Khóa luận tốt nghiệp Công nghệ thông tin: Xây dựng hệ thống tư vấn học tập thông minh cho sinh viên Khoa Công nghệ thông tin

Với mong muốn hiểu sâu hơn về Conversational AI và các kỹ thuật giúp chatbot trả lời câu hỏi xử lý theo ngôn ngữ tự nhiên NLP, em đã quyết định chọn đề tài “Xây dựng hệ thống tư vấn học

TRƯỜNG ĐẠI HỌC AN GIANG

KHOA CÔNG NGHỆ THÔNG TIN

KHÓA LUẬN TÓT NGHIỆP NGÀNH CÔNG NGHỆ THÔNG TIN

THÔNG MINH CHO SINH VIÊN

KHOA CÔNG NGHỆ THÔNG TIN

LÊ THỊ NGỌC NHI

AN GIANG, 05-2024

TRƯỜNG ĐẠI HỌC AN GIANG

KHOA CÔNG NGHỆ THÔNG TIN

KHÓA LUẬN TÓT NGHIỆP NGÀNH CÔNG NGHỆ THÔNG TIN

LÊ THỊ NGỌC NHI

DTH205895

GIẢNG VIÊN HUONG DAN: TS HUỲNH PHƯỚC HAI

AN GIANG, 05-2024

thông tin” do sinh viên Lê Thị Ngọc Nhi thực hiện dưới sự hướng dẫn của TS Huỳnh Phước

Hải Tác giả đã báo cáo kết quả nghiên cứu và được Hội đồng Khoa học và Đào tạo thông qua

Phản biện 1 Phản biện 2 (Ky và ghi r6 chức danh, họ tên) (Ký và ghi rõ chức danh, họ tên)

Giảng viên hướng dẫn

(Ky và ghi rõ chức danh, họ tên)

LỜI CÁM ƠN

Trong quãng thời gian được trao đồi kiến thức và kĩ năng tại Khoa

Công nghệ thông tin Trường Đại học An Giang Em cảm thấy vô cùng biết ơn

và tự hao về những gì mình đã đạt được từ bạn bè, thầy cô, khoa và trường.Khi mới bước chân vào đại học, em vẫn chỉ là một sinh viên còn rất non nớt,

đầy hoang mang và thiếu kinh nghiệm Thế nhưng, nhờ sự hướng dẫn tận tình

của thầy cô, em đã dần lĩnh hội được những kiến thức chuyên môn cũng nhưcác kỹ năng mềm vô cùng quý giá trong lĩnh vực Công nghệ thông tin

Những buổi học lý thuyết của các thầy cô đã giúp em mở rộng tầm hiểubiết và tư duy logic của ban thân Dé từ đó áp dụng vào các dé án, bài tập thực

hành giúp em rèn giữa thêm khả năng làm việc nhóm, khả năng giao tiếp, quản

lý thời gian hiệu quả và giải quyết vẫn đề một cách sáng tạo Ngoài ra, khoa

còn tô chức các buổi talkshow dé chúng em được tiếp cận gần hơn với doanh

nghiệp, mở ra cơ hội việc làm cho tương lai.

Em xin gửi lời cảm ơn chân thành nhất tới thầy Huỳnh Phước Hải,

người đã tận tình hướng dẫn, hỗ trợ và cung cấp cho em những kiến thức bổ

ích trong quá trình thực tập.

Cuối cùng, em xin gửi lời cảm ơn chân thành nhất tới ban giám hiệu,

quý thầy cô và toàn thé nhà trường đã tạo điều kiện tốt nhất dé chúng em cóthé phát triển toàn diện Những kiến thức và kỹ năng quý giá mà em đã được

trang bị chắc chắn sẽ trở thành vốn kiến thức quý báu giúp em vững bước trên

con đường sự nghiệp trong tương lai.

Trân trọng cảm ơn,

Lê Thị Ngọc Nhi

ii

TÓM TẮT

Chatbot, hay còn được gọi là trợ lý ảo thông minh, đang ngày cảng trở

nên phô biến và được ứng dụng rộng rãi trong nhiều lĩnh vực khác nhau Các hãng công nghệ lớn như Google, Amazon, Microsoft đều đã cho ra mắt

những trợ lý ảo thông minh của riêng mình Đặc biệt, sự ra đời của ChatGPT

từ OpenAI đã gây ra tiếng vang lớn với khả năng trả lời hầu hết các câu hỏi,

thậm chí có thé viết mã, tạo văn bản như một con người Theo Grand ViewResearch, thị trường Chatbot dự kiến sẽ chiếm khoảng 1,25 tỷ đô la trên thếgiới vào năm 2025 Hơn nữa, các chuyên gia dự đoán răng thị trường này sẽ

tăng trưởng với mức tăng trưởng bình quân mỗi năm hơn 24% Đặc biệt là xu

thế chuyển hướng phát triển Conversational AI có khả năng hội thoại, xử lýnhững tương tác phức tạp hơn với khách hàng Chatbot đã mở ra nhiều tiềm

năng ứng dụng hữu ích dành cho sinh viên Chúng có thể đóng vai trò như một

trợ lý học tập ảo, giúp giải đáp các thắc mắc, ôn tập kiến thứC Một số trườngđại học trên thế giới đã thử nghiệm ứng dụng này và nhận được phản hồi tích

cực từ sinh viên.

