TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH
KHOA ĐÀO TẠO CHẤT LƯỢNG CAO

ĐỒ ÁN TỐT NGHIỆP

XÂY DỰNG MÔ HÌNH CHATBOT

SVTH: NGUYỄN HOÀNG THỌ
MSSV: 15119048
SVTH: PHẠM NGỌC MINH HUY
MSSV: 15119024
Khoá: 2015
Ngành: CÔNG NGHỆ KỸ THUẬT MÁY TÍNH
GVHD: Ths. ĐẬU TRỌNG HIỂN

Tp. Hồ Chí Minh, tháng 07 năm 2019

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM
Độc lập – Tự do – Hạnh phúc
***-Tp. Hồ Chí Minh, ngày … tháng 07 năm 2019
NHIỆM VỤ ĐỒ ÁN TỐT NGHIỆP
Họ và tên sinh viên: NGUYỄN HOÀNG THỌ
MSSV: 15119048
Họ và tên sinh viên: PHẠM NGỌC MINH HUY

MSSV: 15119024

Ngành:Công Nghệ Kỹ Thuật Máy Tính

Lớp: 15119CL2

Giảng viên hướng dẫn: Ths. Đậu Trọng Hiển

ĐT: 0962443310

Ngày nhận đề tài: 04/03/2019

Ngày nộp đề tài: 30/06/2019

1. Tên đề tài: Xây dựng mô hình Chatbot
2. Các số liệu, tài liệu ban đầu:
Kiến thức cơ bản về các môn Toán Cao Cấp, Xác
suất Thống kê ứng dụng, Máy học.
3. Nội dung thực hiện đề tài:






Thiết kế mô hình nhận dạng định danh.
Thiết kế hệ thống phản hồi.
Tích hợp với nền tảng Messenger.
Triển khai thực tế và đánh giá.
Viết báo cáo.

4. Sản phẩm:
Mô hình Chatbot hỏi đáp về những vấn đề khi
làm hộ chiếu lần đầu.
TRƯỞNG NGÀNH

GIẢNG VIÊN HƯỚNG DẪN

i

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM
Độc lập – Tự do – Hạnh phúc
***-PHIẾU NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪN
Họ và tên Sinh viên: Nguyễn Hoàng Thọ
MSSV: 15119048
Họ và tên Sinh viên: Phạm Ngọc Minh Huy
MSSV: 15119024
Ngành: Công nghệ Kỹ thuật máy tính
Tên đề tài: Xây dựng mô hình Chatbot
Họ và tên Giáo viên hướng dẫn: Đậu Trọng Hiển

ii

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM
Độc lập – Tự do – Hạnh phúc
***-PHIẾU NHẬN XÉT CỦA GIÁO VIÊN PHẢN BIỆN
Họ và tên Sinh viên: Nguyễn Hoàng Thọ
MSSV: 15119048
Họ và tên Sinh viên: Phạm Ngọc Minh Huy
MSSV: 15119024
Ngành: Công nghệ Kỹ thuật máy tính
Tên đề tài: Xây dựng mô hình Chatbot
Họ và tên Giáo viên phản biện: ........................................................................................
NHẬN XÉT
1. Về nội dung đề tài &amp khối lượng thực hiện:
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
....................................................
...

...
h vực hành chính công có thể làm tiền đề cho việc phát triển
ứng dụng chatbot trong những lĩnh vực hẹp khác nhau có tính chất dữ liệu ít cũng như
yêu cầu chưa quá phức tạp.
Tuy nhiên, mô hình vẫn còn nhiều hạn chế:
6.2.
-

-

Chưa thể duy trì được cuộc hội thoại đa dạng và mang tính chất lâu dài.
Vẫn còn vài trường hợp Bot trả lời sai hoặc hiểu sai ý định của người dùng.
Việc thu thập dữ liệu còn chưa đảm bảo được tính khách quan cần có.
Hướng phát triển
Mô hình chatbot trong việc tư vấn hộ chiếu có thể được áp dụng cho những lĩnh
vực hẹp có tính chất tương tự nếu như có đủ lượng dữ liệu “sạch sẽ” và chính xác.
Với việc trỗi dậy của công nghệ Big Data, nếu như có thể hệ thống các thủ tục
vào dữ liệu một cách chặt chẽ thì việc phát triển một chatbot chuyên về lĩnh vực
hành chính là hoàn toàn khả thi. Song song đó vẫn cần những chuyên viên hành
chính để đảm bảo tính chính xác của dữ liệu.
Thêm vào đó, nhóm thực hiện hi vọng sẽ có thể tiếp tục mở rộng mô hình với
những yêu cầu cao và có tính phức tạp cao hơn, nhằm đem được mô hình Chabot
nói riêng hay trợ lý ảo nói chung vào đời sống.

48

TÀI LIỆU THAM KHẢO
[1] A. Ng, Coursera, [Online]. Available: https://www.coursera.org/learn/nlpsequence-models?.
[2] C. Manning, The Stanford Natural Language Processing Group, [Online].
Available: http://web.stanford.edu/class/cs224n/?fbclid=IwAR2uNIlQQxgu_m8iAme4Pd7JuTY5o3NfxL0bCXNucacopBLEBYxBmht0f0.
[3] A. Vu and A. N. Bui, Nhận dạng thực thể tên riêng tiếng Việt,
https://github.com/undertheseanlp/ner, 2016.
[4] A. Vu, A. N. Bui and D. V. Doan, Xây dựng hệ thống tách từ tiếng Việt,
https://github.com/undertheseanlp/word_tokenize, 2018.
[5] C. Olah, colah.github.io, 27 August 2015. [Online]. Available:
http://colah.github.io/posts/2015-08-Understanding-LSTMs/. [Accessed 29 Nov
2018].
[6] N. Srivastava, H. Geoffrey, A. Krizhevsky, R. and R. Salakhutdinov, out:
A Simple Way to Prevent Neural Networks from Overfitting, Journal of
Machine Learning Research 15, Toronto, 2014.
[7] Authors, wikipedia.org, [Online]. Available: https://en.wikipedia.org/wiki/Bagof-words_model. [Accessed 27 April 2019].
[8] V. H. Tiệp, Machine Learning cơ bản, 7 February 2017. [Online]. Available:
https://machinelearningcoban.com/general/2017/02/06/featureengineering/.
[Accessed 25 April 2019].
[9] X.-S. Vu, Pre-trained Word2Vec models for Vietnamese,
https://github.com/sonvx/word2vecVN, 2016.
[10] T. V. Tran, https://github.com/trungtv/pyvi, 2016.

49