế - Chăm sóc sức khỏe, việc áp dụng trợ lý ảo đạt nhiều thành tựu Có thể kể đến Dr A.I, phát hành HealthTap Cơng ty tồn cầu cung cấp dịch vụ chăm sóc sức khỏe trực tuyến cho người dùng từ tháng 12 năm 2016 Sản phẩm trò chuyện, kết hợp với sử dụng hồ sơ người dùng để đánh giá tình trạng sức khỏe họ Từ đưa lời khuyên kết nối họ với bác sĩ, chuyên gia phù hợp Trong lĩnh vực Giáo dục, việc ứng dụng trợ lý ảo đạt nhiều kết khả quan Đối với giáo dục đại học, trường đại học hàng đầu giới đưa trợ lý ảo vào sử dụng cách để giúp sinh viên, nhân viên nhà trường với câu hỏi từ vấn đề thi tuyển đến rắc rối liên quan đến vị trì phịng học, khu vực đỗ xe Tại đại học Adelaide (Australia), trợ lý ảo triển khai giúp sinh viên tính tốn điểm số họ cách nhanh Bên cạnh đó, việc ứng dụng trợ lý ảo giúp nhà trường giảm 40% gọi yêu cầu hỗ trợ sinh viên, đồng thời giảm đến 47% làm việc dành cho việc giải đáp thắc mắc sinh viên Cũng với ý tưởng trên, đại học Deakin (Australia), triển khai trợ lý ảo Genie với mục đích hỗ trợ sinh viên theo dõi lịch học, vị trí phịng học, giảng đường nộp tập đăng ký lớp học … Tại nhiều nơi giới, trợ lý ảo đưa vào sử dụng hỗ trợ người dẫn việc tìm kiếm thơng tin sử dụng dịch vụ hành cơng trợ lý ảo Los Angeles CHIP (City Hall Internet Personality) sử dụng Los Angeles giúp cho giảm tải số lượng email giải đáp thắc mắc lên tới 50% hay trợ lý ảo GovBot (Botty Bon) Đức cho phép người dân truy vấn thông tin, biểu mẫu Chính phủ, trợ lý ảo Alex sử dụng văn phòng thuế Úc hỗ trợ người dân giải đáp thắc mắc liên quan đến thuế họ Đây giải pháp hữu hiệu việc tinh gọn máy Ban, Bộ, Ngành giới nói chung Việt Nam nói riêng Mục đích nghiên cứu - Nghiên cứu tổng quan chatbot; - Nghiên cứu, phân tích, đánh giá số phương pháp công cụ để triển khai xay dựng chatbot theo tiếp cận dựa số mơ hình học máy xử lý ngơn ngữ tự nhiên; - Thử nghiệm, phân tích kết chatbot trên máy ảo thực tế) sau overfitting (chạy tốt tập liệu huấn luyện chạy tập liệu kiểm thử) Trong trường hợp này, mơ hình fastText sử dụng thuật tốn tối ưu thuộc họ gradient descent nên ta cần lựa chọn giá trị learning epoch cho mơ hình - Huấn luyện Hình 3.4: Ví dụ minh họa việc lựa chọn, nạp siêu tham số tiến hành huấn luyện mơ hình - Lưu vận hành mơ hình sau huấn luyện Hình 3.5: Minh họa việc lưu vận hành mơ hình dự đốn chủ đề câu hỏi Sau huấn luyện với learning rate 0.002 2000 epoch, mơ hình đạt độ xác 99.62% tập liệu kiểm thử (được chia tách từ tập liệu chung theo tỉ lệ 80% liệu huấn luyện, 20% liệu kiểm thử) 3.2 Hệ thống hỗ trợ tư vấn tuyển sinh Đối với quản trị viên, để sử dụng giao diện quản trị chatbot, quản trị mạng từ kịch bản, cần sử dụng tên đăng nhập mật cung cấp trước truy cập vào đường dẫn tương ứng 3.2.1 Đăng nhập Để đăng nhập hệ thống, quản trị viên truy cập vào đường dẫn cung cấp sử dụng tên đăng nhập mật cung cấp để xác thực 63 Hình 3.6: Giao diện hình đăng nhập hệ thống quản trị Sau đăng nhập thành cơng, giao diện điều hướng đến hình quản trị chung Tại đây, quản trị viên quản trị mạng từ, quản trị kịch bản, quản trị node