Ở Việt Nam, một vài trường đại học đã bắt đầu triển khai các ứng dụng

chatbot nhằm hỗ trợ sinh viên trong quá trình học tập và sinh hoạt Như

NEU-Chatbot, Chatbot hỗ trợ tư vấn tuyển sinh Đại học Chính quy tại Trường Đại

học Kinh tế quốc dân, trợ lý ảo thông minh này có thé giúp tra cứu thông tin

về tuyển sinh, lịch học, cơ sở vật chất của trường, cũng như cung cấp thông

báo về các sự kiện, hoạt động ngoại khóa Sinh viên có thể tương tác vớichatbot để hỏi đáp, lấy thông tin một cách nhanh chóng mà không cần phải

truy cập website hay gọi điện trực tiếp

Với mong muốn hiểu sâu hơn về Conversational AI và các kỹ thuật

giúp chatbot trả lời câu hỏi xử lý theo ngôn ngữ tự nhiên (NLP), em đã quyết

định chọn đề tài “Xây dựng hệ thống tư vấn học tập thông minh cho sinh viênKhoa Công nghệ thông tin” giúp giải đáp các thắc mắc của sinh viên KhoaCông nghệ thông tin về quy định quy chế của trường, cũng như tư vấn tuyểnsinh cho các bạn sinh viên chuẩn bị vào trường, và một phần nào đó hỗ trợ cácthầy cô cố vấn Qua đề tài này em muốn nâng cao sự hiểu biết về

Conversational AI, NLP (xử lý ngôn ngữ tự nhiên) và nghiên cứu khả nang ap

dụng thực tiễn tại Việt Nam.

ili

MỤC LỤC CHUONG 1 ĐẶT VAN ĐỀ - 52 2 2 E2 E21221211211211 2112111121211 erre 1

1.1 TINH CAP THIET CUA DE TAL 2-2¿225z2E++2EEt2EEz2EEzrzrxesrxeee |

1.2 LÝ DO CHỌN DE TÀI - 2 5S 2E2E12E12E12E1217121121121111 1111 tyeE 2

1.3 MỤC TIỂU NGHIÊN CỨU 2 2=+k£+E£EEE2EE2E12211211E111 221.21 2

1.4 PHAM VI DE TÀII - 2-5252 SE EEEE211211211211 1111111121111 11 1x 1e 3 1.5 PHƯƠNG PHÁP NGHIÊN CỨU -2 2¿22222E£+2E+2EE22EEztzzzrzrxcee 3

1.6 TINH HÌNH NGHIÊN CỨU 22 22+2++2EE£2EE£+EEE+EEE2EEzSEEEtrrxrrrrcee 4

1.7 TINH MỚI CUA DE TÀI - 2-22 ©S22Et2E12EE2EEE231271221 212tr 14

CHUONG 2 TONG QUAN VÀ CƠ SỞ LÝ THUYT 2 s5sccse¿ l6

2.1 KHÁI NIỆM 2S ềEEEE21112112 1211211 11111121121 111 errre l6

ph NĐ 8n hố 16

2.1.2 Conversational AÌ - - - c E2 2c 1112221111321 1118211118521 1195111 ng 16

2.2 LICH SỬ RA ĐỜI 22 22222 222122212221122112711211222112711 121 ecrke 17

2.3 PHAN LOẠI CHATBOIT - 22 -++22E2EE22EEE22EE2EE227212212712272 2 xe 20

2.4 CÁC THÀNH PHAN CƠ BẢN CUA CHATBOT -2- 5255552 22

2.4.1 Hiểu ngơn ngữ tự nhiên 2 2S SE E2 2112112112121 2E 22

2.4.4, Quan Ly 000) 00 - 26

2.5.1 Một số cơng nghệ chính phát triển chatbot - 2z: 27

2.5.2 Giao diện một số chatbot về giáo dục - 5c +csccxeszerreees 29

2.6 MỘT SO UNG DUNG CUA CHATBOIT - 22 52+sz2c++£+£xerxerxez 30 2.7 MỘT SO KỸ THUẬT TRONG CHATBOT 2: s+2sz2zzc2zzzex 32

2.7.1 Mạng hồi quyy - 2-2-2222 2E E1 711211211211211 11111121111 cee 32 2.7.2 Bộ nhớ dài — ngắn -2 2 2S St SE EEEEE21121121111 211112121 35

2.7.3 0000) 011) 37 2.7.4 Mơ hình BEjRTT - 2: ¿SS2Ex£2E2E122122112712211 21121121121 1c 43

2.8 TONG QUAN VE LLAMAINDEX 2-©2222222 2212212712221 erx.e2 47

2.8.1 Giới HhiGte se ceccccccccccccccccessesssesssessesssecsvessecssessssssesssessesssecsvessesssessseeseceses 47 2.8.2 Ly do chọn LlamaÏndex - - 6 5c 22233113 11311 EEExrrrrrrree 49

2.8.3 Các loại Index trong Llamalndex - 5 5- series 50

2.8.4 Quy trình làm việc của Llamalndex 5+ + c+xsscseesesee 53

CHUONG 3 PHAN TÍCH THIET KE HE THĨNG - 2-22 5z 55z£: 57

3.1 GIỚI THIỆU HE THONG 00 cccccceccccccccccscsscescessessesscssecevessessessessessesseeaee 57

3.2 CAC CONG NGHỆ ĐƯỢC SỬ DUNG TRONG CHATBOT 57

iv

3.3 XÂY DỰNG DU LIIỆU 2-22 S£+S2EEE2 E2 EEEE12E12112711211 11111 re, 58

3.3.1 Thu thập dữ liệu -2- 2 2222E++2EEC2EE271x2711221 271.221 tre 58 3.3.2 Xây dựng die QU oe cecccccccccscessseesssesssessscsssesssesssecsssesssesssessseesseess 59

3.4 CÀI DAT LLAMAINDEX 0 cccccsccsssessssesssesssessseesssesssecsseessecsssessseessesssves 60

3.4.1 Yêu CHU ccc ccccceccsesssessssesssesssessutssecssessssesssesssecsssssssesssecesesssseessesssestiess 60

3.4.2 Cách cài GAC Lecce ccccccccccscssesssessseesssesssessssesssesssesssecsssesssessseesseesssesssecesess 61

3.4.3 Giao diện người dùng CUGi eee cece ccceccessecsecsecseesesessessesseesens 62

CHƯƠNG 4 KET LUẬN VA HƯỚNG PHÁT TRIỂN - 52-522: 65

4.1 KẾT LUẬN -55- S5 S2E22E1221211211 7121211211211 2111111112111 re 65 4.2 HƯỚNG PHAT TRIÊN 2-22 ©5S2SSEE2EE£EEEEEE2217112711211711 212 crk 66

