LuanVan.vnLuận Văn
Gửi thư

QA on Scientific Documents leveraging Topic Modeling and Graph Representation Learning

Đồ án tốt nghiệp · Đại học · năm 2025 · đề tài tham khảo

Loại tài liệuĐồ án tốt nghiệp
Bậc họcĐại học
NgànhXã hội, ngôn ngữ, y dược
Tác giảTrịnh Hoàng Giang
Người hướng dẫnNguyễn Kiêm Hiếu
Cơ sở đào tạoĐại học Bách khoa Hà Nội
Năm2025
NguồnThư viện số Đại học Bách khoa Hà Nội · trang gốc

Tóm tắt

Nghiên cứu và thiết kế hệ thống hỏi đáp dành cho tài liệu khoa học nhằm nâng cao khả năng truy hồi thông tin và sinh câu trả lời chính xác. Phân tích thực trạng các hệ thống Retrieval-Augmented Generation truyền thống còn hạn chế trong khai thác cấu trúc học thuật và quan hệ giữa các tài liệu nghiên cứu. Đề xuất giải pháp tích hợp mô hình chủ đề, học biểu diễn đồ thị trên mạng đồng tác giả và mạng trích dẫn vào quy trình truy hồi, kết hợp với mô hình ngôn ngữ lớn để tạo câu trả lời. Kết luận khẳng định phương pháp đề xuất cải thiện chất lượng truy hồi và nâng cao độ chính xác của hệ thống hỏi đáp đối với tài liệu khoa học chuyên ngành.
Bản toàn văn lưu tại thư viện Đại học Bách khoa Hà Nội

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 xã hội, ngôn ngữ, y dược · 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.