theo danh sách topic Hình 3.7: Màn hình quản trị chung Quản trị mạng từ Để sử dụng tính quản trị mạng từ, quản trị viên nhấn vào "Quản trị mạng từ" menu bên trái 3.2.2 Hình 3.8: Quản trị mạng từ thơng qua chủ đề 64 Danh sách mạng từ chia theo chủ đề tương ứng để hỗ trợ sinh viên: để xem danh sách mạng từ, quản trị viên ấn vào nút màu xanh bên trái tương ứng Trong danh sách mạng từ topic, tập từ đồng nghĩa tổ chức theo hàng, hàng gồm tập từ đồng nghĩa Với mạng từ topic, quản trị viên thực thao tác "thêm, sửa, xóa" từ đồng nghĩa Các thao tác tương ứng với nút giao diện Hình 3.9: Màn hình thêm tập từ đồng nghĩa Khi cần đối chứng sửa tập từ đồng nghĩa tồn tại, quản trị viên nhấn vào nút "sửa" hàng với tập từ đồng nghĩa, thay đổi thông tin cần thiết ấn "lưu" để lưu lại kết đối chứng - sửa đổi Quản trị kịch Để có nhìn trực quan cách tổ chức xếp kịch bản, quản trị viên nên sử dụng menu "quản trị node" thay "quản trị scenarios" Trong menu quản trị node, tập hợp kịch chia theo topic tương ứng tổ chức dạng cây, xuất phát từ thực thể gốc (entities gốc) Mỗi hiển thị tên thực thể node 3.2.3 Hình 3.10: Danh sách kịch theo topic 65 3.2.3.1 Xem cấu trúc Sau lựa chọn topic thực thể gốc hiển thị hình dưới: Hình 3.11: Danh sách thực thể gốc topic Tại đây, quản trị viên thêm thực thể gốc cách nhấn nút "Thêm mới" xóa thực thể tồn cách nhấn nút "xóa" Bên cạnh đó, quản trị viên xem cấu trúc kịch xuất phát từ thực thể gốc đó: Hình 3.12: Cấu trúc kịch 3.2.3.2 Thêm Quản trị viên thêm thực thể gốc cách nhấn nút "Thêm mới" thêm thực thể cách trỏ vào thực thể kịch nhấn "Thêm mới", sau điền đủ thơng tin Về mặt trực quan, node biểu diễn thực thể, nhiên biểu diễn kịch hồn chỉnh Điều kiện để kích hoạt kịch tập hợp node từ node gốc đến node xét Khi thêm node, ta ý thông tin sau: - Tên thực thể xét: tên node theo yêu cầu quản trị viên 66 - Phản hồi : phản hồi mà quản trị viên cần gửi tới người dùng trường hợp kịch kích hoạt - Danh sách thực thể để kích hoạt kịch bản: tập hợp tên thực thể (entities, tên node ) để kích hoạt kịch xét Nếu thực thể để kích hoạt kịch chưa có danh sách entities topic quản trị viên thêm nhanh thơng qua nút "Thêm thực thể" bên menu - Đường dẫn đến tài liệu: gồm phần : tên đường dẫn link, phần dùng để liệt kê liên kết mà quản trị viên muốn gợi ý cho người dùng tham khảo - Lựa chọn: tùy chọn để tiếp tục / kết thúc kịch - Kết thúc: đánh dấu xem kịch kết thúc chưa? Nếu phần lựa chọn rỗng kịch kết thúc Hình 3.13: Thêm thực thể thực thể xét Hình 3.14: Điền thơng tin cho node 67 3.2.3.3 Sửa node tồn Để sửa thông tin node, quản trị viên xác định kịch tương ứng, di chuyển chuột tới node ấn "chỉnh sửa", sau thay đổi thơng tin node ấn lưu Hình 3.15: Chỉnh sửa node Hình 3.16: Cập nhật thơng tin node 3.2.3.4 Xóa node Để xóa node tạo, hình hiển thị kịch bản, quản trị viên trỏ vào node cần xóa ấn "xóa" 68 Hình 3.17: Xóa node Khoảng cách ngắn từ node gốc tới node xét 'bậc' node xét Quản trị viên xóa node có bậc cao 3.2.4 Giao diện người dùng Người học truy cập sử dụng trực tiếp giao diện web chatbot