PHU LLỤC 2-22-222<22SE 2E122E112711221127112211 2211.112 11.110.111 Eeereeree 67

BANG CÂU HỎI GOL Ý - 2: 6c E2 EE2112111211111211 211 111211111 1x ty 67

TÀI LIEU THAM KHẢO - 2-52 sSS£SE‡2EE2EE2EEEEEEE1E75711211211211 1111 xe, 104

DANH MỤC HÌNH ÁNH

Hình 1 Phân loại chatbot [26 ] - - ¿+ 2c 22233223 E2EE+£EE++EEEeeEeeeeeeseeeres 20

Hình 2 Kiến trúc chung của Chatbot [2/7] - - ¿+ ++++s*++sxs+eexseersssreesss 22

Hình 3 Sáu giai đoạn hoạt động của NLG 5 22c * + *++ssseerseeres 25

Hình 4 Quy trình đơn giản hóa của một Chatbot hội thoại 26

Hình 5 Chatbot Kuki [ 1 ]| - 5c 5+ SE St *+E+EESEEsEEsEEsksekskrrerkrrkrrkrrke 29 Hinh 6 NEU — 0.1011 Ố 30

Hình 7 Mạng nơ-ron hồi quy RNN [32] sesssssssesssesssesssesssecssesssecssecssecssecssecsses 32Hình 8 Mạng hồi quy hai chiều (BRNN) [33], [34] -5z-5z 552 34Hình 9 Mạng hồi quy hai chiều theo chiều sâu (DRNN) [33], [34] 35Hình 10 Kiến trúc của LSTM :-55c:25+t2£xttttrtrrrrtrrrrtrrrrrrrrrrred 36Hình 11 Ví dụ về Context WindOW -:-c-c 22 tt SE+ESE2EEEE2EEEEEEEErErrsrrrsree 39Hình 12 Mô hình CBOW với 1 đầu vào [36] - 2 ++sz+zxczzcee 41

Hình 13 Mô hình skip-gram [36 ] - ¿- 55 22233223 **2E 33 3veeersresseeeres 42

Hình 14 Toàn bộ tiến trình huấn luyện trước và tinh chỉnh của BERT [37] 43

Hình 15 Sơ đồ kiến trúc BERT cho tác vụ Masked ML [37] 45 Hình 16 Sơ đồ kiến trúc mô hình BERT cho tác vụ NSP[37] 47 Hình 17 Mô tả về List index trong Llamalndex - - ¿+sz+sz+sz+s2 50

Hình 18 Mô tả về Vector store index trong Llamalndex - : 51Hình 19 Mô tả về Tree index trong Llamalndex - 2-2 s52 51Hình 20 Mô tả về Keyword index trong Llamalndex - 52Hình 21 Mô tả về Knowledge graph index trong Llamalndex 52

Hình 23 Hình anh dir liệu sau khi được import vào chatbot 60

Hình 24 Doan code về function load data - 52 52 +cczs+2zzEezezes 60

Hình 25 Hướng dẫn thêm OpenAL key - 2+ 2+s+s+z++E+zzxzzezxzxcxz 61

Hình 26 Thông báo hiển thị khi khởi chạy chatbot thành công 62

Hình 27 Giao diện đăng nhập của trang quản lý - - +++c<+s++ss+s 62

Hình 28 Giao diện chào hỏi - - 2c 2E E3 2116161531118 E531 1155111 EEezzee 62

Hình 29 Giao diện khi đặt câu hỏi l 2-55 25532225 ***+++seeesexss 63 Hình 30 Giao diện khi đặt câu hỏi 2 - 52c St * + SErseEsrersrrsrrrrree 63

vi

DANH MỤC BANG BIEU

Bảng 1 Vi dụ về ma trận đồng xuất hiện 2 2c s5xccxczEczxzxezez 39

Bảng 2 Bảng câu hỏi gợi ý

vil

DANH SÁCH THUẬT NGỮ VIET TAT

STT Tên viết tắt Tên đầy đủ

1 Al Artificial Intelligence

2 AIML Artificial Intelligence Markup Language

3 API Application Programming Interface

4 BERT Bidirectional Encoder Representations

From Transformers

5 BiLSTM Bidirectional Long Short-term Memory

6 BRNN Bidirectional Recurrent Neural Network

7 CBOW Continuous Bag-of-words

8 CLS Cumulative Layout Shift

9 CNTT Công nghệ thông tin

10 CSV Comma-separated Values

11 CVAI Conversational AI

12 DM Dialog Management

13 DRNN Deep Recurrent Neural Network

14 FAIR Facebook Artificial Intelligence Research

15 FAQ Frequently Asked Questions

16 GloVe Global Vecto

17 GPT Generative Pre-trained Transformer

18 GPU Graphics Processing Unit

19 JSON JavaScript Object Notation

20 LLM Large Language Model

21 LSA Latent Semantic Analysis

22 LSTM Long Short — Term Memory

vill

23 LUIS Language Understanding

24 Masked ML Masked Language Models

25 ML Machine Learning

26 NLG Natural Language Generation

27 NLP Natural Language Processing

28 NLTK Natural Language Toolkit

29 NLU Natural Language Understanding

30 OOAD Object-Oriented Analysis and Design

31 PDF Portable Document Format

32 PHP Hypertext Preprocessor

33 RNN Recurrent Neural Network

34 SIML Synthetic Intelligence Markup Language

35 SMS Short Message

36 SQL Structured Query Language

37 SVD Singular Value Decomposition

38 TXT Text File Document

39 XML eXtensible Markup Language

ix

CHƯƠNG 1 ĐẶT VAN DE

1.1 TINH CAP THIET CUA DE TAI

Hiện nay, số lượng sinh viên của Khoa Công nghệ thông tin nói riêng vàTrường Đại học An Giang nói chung ngày càng tăng, từ đó tạo ra nhu cầungày càng tăng về sự hỗ trợ và tư vấn cho các vấn đề liên quan đến quy chế

quy định của nhà trường, giáo dục và định hướng sự nghiệp trong tương lai.

