Bài báo: ViAmpleHate: Target- and Attack-Aware Modeling for Vietnamese Hate Speech DetectionNhóm tác giả:- Nguyễn Hà Minh Tuấn – CNTT2023.2 – Tác giả chính- Trần Nguyễn Đức Trung – CNTT2023.2 – Đồng tác giả- Trần Phan Thanh Tùng – CNTT2023.2 – Đồng tác giả- Mô Văn Tùng – CNTT2023.2 – Đồng tác giả- Nguyễn Gia Cát Long – CNTT2023.1 – Đồng tác giảGiảng viên hướng dẫn: ThS. Huỳnh Văn TínTóm tắt:Trên mạng xã hội, những bình luận mang tính thù ghét không phải lúc nào cũng sử dụng lời lẽ công kích trực tiếp. Nhiều nội dung được thể hiện thông qua tiếng lóng, cách viết biến thể, hàm ý tiêu cực hoặc cách nhắc đến đối tượng bị công kích một cách gián tiếp.Đây là thách thức đối với các hệ thống trí tuệ nhân tạo khi nhận diện ngôn từ thù ghét trong tiếng Việt, đặc biệt khi dữ liệu mạng xã hội có nhiều cách diễn đạt không chuẩn và sự mất cân bằng giữa các nhóm nhãn.Xuất phát từ vấn đề này, nhóm sinh viên Trường Đại học Công nghệ Thông tin, ĐHQG-HCM (UIT) đề xuất ViAmpleHate – mô hình AI được thiết kế để phát hiện ngôn từ thù ghét tiếng Việt thông qua việc phân tích đối tượng bị nhắm đến và các dấu hiệu công kích.Nghiên cứu phát hiện một hạn chế đáng chú ý khi áp dụng phương pháp nhận diện đối tượng vốn được phát triển cho tiếng Anh vào dữ liệu tiếng Việt.Trên 24.048 bình luận thuộc tập huấn luyện ViHSD, bộ nhận diện thực thể của phương pháp này chỉ xác định được đối tượng có thể sử dụng trong 21 bình luận.Để khắc phục hạn chế đó, nhóm nghiên cứu xây dựng ViAmpleHate trên nền tảng mô hình ngôn ngữ PhoBERT, kết hợp nhiều thành phần:- Nhận diện thực thể có tên dành cho tiếng Việt (Vietnamese Named-Entity Recognition).- Ngân hàng dấu hiệu nhận diện đối tượng bị nhắm đến (Target Cue Bank).- Ngân hàng dấu hiệu công kích (Attack Cue Bank).- Cơ chế chú ý dựa trên ngân hàng quan hệ (Relation-Bank Attention).- Thành phần biểu diễn ngữ cảnh được học (Learned Context Projection).- Cơ chế kết hợp thông tin thích ứng theo từng mẫu dữ liệu (Instance-Adaptive Fusion).Nhờ đó, mô hình có thể khai thác đồng thời nội dung bình luận, thông tin về đối tượng và những dấu hiệu công kích để phục vụ quá trình phân loại.Kết quả thực nghiệm:Trên bộ dữ liệu ViHSD, ViAmpleHate đạt:- Độ chính xác (Accuracy): 92,05%.- Macro-F1: 78,19%.- HATE-F1: 60,81%.Trong khi đó, mô hình cơ sở theo hướng AmpleHate được đánh giá đạt Accuracy 91,75%, Macro-F1 77,92% và HATE-F1 60,45%.Trên bộ dữ liệu VOZ-HSD, ViAmpleHate đạt:- Độ chính xác (Accuracy): 94,20%.- Macro-F1: 83,71%.- HATE-F1: 70,65%.So với mô hình cơ sở, ViAmpleHate cải thiện Macro-F1 thêm 1,86 điểm phần trăm và HATE-F1 thêm 5,08 điểm phần trăm trên VOZ-HSD.Các phân tích bổ sung cũng cho thấy quy trình trích xuất thông tin dành riêng cho tiếng Việt được kích hoạt thường xuyên hơn đáng kể so với phương pháp nhận diện thực thể tiếng Anh.Kết quả nghiên cứu cho thấy việc xây dựng mô hình phù hợp với đặc trưng ngôn ngữ tiếng Việt, đặc biệt là khả năng nhận diện đối tượng bị nhắm đến và dấu hiệu công kích, có thể cải thiện hiệu quả phát hiện ngôn từ thù ghét.Thông qua ViAmpleHate, nhóm nghiên cứu đóng góp một hướng tiếp cận trong xử lý ngôn ngữ tự nhiên tiếng Việt, cung cấp thêm cơ sở thực nghiệm cho việc phát triển các hệ thống AI phân tích nội dung mạng xã hội.Lời cảm ơn của nhóm: “Nhóm chúng em xin chân thành cảm ơn ThS. Huỳnh Văn Tín đã tận tình hướng dẫn, hỗ trợ và đóng góp những ý kiến quý báu trong suốt quá trình thực hiện nghiên cứu, giúp nhóm hoàn thiện và đạt được kết quả như hôm nay. Chúng em xin cảm ơn thầy nhiều!”Thông tin Hội nghị:The 40th Pacific Asia Conference on Language, Information and Computation (PACLIC 40) – Hội nghị Châu Á – Thái Bình Dương lần thứ 40 về Ngôn ngữ, Thông tin và Tính toán. PACLIC 40 dự kiến diễn ra từ ngày 10–12/12/2026 tại Đại học Quốc gia Đài Loan (National Taiwan University), Đài Bắc, Đài Loan.Được khởi xướng từ năm 1987, PACLIC là chuỗi hội nghị khoa học quốc tế trong lĩnh vực lý thuyết ngôn ngữ, xử lý ngôn ngữ tự nhiên và các hướng nghiên cứu liên quan đến ngôn ngữ, thông tin và tính toán. Theo thông tin giới thiệu về hội nghị, PACLIC thuộc danh mục xếp hạng CORE C.Thông tin chi tiết tại: https://www.facebook.com/share/p/1Hm7jap4uH/ Đông Xanh - Cộng tác viên truyền thông Trường Đại học Công nghệ Thông tin