thơng qua trình duyệt web tảng Sau người học nhập câu hỏi cần tư vấn tương ứng kiểm tra kết hiển thị hình Hình 3.18: Giao diện tổng quan trợ lý ảo hỗ trợ sinh viên 69 Hình 3.19: Nhập câu hỏi ngẫu nhiên Hình 3.20: Gợi ý chủ đề hỗ trợ Hình 3.21: Lựa chọn chủ đề danh sách gợi ý 70 Hình 3.22: Bỏ qua chủ đề gợi ý hỏi câu ngẫu nhiên 3.3 Đánh giá 3.3.1 Kết thử nghiệm Hệ thống trợ lý ảo thông minh hỗ trợ tư vấn tuyển sinh phân loại xác câu hỏi đầu vào sinh viên liên quan đến chủ đề thường gặp công tác tuyển sinh Sau phân loại thành cơng, hệ thống có khả đưa câu trả lời phù hợp với yêu cầu người dùng điều hướng người dùng đến nguồn thông tin tham khảo liên quan 3.3.2 Vấn đề cịn tồn đọng Do tính đặc trưng mơ hình học máy sử dụng để phân loại câu hỏi, cần bổ sung chủ đề mơ hình học máy cần huấn luyện lại với liệu bổ sung Bên cạnh đó, vấn đề liên quan đến liệu huấn luyện tính cân liệu độ nhiễu liệu yếu tố cần xem xét kỹ lưỡng bổ sung chủ đề huấn luyện lại mơ hình Cán sử dụng vận hành hệ thống quản trị kịch cần đào tạo, huấn luyện chuyên biệt 3.3.3 Hướng phát triển Trong tương lai, để khắc phục số vấn đề tồn nêu trên, chủ nhiệm đề tài đề xuất số phương án sau: (i) Tiếp tục xây dựng hoàn thiện liệu liên quan đến công tác tuyển sinh, gồm câu hỏi tương ứng với chủ đề thường gặp lĩnh vực này; (ii) Nghiên cứu áp dụng kỹ thuật học tăng cường để huẩn luyện mơ hình cách tự động dựa liệu 71 3.4 Kết chương Trong chương này, nhóm nghiên cứu đề tài khảo sát thực trạng tình hình tư vấn tuyển sinh Đại học Mở Hà Nội, nhóm thống kê câu hỏi câu trả lời người học cần tư vấn tuyển sinh vài năm gần với loại hình đào tạo, cấp bậc đào tạo tổng thể tất ngành Qua đó, nhóm phân tích câu hỏi câu trả lời thành nhóm chủ đề từ phân loại thơng qua phương pháp học máy kèm theo sử dụng kỹ thuật xây dựng mạng từ Từ đó, nhóm xây dựng hệ thống hỗ trợ tư vấn tuyển sinh sở thực trạng, nhu cầu công tác tư vấn tuyển sinh trường ĐH Mở Hà Nội, sử dụng cơng cụ phương pháp trình bày chương Với kết đạt được, hệ thống tư vấn tuyển sinh đáp ứng nhu cầu công tác tuyển sinh Tuy nhiên, với ngân hàng câu hỏi dùng để phân loại chủ đề cịn hạn chế nên có số câu tư vấn chưa trả lời xác Đây hướng nghiên cứu nhóm nhằm mục đích ngày hồn thiện hệ thống tư vấn tuyển sinh 72 KẾT LUẬN Thông qua việc khảo sát đề tài báo cáo nghiên cứu trong, ngồi nước cơng bố việc ứng dụng chatbot đời sống xã hội cho thấy Quá trình tìm kiếm thơng tin liên quan đến việc tìm hiểu trường, ngành học diễn chủ yếu thông qua máy tìm kiếm, trang mạng xã hội, diễn đàn Điều ngày trở thành vấn đề thách thức sống trở nên đại bận rộn Bằng việc nghiên cứu, triển khai áp dụng công nghệ thông minh, đại vào quy trình hỗ trợ tư vấn tuyển sinh thu thơng tin cần thiết cách nhanh chóng thuận lợi, tiết kiệm thời gian công sức Thêm vào đó, cơng nghệ trí tuệ nhân tạo AI-Chatbot dần đưa vào đời sống người dân tính tự động nhanh chóng Với lý trên, nhóm đề tài gồm giảng viên trường Đại học Mở Hà Nội đề xuất nhiệm vụ: “Nghiên cứu xây dựng hệ hỗ trợ tư vấn tuyển sinh trường Đại học Mở Hà Nội” Đề