Nhung thời gian của cố van học tập là có hạn, không thé cùng thời giải đáp

thắc mắc của nhiều sinh viên Mà một trong những lợi ích quan trọng củachatbot hỗ trợ tư vấn là khả năng cung cấp thông tin và tư vấn tức thì Sinhviên có thể truy cập vào chatbot mọi lúc mọi nơi dé nhận được câu trả lời cho

các câu hỏi về việc quy định quy chế của nhà trường, tìm hiểu thông tin về

trường, thủ tục nhập học, và nhiều vấn đề khác Thay vì phải tìm kiếm thôngtin trên nhiều trang web hoặc chờ đợi phản hồi từ cố vấn, sinh viên có thể trựctiếp giao tiếp với chatbot dé nhận được thông tin cụ thé và chính xác

Hơn thế, chatbot cũng mang lại lợi ích về tính tiện lợi và trải nghiệmngười dùng tốt Sinh viên không cần phải đến văn phòng tư vấn hoặc gặp gỡtrực tiếp cô van dé biết về các thông tin cần thiết Thông qua giao diện chatbot

trực tuyến, sinh viên có thể giao tiếp băng ngôn ngữ tự nhiên và nhận được

câu trả lời tức thì một cách dé dàng Điều này giúp tiết kiệm thời gian và nănglượng cho cả cố vấn và sinh viên, giúp ho tập trung vào việc quan trọng hơn

như học tập và nghiên cứu.

Một ưu điểm quan trọng khác của chatbot là khả năng cung cấp thông tin

đa dạng và cá nhân hóa Dựa trên dữ liệu và thông tin đầu vào từ sinh viên,chatbot có thé cung cấp thông tin tư vấn phù hợp với từng cá nhân Từ việc đềxuất các khóa học phù hợp với sở thích và mục tiêu nghề nghiệp của sinh viên,

đến việc cung cấp thông tin về học bỗng và cơ hội thực tập, chatbot có thé

giúp sinh viên tìm kiếm những thông tin quan trọng một cách hiệu quả và tăngcường khả năng ra quyết định của sinh viên

Cuối cùng, chatbot hỗ trợ tư vấn cho sinh viên có tiềm năng góp phầnphát triển và nâng cao chất lượng giáo dục Thông qua việc thu thập và phântích dữ liệu từ các cuộc trò chuyện với sinh viên, chatbot có thể cung cấp

thông tin phản hồi và gợi ý dé cải thiện quy trình giảng dạy va học tập Điều

này giúp trường đại học và các có vấn hiểu rõ hơn về nhu cầu và khó khăn củasinh viên, từ đó nâng cao chất lượng dịch vụ và đáp ứng tốt hơn mong muốncủa sinh viên trong việc tiếp cận giáo dục

Vì vậy, đề tài “Xây dựng hệ thống tư vấn học tập thông minh cho sinhviên Khoa Công nghệ thông tin” có tính cấp thiết cao vì nó cung cấp thông tin

và tư vấn tức thì, tiện lợi, thông tin đa dạng và cá nhân hóa, cũng như tiềmnăng góp phần cải thiện chất lượng giáo dục Việc triển khai chatbot trong môitrường học tập có thé mang lại nhiều lợi ich đáng ké cho sinh viên và giúp tạo

ra một môi trường học tập tốt hơn và hỗ trợ tốt hơn cho sự phát triển của sinh

viên.

1.2 LÝ DO CHỌN ĐÈ TÀI

Do số lượng sinh viên theo học tập ở trường ngày càng gia tăng, và nhucầu hỗ trợ cũng như tư vấn về các van dé cũng cao hơn dé từ đó họ hiểu hơn

và thực hiện đúng quy định của nhà trường, và đạt được thành công trong học

tập và sự nghiệp Một chatbot có khả năng cung cấp thông tin tức thì và tư van

cá nhân hóa có thé đáp ứng nhu cầu này một cách hiệu quả và tiện lợi

Hơn thế nữa, công nghệ chatbot và trí tuệ nhân tạo đã phát triển mạnh

mẽ trong những năm gần đây Các thuật toán và công cụ mới cho phép xây

dựng chatbot có khả năng giao tiếp tự nhiên và cung cấp thông tin chính xác.Việc áp dụng công nghệ này vào lĩnh vực tư vấn sinh viên đang là tiềm nănglớn để nâng cao trải nghiệm của sinh viên trong quá trình tư vấn Ngoài ra,nhờ có điện thoại di động và các ứng dụng nhắn tin mà cách chúng ta giao tiếp

và tìm kiếm thông tin đã dần thay đổi Sinh viên ngày nay cũng muốn có thê

truy cập thông tin một cách nhanh chóng và thuận tiện hơn Vì vậy, một

chatbot hỗ trợ tư vấn là cần thiết để cung cấp trải nghiệm người dùng tiện lợi,cho phép sinh viên truy cập thông tin và nhận tư vấn bất cứ lúc nào và ở bất kỳđâu Và mỗi sinh viên sẽ có mục tiêu và sở thích riêng, và cần tư vấn theo từngtrường hop cu thé Chatbot lại có khả năng thu thập thông tin và tư vấn cánhân hóa dựa trên đữ liệu từ sinh viên, giúp cung cấp thông tin phù hợp vớinhu cầu và mục tiêu của từng người

Chatbot không chỉ đáp ứng nhu cầu hiện tại của sinh viên mà còn có tiềm

năng phát triển và cải thiện dựa trên phản hồi từ người dùng Dữ liệu từ các

cuộc trò chuyện với sinh viên có thể được sử dụng để cải thiện quá trình tư

van và nâng cao chất lượng giáo dục.

