1. Để học trọng số chú ý có ý nghĩa với dữ liệu cộng đồng, Nghiên cứu sinh đề xuất kết hợp mô hình match-LSTM với cơ chế chú ý có giám sát cho bài toán lựa chọn câu trả lời. 2. Chúng tôi đề xuất mô hình tóm tắt câu trả lời cho các câu hỏi non-factoid. Cụ thể, mô hình học biểu diễn không giám sát LSTM-AE được đề xuất để học biểu diễn câu. Các biểu diễn câu được đưa vào thuật toán MMR để trích rút đoạn tóm tắt. 3. Đối với bài toán tìm câu hỏi tương đồng, Nghiên cứu sinh đề xuất hai mô hình BERT4ECOMMERCE và SBERT giải quyết bài toán. Trong đó, mô hình SBERT dùng để học biểu diễn câu giúp giảm thời gian tìm kiếm câu hỏi mà vẫn đạt hiệu năng về độ chính xác của BERT Luận án tiến sĩ tin học Chuyên ngành Hệ thống thông tin Hướng dẫn: PGS.TS. Nguyễn Thị Kim Anh; TS. Nguyễn Kiêm Hiếu Tác giả: Hà Thị Thanh Số trang: 128 Kiểu File: PDF Ngôn ngữ: Tiếng Việt Đại học Bách khoa Hà Nội 2021 Link download http://luanvan.moet.edu.vn/?page=1.3&view=38679 https://nitro.download/view/76F478FACFC5035https://drive.google.com/drive/folders/1yLBzZ1rSQoNjmWeJTM6cEZ3WGQHg04L1