"Người đâu gặp gỡ làm chi
Trăm năm biết có duyên gì hay không?"
Mỗi một người chúng ta gặp trong cuộc đời mình đều là cái duyên và có lẽ nhờ cái duyên kì diệu ấy mà kể từ ngày hôm nay, chúng ta sẽ cùng nhau mang một cái tên, cùng nhau trải qua những khoảnh khắc diệu kỳ của tuổi trẻ dưới Đại gia đình ISE!
Trong buổi gặp mặt hôm nay, các bạn TSV đã có cơ hội gặp gỡ, giao lưu với các thầy cô trong Ban chủ nhiệm khoa và các anh chị khóa trên, được tiếp thu những ý kiến, những chia sẻ bổ ích, thú vị. Đồng thời, các bạn cũng được hiểu rõ hơn về tổ chức Đoàn - Hội của Khoa và được ngắm nghía những hoạt động nổi bật của Đại gia đình ISE chúng ta.
Còn bây giờ để "kết một mối duyên thật đậm sâu" với ISE thì các bạn TSV nhớ theo dõi fanpage khoa Khoa học và Kỹ thuật thông tin để chờ đón các hoạt động thú vị trong chuỗi chương trình chào đón TSV Khoa Khoa học và Kỹ thuật thông tin - HOSHI ISE K2021 và cũng đừng quên chú ý đợt tuyển BCH sắp tới để trở thành một mảnh ghép mới trong Đoàn - Hội ISE nha!
Chúc tất cả các bạn tân sinh viên sẽ có 4 năm đại học thật vui vẻ và đầy nhiệt huyết dưới mái trường UIT và ngôi nhà chung ISE nhé!
Continue Reading
Khoa Khoa học và Kỹ thuật Thông tin xin được chúc mừng 02 nhóm sinh viên thuộc ngành Khoa học dữ liệu, Khóa 2018, Khoa Khoa học và Kỹ thuật Thông tin đã có bài báo được chấp nhận tại Hội nghị Quốc tế về Xử lý Ngôn ngữ Tự nhiên PACLIC 2021.
Xin được chúc mừng:
Nhóm sinh viên: Nguyễn Thị Thanh Kim, Huỳnh Khải Siếu, Phan Lực Lượng, Phạm Huỳnh Phúc
GVHD: ThS. Nguyễn Văn Kiệt, ThS. Nguyễn Đức Vũ
Bài báo: "Span Detection for Aspect-Based Sentiment Analysis in Vietnamese"
Mô tả bài báo: Phân tích cảm xúc dựa trên khía cạnh (aspect-based sentiment analysis) đóng một vai trò thiết yếu trong xử lý ngôn ngữ tự nhiên và trí tuệ nhân tạo. Tuy nhiên, các nhà nghiên cứu chỉ tập trung vào phát hiện khía cạnh và phân loại tình cảm mà bỏ qua nhiệm vụ quan trọng là nhận dạng chuỗi ý kiến người dùng, vốn có tiềm năng ứng dụng thực tế rất lớn. Trong bài báo này, chúng tôi trình bày một tập dữ liệu tiếng Việt mới bao gồm 35,396 chuỗi ý kiến được gán nhãn hoàn toàn thủ công với hơn 11,122 bình luận của người dùng nhằm phục vụ cho nhiệm vụ nhận dạng chuỗi ý kiến trong phân tích cảm tính dựa trên khía cạnh. Bên cạnh đó, chúng tôi cũng đề xuất một hệ thống sử dụng BiLSTM-CRF cho nhiệm vụ nhận dạng chuỗi ý kiến. Kết quả tốt nhất là 62.76 điểm F1 macro cho phát hiện ý kiến khía cạnh bằng cách sử dụng BiLSTM-CRF với đặc trưng được trích xuất từ nhúng kết hợp âm tiết, nhúng ký tự và nhúng theo ngữ cảnh XLM-RoBERTa. Bộ dữ liệu của chúng tôi được cung cấp miễn phí phục vụ cho các mục đích nghiên cứu.
Nhóm sinh viên: Trần Quốc Khánh, Nguyễn Trọng Ân, Lê Trần Hoài Ân
GVHD: ThS. Nguyễn Văn Kiệt
Bài báo: "ViVQA: Vietnamese Visual Question Answering"
Mô tả bài báo: Hỏi đáp dựa trên hình ảnh (VisualQA) là một lĩnh vực khá mới mẻ, dần trở nên sôi nổi và đạt được những tiến bộ lớn trong thời gian qua. Đây cũng là một trong những lĩnh vực nghiên cứu tiềm năng với sự kết hợp của xử lý ngôn ngữ tự nhiên và thị giác máy tính. Việc đưa ra một hình ảnh cùng với câu hỏi về nó, một hệ thống hỏi đáp có thể trích xuất được các thông tin cơ bản về ảnh và trả lời các câu hỏi liên quan, công việc tưởng chừng là điều đơn giản đối với con người chúng ta nhưng lại là một thách thức lớn đối với máy tính. Từ đó, chúng tôi nắm bắt được tầm quan trọng của các hệ thống máy hỏi đáp trên ảnh đối với con người. Tuy nhiên, các công trình nghiên cứu hiện nay đã có trên tiếng Anh, tiếng Nhật và một vài ngôn ngữ khác, nhưng trên tiếng Việt hiện nay vẫn chưa có công trình nghiên cứu nào vì hạn chế về dữ liệu cho việc nghiên cứu. Chính vì lý do đó, chúng tôi quyết định thực hiện đề tài này với mục tiêu xây dựng một bộ dữ liệu để góp phần phát triển các hệ thống hỏi đáp trên ảnh tự động cho tiếng Việt. Bộ dữ liệu này được chúng tôi xây dựng trên miền dữ liệu các hình ảnh từ MS COCO, cùng với đó là việc triển khai mô hình VisualQA sử dụng các phương pháp khác nhau như LSTM, CNN và Hierarchical Co-Attention để đánh giá hiệu suất trên bộ dữ liệu cũng như trình bày về các tinh chỉnh trong các mô hình mà chúng tôi triển khai nhằm tìm ra mô hình cho kết quả tốt nhất với bộ dữ liệu này.
Continue Reading