Vì những lý do trên, đề tài " Xây dựng hệ thống tư vấn học tập thôngminh cho sinh viên Khoa Công nghệ thông tin " là một đề tài rất cấp thiết và

có tính ứng dụng cao trong thực tế, đáp ứng những yêu cầu của thời đại và có

tiềm năng mang lại lợi ích lớn cho cả sinh viên và các cơ quan giáo dục

1.3 MỤC TIỂU NGHIÊN CỨU

Mục tiêu chính của đề tài " Xây dựng hệ thong tu van hoc tap thong

minh cho sinh viên Khoa Công nghệ thông tin" là phát triển một ứng dụng

chatbot thông minh dé tư vấn về quy định quy chế của nhà trường, và các van

2

đề liên quan đến học tập cho sinh viên học tập tại Khoa Công nghệ thông tin

Trường Đại học An Giang.

Cụ thê, nghiên cứu này đặt ra các mục tiêu như sau:

Tìm hiểu các van đề cơ bản về Conversational AI và Llamalndex dé cóthể áp dụng vào việc xây dựng chatbot cho sinh viên học tập tại Khoa Công

nghệ thông tin Trường Đại học An Giang.

Tìm hiểu và phân tích các nhu cầu và yêu cầu của sinh viên học tập tạiKhoa Công nghệ thông tin Trường Đại học An Giang dé đưa ra các tính năng

và chức năng phù hợp cho chatbot.

Thiết kế và xây dựng một hệ thống chatbot thông minh sử dụng

Llamalndex dé tư vấn về quy định quy chế của nhà trường, và các van đề liên

quan đến học tập cho sinh viên học tập tại Khoa Công nghệ thông tin Trường

Dai học An Giang.

Kiểm tra và đánh giá hiệu qua của hệ thống chatbot thông minh trong

việc tư vấn về quy định quy chế của nhà trường, và các vấn đề liên quan đến

học tập cho sinh viên học tập tại Khoa Công nghệ thông tin Trường Đại học

trong quá trình học tập.

1.4 PHẠM VI ĐỀ TÀI

Tập trung vào việc xây dựng một hệ thống trí tuệ nhân tạo có khả năng

tư van và hỗ trợ cho sinh viên hoc tập tại Khoa Công nghệ thông tin Trường

Đại học An Giang Cụ thé, dé tai tập trung vào xây dung một chatbot sử dụng

công nghệ Llamalndex, với khả năng tư vấn và giải đáp các câu hỏi về các vẫn

đề trong học tập

1.5 PHƯƠNG PHÁP NGHIÊN CỨU

Tìm hiểu và nghiên cứu về công nghệ Conversational AI và các nền tảng

hỗ trợ như Llamalndex, các công nghệ liên quan đến trí tuệ nhân tạo, xử lý

ngôn ngữ tự nhiên và máy học.

Tìm hiểu về quy chế quy định của nhà trường, và các vấn đề liên quanđến học tập của sinh viên tại Khoa Công nghệ thông tin Trường Đại học An

3

Giang, cụ thê là các vân đê liên quan đên quy chê quy định, tư vân tuyên sinh, điêu kiện ra trường, vả các vân đê khác.

Thiết kế và xây dựng một chatbot có khả năng tư vấn và hỗ trợ cho sinh

viên Khoa Công nghệ thông tin, sử dụng công nghệ Llamalndex và các công

nghệ liên quan đến trí tuệ nhân tạo, xử lý ngôn ngữ tự nhiên và máy học

Kiểm thử, đánh giá và cải tiến chatbot dé đảm bảo tính 6n định và độchính xác trong việc tư vấn và hỗ trợ cho người dùng

Đánh giá hiệu quả của chatbot và ứng dụng trong thực tiễn, từ đó đưa ra

kết luận và đề xuất dé cải thiện chatbot và ứng dụng trong tương lai

Phương pháp nghiên cứu của đề tài sẽ sử dụng phương pháp nghiên cứu

thực nghiệm, kết hợp giữa lý thuyết và thực tiễn, với mục đích xây dựng và kiểm thử một hệ thống trí tuệ nhân tạo có khả năng tư vấn và hỗ trợ cho sinh

viên Khoa Công nghệ thông tin.

1.6 TÌNH HÌNH NGHIÊN CỨU

Nghiên cứu [1] của Zhengyi Ma nghiên cứu về các chatbot cá nhân hóatập trung vào việc trang bị cho chatbot một cá nhân hóa nhất quán đề hành xửgiống như người dùng thực, cung cấp những phản hồi thông tin hữu ích hơn vàhoạt động như các trợ lý cá nhân Các phương pháp cá nhân hóa hiện có đã cốgăng tích hợp nhiều mô tả dạng văn bản như hồ sơ người dùng rõ ràng Tuynhiên, việc thu thập các hồ sơ rõ ràng như vậy tốn nhiều chi phí và thời gian,

do đó không thực tế cho các ứng dụng quy mô lớn Hơn nữa, các hồ sơ được

xác định trước thì bỏ qua các hành vi ngôn ngữ của người dùng thực và không

thé cập nhật tự động khi sở thích của người dùng thay đổi Trong nghiên cứunày, họ đã đề xuất mô hình học ngầm tự động các hồ sơ người dùng từ lịch sử

trò chuyện của người dùng quy mô lớn để xây dựng các chatbot cá nhân hóa.

Cụ thể, băng cách tận dụng lợi ích của Transformer trong việc hiểu ngôn ngữ,

họ đã huấn luyện một mô hình ngôn ngữ cá nhân hóa dé xây dựng một hồ sơngười dùng chung từ các phản hồi lịch sử của người dùng Dé nhắn mạnh các

phản hồi lịch sử liên quan đến bai đăng đầu vào, họ tiếp tục xây dựng một

mạng bộ nhớ key-value của các cặp lịch sử bài đăng-phản hồi và xây dựngmột hồ sơ người dùng nhạy cảm đối với bài đăng động Hồ sơ động chủ yếu

mô tả cách người dùng đã phản hồi với các bài đăng tương tự trong quá khứ

Dé sử dụng rõ ràng các từ được sử dụng thường xuyên bởi người dùng, họ đãthiết kế một bộ giải mã cá nhân hóa để kết hợp hai chiến lược giải mã, bao

gồm tạo ra một từ vựng chung và sao chép một từ vựng cá nhân hóa của người

dùng Kết quả thực nghiệm trên hai tập dữ liệu thực tế cho thấy sự cải thiệnđáng ké của mô hình trong nghiên cứu so với các phương pháp hiện có

