LuanVan.vnLuận Văn
Gửi thư

HỆ THỐNG HỎI ĐÁP HỌC THUẬT TIẾNG VIỆT SỬ DỤNG RAG KẾT HỢP KIỂM CHỨNG THÔNG TIN

Khoá luận tốt nghiệp · Đại học · năm 2026 · đề tài tham khảo

Loại tài liệuKhoá luận tốt nghiệp
Bậc họcĐại học
NgànhCông nghệ thông tin
Tác giảNguyễn Hữu Thiện
Người hướng dẫnTrần Thanh Điện
Cơ sở đào tạoTrường Đại học Cần Thơ
Năm2026
NguồnThư viện số Trường Đại học Cần Thơ · trang gốc

Tóm tắt

Hệ thống hỏi đáp học thuật tiếng Việt sử dụng RAGkết hợp kiểm chứng thông tin. Nghiên cứu này xây dựng Hệ thống hỏi đáp học thuật tiếng Việt sử dụng RAG kết hợp kiểm chứng thông tin, giải quyết triệt để hạn chế về độ tin cậy và hiện tượng "ảo giác" (hallucination) của mô hình ngôn ngữ lớn (LLM) khi xử lý tri thức chuyênngành. Đặt vấn đề: Nhu cầu tra cứu dữ liệu học thuật tiếng Việt gia tăng nhanh chóng, nhưng các hệ thống AI thông thường dễ đưa ra câu trả lời thiếu chính xác, sai lệch trích dẫn hoặc tự bịa đặt thông tin. Phương pháp thực hiện: Kết hợp kỹ thuật Truy xuất tăng cường (Retrieval-Augmented Generation - RAG) với kho tri thức học thuật tiếng Việt đã qua thẩm định (giáo trình, luận văn, bài báo khoa học). Đề tài tích hợp thêm mô-đun Kiểm chứng thông tin (Fact Verification) nhằm đối soát trực tiếp phản hồi do LLMsinh ra với các đoạn văn bản gốc, đánh giá mức độ tương đồng ngữ nghĩa và tự động gán nhãn mức độ tin cậy. Kết quả & Ý nghĩa: Hệ thống giảm thiểu tối đa tỷ lệ đưa ra thông tin sai lệch, cungcấp chính xác các nguồn trích dẫn tham khảo và hỗ trợ hiệu quả quá trình nghiên cứu, tra cứu tri thức của sinh viên, giảng viên. Từ khóa: Hỏi đáp học thuật, Truy xuất tăng cường (RAG), Kiểm chứng thông tin (Fact Verification), Mô hình ngôn ngữ lớn (LLM), ảo giác (HallucinationReduction), Đánh giá tương đồng ngữ nghĩa, Trích dẫn nguồn. Title: A RAG-Based Vietnamese Academic Question Answering System with Fact Verification This research constructs a Vietnamese academic question-answering system leveraging Retrieval-Augmented Generation (RAG) integrated with fact verification to address the critical challenges of unreliability and hallucination in Large Language Models (LLMs) during domain-specific knowledge processing. Problem Statement: Despite the rapidly increasing demand for retrieving Vietnamese academic data, standard AI systems frequently produce inaccurate answers, miscite sources, or fabricate information. Methodology: The proposed framework combines RAG with a vetted Vietnamese academic knowledge base comprising textbooks, dissertations, and scientific articles. Adedicated Fact Verification module is embedded to cross-check LLM-generated responses directly against original text passages, assess semantic similarity, and automatically assign confidence ratings. Results & Significance: The system minimizes misinformation, provides accurate reference citations, and effectively enhances the research and knowledge retrieval workflows for students and academic staff. Keywords: Academic Question Answering, Retrieval-Augmented Generation(RAG), Fact Verification, Large Language Models (LLM), Hallucination Reduction, Semantic Similarity Evaluation, Source Citation.
Bản toàn văn lưu tại thư viện Trường Đại học Cần Thơ

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.