tài mang lại nhiều giá trị thực tiễn, đóng góp cho cơng tác tư vấn tuyển sinh diễn nhanh chóng, thuận tiện có ý nghĩa tác động đến công tác tuyển sinh trường Đại học Mở Hà Nội Đối với lĩnh vực KHCN có liên quan Xây dựng hệ thống AI Chatbot, mạng từ tiếng Việt (Wordnet) có ý nghĩa quan trọng đóng góp thực tiễn việc ứng dụng Trí tuệ nhân tạo lĩnh vực giáo dục Việt Nam Việc đánh giá thuật tốn xử lý ngơn ngữ tự nhiên, từ làm tảng đánh giá, tối ưu giúp cho cộng đồng khoa học có thêm tham chiếu so sánh nhằm hoàn thiện nghiên cứu Đối với tổ chức chủ trì sở ứng dụng kết nghiên cứu Hệ thống AI Chatbot thử nghiệm bước đầu hỗ trợ tư vấn thông tin liên quan đến trường đại học Tuy nhiên, việc làm chủ công nghệ việc ứng dụng trí tuệ nhân tạo xử lý ngôn ngữ tự nhiên cho phép phát triển AI Chatbot ứng dụng lĩnh vực khác Y tế, chăm sóc sức khoẻ, giáo dục, dịch vụ Điển Theo số liệu thống kê Bộ Y tế, tính đến năm 2011 Việt Nam có 1162 bệnh viện, có 39 bênh viện tuyến trung ương 382 bệnh viện tuyến tỉnh, có 48 bệnh viện Ngành 132 bệnh viện tư nhân Ngoài ra, cịn có 140.000 cở sở y tế tư nhân dược tư nhân toàn quốc Số lượt khám bệnh ngoại trú bình quân (năm 2011) 1,5 lượt/ đầu người/ năm, tương đương với khoảng 150.000.000 lượt khám bệnh ngoại trú năm toàn quốc [52] 73 Đối với kinh tế - xã hội, với môi trường Có thể thấy, tiềm phát triển sản phẩm trợ lý ảo nhiều lĩnh vực khác lớn Sau xây dựng, nhóm nghiên cứu AI Chatbot tiếp tục phát triển sản phẩm nhằm ứng dụng rộng rãi trường đại học Đồng thời, sản phẩm hồn tồn tiếp tục mở rộng để phát huy tiềm ứng dụng lĩnh vực khác Y tế, Du lịch, Thương mại Với ý nghĩa hệ thống tư vấn tuyển sinh nói riêng, hệ thống chatbot phục vụ giáo dục nói chung Nhóm tiếp tục nghiên cứu giải pháp, kỹ thuật tốt để nâng cao hiệu hệ thống Kỳ vọng hệ thống có khả đáp ứng nhu cầu hỗ trợ dịch vụ giáo dục đào tạo ngày hiệu 74 DANH MỤC TÀI LIỆU THAM KHẢO [1] Aishwarya Gupta, Divya Hathwar, Anupama Vijayakumar, Introduction to AI Chatbots, IJERTISBN: 2278-0181, 2020 [2] Mubashra Akhtar, Julia Neidhardt, H Werthner, "The Potential of Chatbots: Analysis of Chatbot Conversations," in 21st Conference on Business Informatics (CBI), 2019 [3] M Johnston, "Deakin's Genie assistant tackles 12,000 conversations a day," 9 2019 [Online] Available: https://www.itnews.com.au/news/deakins-genie-assistanttackles-12000-conversations-a-day-530688 [4] B Đ Anh, "Nghiên cứu mơ hình PCFGs ngơn ngữ AIML xây dựng chatbot hỗ trợ học tiếng Anh," Luận văn Thạc sỹ - ĐH Quốc gia HN, 2017 [5] "Congdongchatbot," [Online] Available: https://congdongchatbot.com/hoc-tienganh-qua-ung-dung-chatbot-messenger/ [Accessed 30 2019] [6] "genk.vn," [Online] Available: https://genk.vn/trai-nghiem-chat-bot-hoc-thanhngu-tieng-anh-cua-nguoi-viet-20161117192747069.chn [Accessed 23 2019] [7] vietnamnet.vn, [Online] Available: https://vietnamnet.vn/google-assistanttag114562.html [Accessed 21 2020] [8] "Google.com," [Online] Available: https://developers.google.com/learn/pathways/chatbots-dialogflow [Accessed 18 2020] [9] "fpt.ai," [Online] Available: https://fpt.ai/vi/chatbot-tro-ly-ao-dac-luc-thay-connguoi-tra-loi-hang-nghin-cau-hoi [Accessed 20 2020] [10] I Domo, "Data Never Sleeps 6.0," 2018 [Online] Available: https://www.domo.com/learn/data-never-sleeps-6 [11] "Big data," [Online] Available: https://en.wikipedia.org/wiki/Big_data [12] L C M Ho Tu Bao, "Microsoft Word - VLSPwhitepaper - Final.doc," [Online] Available: http://www.jaist.ac.jp/~bao/Writings/VLSPwhitepaper%20-%20Final.pdf [13] "Shallow parsing," [Online] Available: https://en.wikipedia.org/wiki/Shallow_parsing#:~:text=Shallow%20parsing%20(also%20c hunking%20or,verb%20groups%2C%20etc.) [14] N V Tùng, "Nghiên cứu xây dựng chatbot hỗ trợ tư vấn du lịch Quảng Bình," Đại học Đà Nẵng, 2019 [15] Emmanouil K Ikonomakis, Sotiris Kotsiantis, V Tampakas, "Text Classification Using Machine Learning Techniques," WSEAS Transactions on Computers, pp 966-974, 2005 [16] Kamran Kowsari, Kiana Jafari Meimandi, Mojtaba Heidarysafa, "Text Classification Algorithms: A Survey," Information (Switzerland), p DOI: 10.3390/info10040150, 2019 [17] Ian Goodfellow, Yoshua Bengio, Aaron Courvi, Deep Learning, MIT Press, 2016 [18] " Naive Bayes Classifier - MachineLearningCoBan," 8 2017 [Online] Available: https://machinelearningcoban.com/2017/08/08/nbc/ [Accessed 25 10 2018] 75 [19] "Support Vector Machine - MachineLearningCoBan," 2017 [Online] Available: https://machinelearningcoban.com/2017/04/09/smv/ [Accessed 18 2018] [20] S A, "Introduction to Machine Learning," School of Computer Science and Engineering," The Hebrew University of Jerusalem Jerusalem, Israel, 2009 [21] "javatpoint," [Online] Available: https://www.javatpoint.com/machine-learningrandom-forest-algorithm [Accessed 10 2020] [22] Dau HX, Chi NQ, "Botnet Detection Based on Machine Learning Techniques Using DNS Query Data," Future Internet - MDPI, no doi: 10.3390/fi10050043, 2018 [23] "javatpoint," [Online] Available: https://www.javatpoint.com/machine-learningrandom-forest-algorithm [Accessed 25 2020] [24] "Conditional random field," [Online] Available: https://en.wikipedia.org/wiki/Conditional_random_field [25] "Viterbi algorithm," [Online] Available: https://en.wikipedia.org/wiki/Viterbi_algorithm [26] "GitHub - roy-a/Roy_VnTokenizer," [Online] Available: https://github.com/roya/Roy_VnTokenizer [27] manhtai, "GitHub - manhtai/vietseg," 2015 [Online] Available: https://github.com/manhtai/vietseg [28] "GitHub - undertheseanlp/underthesea," [Online] Available: https://github.com/undertheseanlp/underthesea [29] nhunght1108, "Bàn xử lý ngôn ngữ tiếng Việt," 12 Apr 2018 [Online] Available: https://viblo.asia/p/ban-ve-xu-ly-ngon-ngu-tieng-viet-924lJYdYZPM [30] "Principle of maximum entropy," [Online] Available: https://en.wikipedia.org/wiki/Principle_of_maximum_entropy [31] "AIML," [Online] Available: https://en.wikipedia.org/wiki/AIML [32] "program-y," [Online] Available: http://www.program-y.org/ [Accessed 21 2020] [33] N P T Phạm Văn Lâm, "Bức tranh khái quát Mạng từ Mạng từ tiếng Việt," 14 Jul 2017 [Online] Available: https://tiasang.com.vn/-doi-moi-sang-tao/Buc-tranh-khaiquat-ve Mang-tu-va-Mang-tu-tieng-Viet-10738 [34] "Wordnet," [Online] Available: https://en.wikipedia.org/wiki/WordNet [35] "Wordnet | A lexical database for English," [Online] Available: https://wordnet.princeton.edu/ [36] "AWN-NTU-Singapore," [Online] Available: http://compling.hss.ntu.edu.sg/events/2016-ws-wn-bahasa/pdfx/virach.pdf [37] "Euro Wordnet," [Online] Available: https://en.wikipedia.org/wiki/EuroWordNet [38] "Normalized Google distance," [Online] Available: https://en.wikipedia.org/wiki/Normalized_Google_distance [39] "Human Machine Interaction," [Online] Available: https://www.sciencedirect.com/topics/social-sciences/human-machine-interaction [40] "What is HMI?," [Online] Available: https://www.inductiveautomation.com/resources/article/what-is-hmi 76 [41] "Apple envisioned Siri on tablets back in 1987," [Online] Available: https://www.cnet.com/news/apple-envisioned-siri-on-tablets-back-in-1987/ [42] "pypi.org," [Online] Available: https://pypi.org/project/underthesea/ [Accessed 23 2020] [43] "Typescript Lang," [Online] Available: https://www.typescriptlang.org/ [44] "nestjs.com," [Online] Available: https://nestjs.com/ [Accessed 21 2020] [45] "viblo.asia," [Online] Available: https://viblo.asia/p/tim-hieu-ve-mongodb4P856ajGlY3 [Accessed 21 2020] [46] React JS Notes for Professionals, GoldKicker.com [47] K & K A & V V Malakhov, "Modern restful api dls and frameworks for restful web services api schema modeling, documenting, visualizing," PROBLEMS IN PROGRAMMING, vol 10.15407/pp2018.04.059, pp 059-068, 2018 [48] V & K D Zolotov, "Analysis and Optimization of fastText Linear Text Classifier," 2017 [49] V Zolotov and D Kung, "Analysis and Optimization of fastText Linear Text Classifier," ArXiv, vol abs/1702.05531, 2017 [50] "hou.edu.vn," Đại học Mở Hà Nội, [Online] Available: https://tuyensinh.hou.edu.vn/ [Accessed 15 2020] [51] E G P B T M Armand Joulin, "Bag of Tricks for Efficient Text Classification," Aug 2016 [Online] Available: https://arxiv.org/abs/1607.01759 [52] "Cổng thông tin điện tử ngành Y tế thành phố Hồ Chí Minh," [Online] Available: http://medinet.gov.vn/quan-ly-chat-luong-kham-chua-benh/9-thang-dau-nam-2019-so-luotkham-ngoai-tru-tang-so-luot-dieu-tri-noi-tru-giam-c819380.aspx#:~:text=V%E1%BB%9Bi%20h%C6%A1n%2036%20tri%E1%BB%87u%20l %C6%B0%E1%BB%A3t,v%E1%BA%ABn%20ch%C6%B0a%20c%C3%B3% 77 ... TẠO TRƯỜNG ĐẠI HỌC MỞ HÀ NỘI VŨ XUÂN HẠNH NGHIÊN CỨU XÂY DỰNG HỆ HỖ TRỢ TƯ VẤN TUYỂN SINH CỦA TRƯỜNG ĐẠI HỌC MỞ HÀ NỘI MÃ SỐ: MHN2 020 -09 BÁO CÁO TỔNG KẾT ĐỀ TÀI NGHIÊN CỨU KHOA HỌC CẤP TRƯỜNG HÀ... tư? ??ng phạm vi nghiên cứu - Đối tư? ??ng nghiên cứu: Các công cụ dựa học máy xử lý ngôn ngữ tự nhiên, ngân hàng thông tin tư vấn tuyển sinh ĐH Mở Hà Nội - Phạm vi nghiên cứu: hệ thống thông tin tuyển. .. trên, nội dung “Tổng quan tình hình nghiên cứu trợ lý ảo” triển khai nhằm đưa đánh giá tổng quan tình hình nghiên cứu trợ lý ảo nhằm phục vụ đề tài ? ?Nghiên cứu xây dựng hệ thống tư vấn hỗ trợ tuyển