Còn trong nghiên cứu [2] của Manisha Tamboli thảo luận về việc triển

khai và sử dụng chat-bot trong ngữ cảnh thương mại bằng ngôn ngữ lập trình

Python Bài báo được xuất bản trong Annals of the Romanian Society for CellBiology vào tháng 4 năm 2021 Bai báo nhấn mạnh rang chat-bot là các

chương trình máy tính dựa trên các nhãn hiệu trí tuệ nhân tạo và xử lý ngôn

ngữ tự nhiên, tương tác với người dùng thông qua hệ thống tin nhắn Chat-botthường được sử dụng như một ứng dụng giao tiếp cho doanh nghiệp và có thétích hợp vào các trang web Bài báo đã xây dựng một khung chat-bot bao gồmcác giao diện API web, giao diện web mẫu và giao diện tin nhắn văn bản.Chat-bot đã được sử dụng trong một thời gian dài và được thiết kế dé hiểu, xử

ly và tương tắc với con người trong các hoạt động cụ thể Chúng thuộc loại bot

sống trên các nén tảng chat khác nhau Việc xử lý ngôn ngữ tự nhiên đóng vaitrò quan trọng trong việc hiểu đầu vào của người dùng và cung cấp phản hồiphù hợp Họ đã đề xuất phương pháp đề phát triển chat-bot cho trang web củamột trường đại học Chat-bot sẽ hoạt động như một nhân viên ảo cung cấp hỗ

trợ và thông tin cho sinh viên Họ đã mô tả quá trình phát triển phía sau của chat-bot bang cach sử dụng các thư viện như NLTK, JSON, Pickle, NumPy, Flask và SQL storage Quá trình huấn luyện bao gồm tải các đoạn hội thoại

mẫu vào cơ sở dữ liệu của chat-bot và xây dựng một đồ thị tri thức bao gồmcác câu lệnh và câu trả lời Mục tiêu của nghiên cứu là phát triển một chat-bot

sử dụng thuật toán để trả lời câu hỏi của người dùng Một giao diện web đượctạo ra dé lưu trữ thông tin liên quan và được chia thành hai phan cho ngườidùng hàng ngày va quản lý Một cơ sở dit liệu cũng được phát triển dé lưu trữcâu hỏi, câu trả lời, từ khóa, nhật ký và phản hồi Khung làm việc được thiết

kế, xây dựng và triển khai trên máy chủ web.

Nghiên cứu [3] của Daniélle Duijst đã nghiên cứu về kinh nghiệm về

người dùng của các chatbot, đặc biệt là khả năng tùy chỉnh cá nhân Nghiên

cứu này sử dụng một thiết kế theo mô hình two-by-two factorial, với hai loại

chatbot (có tùy chỉnh cá nhân và không có tùy chỉnh cá nhân) và hai nhiệm vụ

cụ thể trong lĩnh vực tai chính (nhiệm vụ đơn giản và nhiệm vụ phức tạp) Kết

quả cho thấy tùy chỉnh cá nhân không có tác động đáng kể đến kinh nghiệm vềngười dùng của các chatbot Tuy nhiên, có sự khác biệt đáng kể về kinh

nghiệm về người dùng giữa hai nhiệm vụ, với nhiệm vụ đơn giản được đánh

giá cao hơn Nghiên cứu cũng xác định được một khung đánh giá sự hài lòng

về độ đáng tin cậy và kết luận rằng một nhiệm vụ đơn giản với mục tiêu rõ

ràng có xu hướng đạt điểm trải nghiệm người dùng cao hơn so với một nhiệm

vụ phức tạp với kết quả không chắc chắn Ngoài ra, một bảng câu hỏi ngắn

gọn và đáng tin cậy đã được phát triển để đo lường kinh nghiệm về người

dùng của các chatbot.

Nghiên cứu [4] của Sarthak V Doshi nghiên cứu về việc phát triển một

chatbot trí tuệ nhân tạo trên hệ điều hành Android bằng việc sử dụng chương

trình mã nguồn mở Program-O Chatbot là một tác nhân trò chuyện được thiết

kế dé mô phỏng một cuộc trò chuyện thông minh và có thể nhận đầu vào từ

người dùng dưới nhiều dạng như văn bản, giọng nói, cảm xúc, v.v Nghiêncứu này sử dụng ngôn ngữ đánh dấu trí tuệ nhân tạo (AIML), được phát triển

từ ngôn ngữ đánh dấu mở rộng (XML), dé xây dựng một tác nhân trò chuyện

nhân tạo Chatbot dựa trên AIML nổi tiếng vì nó nhẹ nhàng, dễ cấu hình và

chi phí thấp Trong nghiên cứu nay, tác giả sử dụng chương trình mã nguồn

mở Program-O, một trình thông dịch AIML viết bang PHP, dé tạo ra các câutrả lời dựa trên đầu vào của người dùng Nghiên cứu cũng phát triển một ứngdụng chatbot trên nền tảng Android đề tương tác với người dùng bằng cách sử

dụng các câu trả lời văn bản và giọng nói Nghiên cứu này đã áp dụng thành công các công nghệ trí tuệ nhân tạo và AIML vào việc xây dựng chatbot trên

hệ điều hành Android Điều này mang lại tiềm năng ứng dụng rộng rãi cho

chatbot trong các lĩnh vực giáo dục, dịch vụ khách hàng và giải trí Bên cạnh

đó, việc sử dụng cả đầu vào văn bản và giọng nói cho phép chatbot tương táchiệu quả với người dùng Tuy nhiên, nghiên cứu còn 1 số hạn chế là hệ thống

chatbot chi được thử nghiệm trên nền tang Android và sử dụng AIML vàProgram-O cụ thé Có thé cần thêm nghiên cứu và phát triển dé tối ưu hóa và

mở rộng tính năng của chatbot trên các nền tảng và công nghệ khác.

