http://thuvienso.dut.udn.vn/handle/DUT/9762 2026-05-30T04:36:53Z http://thuvienso.dut.udn.vn/handle/DUT/24625 Title: Ứng dụng học máy trong nhận diện nhân viên công ty, chấm công tự động Authors: Võ, Quốc Việt Abstract: Đề án xây dựng hệ thống nhận diện khuôn mặt cho bài toán chấm công tự động, thay thế phương pháp truyền thống vốn không có tính linh hoạt. Đề án hướng tới việc nâng cao độ chính xác đồng thời giảm thời gian xử lý, tác giả đề xuất giải pháp tích hợp công nghệ hiện đại. Mô hình BlazeFace được sử dụng để phát hiện khuôn mặt nhanh và gọn, sử dụng trên thiết bị có tài nguyên hạn chế. Đánh giá MagFace và QmagFace ở backend để tăng cường. Hệ thống triển khai qua API bằng framework FastAPI và tối ưu hiệu suất với ONNX Runtime. Kết quả thực nghiệm đã xác định được ưu nhược điểm của từng mô hình cơ sở để xây dựng hệ thống tích hợp giữa máy chủ AI, API tới ứng dụng di động. Description: 006.31 V400V ix, 59 tr. 2026-01-01T00:00:00Z http://thuvienso.dut.udn.vn/handle/DUT/24624 Title: Nghiên cứu phương pháp trích xuất và ánh xạ tri thức pháp lý từ văn bản luật sang đồ thị tri thức phục vụ hệ thống hỏi đáp pháp luật Authors: Huỳnh, Lê Huy Abstract: Luận văn này đề xuất phương pháp trích xuất và ánh xạ tri thức pháp lý từ Bộ luật Hình sự Việt Nam sang dạng đồ thị tri thức nhằm phục vụ hệ thống hỏi đáp pháp luật tự động. Quy trình xây dựng KG gồm năm giai đoạn chính: trích xuất nội dung văn bản pháp luật từ các tệp PDF, tiền xử lý và chuẩn hóa dữ liệu thành các điều luật riêng biệt, sử dụng mô hình ngôn ngữ lớn để trích xuất các thực thể và mối quan hệ pháp lý, ánh xạ dữ liệu sang cơ sở dữ liệu đồ thị Neo4j dưới dạng node và relationship, và cuối cùng là tối ưu hóa cũng như trực quan hóa đồ thị tri thức. Đồ thị thu được có khả năng biểu diễn các quan hệ quan trọng giữa điều luật, hành vi vi phạm, hình phạt và đối tượng áp dụng. Trên cơ sở đó, luận văn xây dựng hai pipeline hỏi đáp pháp luật gồm mô hình LLM-only và mô hình kết hợp KG + LLM, đồng thời tiến hành đánh giá trên bộ dữ liệu gồm 100 câu hỏi pháp lý. Kết quả thực nghiệm cho thấy mô hình KG + LLM đạt Recall 0.92 và F1-score 0.9583, cao hơn so với mô hình LLM-only với Recall 0.86 và F1-score 0.9247, cho thấy việc tích hợp đồ thị tri thức giúp cải thiện độ đầy đủ, tính chính xác và tính ổn định của hệ thống hỏi đáp pháp luật. Description: 006.33 H531H 83 tr. 2026-01-01T00:00:00Z http://thuvienso.dut.udn.vn/handle/DUT/24622 Title: Phát triển chatbot hỗ trợ tư vấn tuyển sinh dựa trên mô hình ngôn ngữ lớn Authors: Phạm, Ngọc Tính Abstract: Trong bối cảnh chuyển đổi số giáo dục, luận văn trình bày việc nghiên cứu và phát triển hệ thống ChatBot hỗ trợ tư vấn tuyển sinh dựa trên mô hình ngôn ngữ lớn (LLM) kết hợp với kỹ thuật Retrieval-Augmented Generation (RAG). Hệ thống được xây dựng từ bộ dữ liệu gồm 812 mẫu tuyển sinh thực tế thu thập từ các nguồn chính thức của Trường Đại học Đông Á. Nghiên cứu tiến hành tiền xử lý dữ liệu, xây dựng vector embedding, triển khai cơ sở dữ liệu vector và đánh giá hiệu suất của các phương pháp retrieval gồm keyword search, vector search và hybrid search. Đồng thời, các mô hình LLM được đánh giá thông qua các chỉ số Precision, Recall, MRR, BLEU, ROUGE và BERTScore. Kết quả thực nghiệm cho thấy phương pháp retrieval kết hợp cùng kiến trúc RAG giúp nâng cao đáng kể độ chính xác truy xuất, cải thiện chất lượng phản hồi và đảm bảo thời gian xử lý nhanh. Hệ thống đề xuất có khả năng hỗ trợ tư vấn tuyển sinh tự động bằng tiếng Việt với nội dung phản hồi phù hợp ngữ cảnh, chính xác và có tính ứng dụng thực tiễn trong môi trường giáo dục đại học. Description: 006.33 PH104T; 88 tr. 2026-01-01T00:00:00Z http://thuvienso.dut.udn.vn/handle/DUT/24620 Title: Xây dựng ứng dụng chuyển đổi ngôn ngữ tiếng việt sang ngôn ngữ kí hiệu Authors: Phan, Hoàng Phú Abstract: Đề án trình bày việc xây dựng ứng dụng chuyển đổi ngôn ngữ Tiếng Việt sang ngôn ngữ kí hiệu (NoSign) - công cụ chuyển đổi văn bản tiếng Việt sang ngôn ngữ kí hiệu Việt Nam (Vietnamese Sign Language - VSL). Hệ thống sử dụng dữ liệu Pose Estimation từ mô hình RTMPose Wholebody [1] (133 keypoints) được trích xuất từ video ngôn ngữ kí hiệu, lưu trữ dưới dạng file NPZ compact [7]. Ứng dụng bao gồm: (1) Backend Flask [5] xử lý chuyển đổi văn bản tiếng Việt sang chuỗi từ kí hiệu bằng thuật toán greedy longest match kết hợp synonym mapping; (2) Frontend Flutter [4] Desktop với hai chế độ hiển thị - Skeleton Viewer (khung xương stylized 2.5D) và Mesh Viewer (mô hình lưới 3D skinned). Bộ từ điển bao gồm 4.362 từ/cụm từ với dữ liệu landmark tương ứng. Kết quả cho thấy hệ thống có khả năng chuyển đổi các câu tiếng Việt phổ biến sang hoạt ảnh ngôn ngữ kí hiệu với chất lượng chấp nhận được Description: 006.35 PH105P; 86 tr. 2026-01-01T00:00:00Z