Luận án Phát triển các mô hình học sâu kết hợp cấu trúc đồ thị và phân tích ngữ nghĩa cho bài toán khuyến nghị trích dẫn

NHỮNG ĐÓNG GÓP MỚI CỦA LUẬN ÁN

Tên luận án: Phát triển các mô hình học sâu kết hợp cấu trúc đồ thị và phân tích ngữ nghĩa cho bài toán khuyến nghị trích dẫn

Ngành: Khoa học máy tính

Mã số: 9 48 01 01

Họ và tên nghiên cứu sinh: Đinh Ngọc Thi

Chức danh, học vị, họ và tên người hướng dẫn:

PGS.TS. Võ Đình Bảy

PGS.TS. Nguyễn Long Giang

Cơ sở đào tạo: Học viện Khoa học và Công nghệ, Viện Hàn lâm Khoa học và Công nghệ Việt Nam

Với mục tiêu góp phần nâng cao hiệu năng của các mô hình khuyến nghị trích dẫn tiến tiến hiện nay, luận án đã có những đóng góp mới như sau:

1- Theo hướng tiếp cận lọc nội dung, đề xuất các giải pháp để nâng cao hiệu năng cho mô hình mạng nơ-ron trích dẫn Neural Citation Network.

2- Theo hướng tiếp cận lọc nội dung kết hợp lọc cộng tác, đề xuất xây dựng mô hình khuyến nghị trích dẫn mới tên là RHN-DualLCR, trong đó bao gồm các giải pháp để nâng cao hiệu năng cho mô hình khuyến nghị trích dẫn cục bộ kép DualLCR đã được công bố bởi Medić và Šnajder.

3- Theo hướng tiếp cận lọc nội dung kết hợp lọc đồ thị, đề xuất xây dựng mô hình khuyến nghị trích dẫn mới tên là SciBERT-GraphSAGE bằng cách kết hợp 2 thành tựu tiên tiến hơn trong xử lý ngôn ngữ tự nhiên SciBERT và đồ thị biểu diễn các liên kết trích dẫn GraphSAGE.