Nghiên cứu [5] của Vitaliy M Kobets tập trung vào ứng dụng cua chat

bot trong việc cung cấp lời khuyên tài chính cá nhân Nghiên cứu này đã xemxét thiết kế giống con người của chat bot nhằm tăng cường sự tương tác giữangười dung và hệ thống, đồng thời tìm hiểu tac động của hiệu ứng giống người

và thiết kế giống con người của chat bot đến cảm giác hiện diện xã hội, sự tintưởng và mong muốn tuân theo lời khuyên Nghiên cứu cũng nhắn mạnh rằngvới sự phổ biến ngày càng tăng của robo-advisors và chatbot, các ngân hang

có thê tận dụng cơ hội này đề thu hút khách hàng mới Tuy nhiên, nghiên cứu

chỉ ra rằng các chat bot hiện tại cung cấp lời khuyên tài chính thường là cácgiải pháp phức tạp và yêu cầu nhiều thời gian để làm việc với chúng Điều nàykhông phải là lựa chọn tốt nếu người dùng muốn nhận được câu trả lời nhanhchóng và cụ thé Do đó, điểm hạn chế của nghiên cứu là cần phát triển các giải

pháp chat bot đơn giản và hiệu quả dé cung cấp lời khuyên tài chính cá nhân

một cách nhanh chóng và dễ dàng hơn.

Nghiên cứu [6] của Nahdatul Akma Ahmad đã trình bày bài đánh giá vềcác kỹ thuật được sử dụng đề thiết kế chatbot Họ cũng đưa ra một số ví dụ về

thiết kế chatbot dé giúp hiểu cách chatbot hoạt động và các phương pháp pháttriển chatbot có sin Với sự phát triển nhanh chong của công nghệ chatbot, hyvọng rằng nó có thé bổ sung nhược điểm của con người và tối ưu hóa năngsuất Nghiên cứu cũng nhân mạnh rằng chatbot có thé cung cấp thông tintương tác bằng cách sử dụng giao diện đồ họa và các tiện ích, làm cho trải

nghiệm người dùng thú vị hơn Lợi ích chính của việc sử dụng chatbot là khả

năng tiếp cận đối tượng rộng lớn thông qua ứng dụng tin nhắn, không phụthuộc vào khoảng cách Nghiên cứu xem xét các khía cạnh thiết kế, tính năng,tương tác với người dùng và giao diện của các hệ thống chatbot khác nhau.Qua đó, nghiên cứu trình bày quy trình của hệ thống chatbot, giải thích cáchchatbot hoạt động trong thực tế

Nghiên cứu [7] của Shashirekha H nghiên cứu về những sinh viên ở cáctrường đại học tại Ấn Độ bị căng thắng học tập Dữ liệu được thu thập qua

một bảng câu hỏi trực tuyến của 650 sinh viên Nghiên cứu đã đề xuất một mô

hình dự đoán căng thắng học tập sử dụng kỹ thuật Máy học Nghiên cứu này

đã có gắng xác định căng thăng học tập của sinh viên ở giai đoạn đầu để phụhuynh, giáo viên, quản lý trường học, v.v có thể áp dụng các biện pháp phòng

ngừa khác nhau dé giúp họ quản lý tram cam, căng thăng va lo lang Day là

một nghiên cứu đầu tiên theo tài liệu nghiên cứu khám pha căng thang củasinh viên đăng ký học tại các trường đại học khác nhau ở Ấn Độ Nghiên cứuxác định các yếu tổ khác nhau gây căng thang học tập ở cấp độ giáo dục cao

Vì đại dịch COVID-19 đã làm ảnh hưởng lớn đến giáo dục ở Ấn Độ, đặc biệt

với việc tổ chức lớp học trực tuyến Nghiên cứu đã trình bày việc tính toán tác

động này là quan trong và đề xuất các giải pháp dé giải quyết thách thức Tuynhiên nghiên cứu vẫn còn một số hạn chế, bao gồm tập dữ liệu nhỏ và khôngthê thu thập đữ liệu trực tiếp

Nghiên cứu [8] của Darius Zumstein đã thảo luận về tiềm năng củachatbot như là một kênh thông tin, giao tiếp và giao dịch mới trong doanh

nghiệp, đặc biệt là trong lĩnh vực giao thông công cộng Tuy chatbot đã được

triển khai rộng rãi trong dịch vụ khách hàng và bán hàng, nhưng việc áp dụngchúng trong lĩnh vực giao thông công cộng vẫn chưa được khai thác đầy đủ.Việc sử dụng chatbot trong giao thông công cộng có thể cung cấp thông tinthời gian thực và phù hợp với ngữ cảnh cho hành khách, như đề xuất lịch trình

và mua vé, cũng như lời khuyên du lịch được cá nhân hóa Chatbot thu thậpcác đữ liệu khác nhau về người dùng và hành trình của họ trong các chuyến đi,

bao gồm sở thích, sản phẩm, dịch vụ, và nội dung, mô hình sử dụng, dữ liệu

nhân khẩu học và dựa trên vị trí Các lợi ích của chatbot bao gồm các điểm

tiếp xúc mới với người dùng, tăng sự tiện lợi, giảm chi phí, tiếp thị một cách

cá nhân, thu thập dữ liệu và học sâu Nghiên cứu cũng đề xuất cơ hội tiềmnăng cho hoạt động bán hàng chéo trong giao thông công cộng, chang hạn nhưcung cấp đồ ăn và đồ uống, các sản phẩm và dịch vụ, và thông tin văn hóa và

du lịch thông qua chatbot Việc tích hợp các dịch vụ bé sung nay có thé mang

lại lợi ich cho cả các tô chức giao thông công cộng va các ngành công nghiệpđối tác bằng cách cung cấp các kênh bán hàng mới và tiếp cận được khán giả

Hơn nữa, chatbot còn có khả năng bổ sung hoặc thay thé các kênh giao tiếptruyền thống như bản tin, trang web và đường dây nóng, cho phép tiếp xúctrực tiếp và cá nhân hóa với khách hàng Tuy nhiên, quan trọng là chatbot cóthé hiểu và phản hồi yêu cầu của người dùng mà không cần sự can thiệp củacon người, tuy nhiên, vẫn cần sự trợ giúp của con người khi cần thiết Trongkhi chatbot đang phát triển, chúng vẫn chưa hoàn toàn thay thế các ứng dụng,trang web và cửa hàng trực tuyến, và cần có sự phát triển và cải tiến trongtương lai Ngoài ra, dự kiến các kênh truyền thông xã hội và chatbot sẽ cùngtồn tại và được sử dụng bởi người dùng số Nhìn chung, chatbot được coi là hệ

thong thông minh có thể nâng cao sự tiện lợi và đơn giản hóa các khía cạnh

khác nhau của cuộc sống chúng ta

Nghiên cứu [9] của Che Wan Shamsul Bahri CW Ahmad đã nghiên cứuchi tiết về ứng dung của chatbot trong lĩnh vực giáo dục Nghiên cứu này tậptrung vào việc khám phá khả năng và hạn chế của chatbot trong việc cung cấp

dịch vụ hỗ trợ và tương tác với người dùng trong môi trường giáo dục.

Nghiên cứu tập trung vào các kỹ thuật và phương pháp quan trọng trong việc

phát triển và đánh giá chatbot Các phương pháp này bao gồm xử lý ngôn ngữ

tự nhiên, học máy và các thuật toán trí tuệ nhân tạo khác Nghiên cứu đã cung

cấp một cái nhìn tổng quan về cách những phương pháp này được áp dụng déxây dựng và cải thiện chatbot Ngoài ra, nghiên cứu cũng đề cập đến các lợi

ích mà chatbot mang lại cho doanh nghiệp và khách hàng, cũng như những

hạn chế và thách thức mà chatbot cần đối mặt Từ đó đưa ra tầm nhìn về tươnglai của chatbot và xu hướng nghiên cứu và đổi mới trong lĩnh vực này Nghiêncứu đã cung cấp một cái nhìn toàn điện và chi tiết về việc sử dụng chatbot

trong giáo dục, từ những khía cạnh khái quát đến các ứng dụng cụ thể và các

khía cạnh kỹ thuật.

Nghiên cứu [10] của Suriati Pasang tập trung vào việc sử dụng ứng dụng

chatbot Kuki, một công cụ trí tuệ nhân tạo, nhằm cải thiện thành tích tiếng

Anh của học sinh Nhà nghiên cứu đã tiến hành quan sát trước và phát hiệnrằng thành tích tiếng Anh của học sinh ở mức thấp, trong đó phương tiện

truyền thông trong quá trình học tập được xác định là một yếu tố góp phần

quan trọng Mục tiêu của nghiên cứu là xem xét tác động của việc sử dụng

chatbot Kuki đối với thành tích tiếng Anh của học sinh, việc họ tham gia vàoứng dụng, nhận thức của học sinh về chatbot và các bước học tập được thựchiện bằng cách sử dụng chatbot Kuki trong lớp học Nghiên cứu sử dụng

phương pháp nghiên cứu định tính, với hai lớp được chọn làm nhóm thí

nghiệm và nhóm đối chứng Các bải kiểm tra trước và sau được thực hiện để

đo lường thành tích tiếng Anh của học sinh, và sự tham gia của học sinh được

đánh giá dựa trên các khía cạnh nhận thức, hành vi và cảm xúc Nhận thức của

học sinh được phân tích bằng cách sử dụng thang đo Likert, và các bước họctập được xác thực bằng ứng dụng Kuki Kết quả của nghiên cứu cho thấy lớpthí nghiệm đã có cải thiện về thành tích tiếng Anh Các học sinh tham gia tíchcực, và có nhận thức tích cực về chatbot Kuki Dựa trên các kết quả đã thuthập được thì việc sử dụng trí tuệ nhân tạo, cụ thể là ứng dụng chatbot Kuki,

có tác động tích cực đến kết quả học tập của học sinh Ứng dụng chatbot Kuki

cải thiện hiệu suất thành tích tiếng Anh của học sinh lớp 3 tại trường SMPN 3

Alla Enrekang Từ khía cạnh hành vi, cảm xúc và nhận thức của học sinh tại

lớp học trong quá trình sử dụng ứng dụng chatbot Kuki rất tích cực Học sinh

cảm thấy thấy thú vị trong quá trình học tập thông qua ứng dụng chatbot.Mitsuku hoặc Kuki cũng có thể xem là một chatbot tốt vì hơn một nửa số họcsinh đã có phản hồi rất tích cực

Nghiên cứu [11] của Inju Lee and Sowon Hahn tập trung vào tác động

của việc cảm nhận sự tương đồng với tâm trí con người trong chatbot đến sựchấp nhận của người dùng đối với các hình thức hỗ trợ khác nhau do chatbotcung cấp Nghiên cứu này cho thấy cá nhân có những thái độ mâu thuẫn đối

với việc chatbot cung cấp hỗ trợ cảm xúc so với hỗ trợ thông tin Nghiên cứu

đã tiến hành một thí nghiệm, trong đó chatbot đặt câu hỏi về các sự kiện căngthắng giữa các cá nhân với nhau, thúc đây họ viết về những trải nghiệm căngthắng của mình Tùy thuộc vào điều kiện thí nghiệm, chatbot cung cấp hai loại

hỗ trợ xã hội: hỗ trợ thông tin hoặc hỗ trợ cảm xúc Kết quả cho thấy khi

người tham gia rõ ràng cảm nhận được tâm trí tương tự như con người trong

chatbot, họ coi hỗ trợ đó là hữu ích trong việc giải quyết các sự kiện căng

thăng Mối quan hệ giữa cảm nhận tâm trí ngầm và hiệu quả thông điệp được

thể hiện khác nhau tùy thuộc vào loại hỗ trợ Cụ thé hơn, nếu người tham gia

không ngầm đặt tư duy tương tự con người cho chatbot, hỗ trợ cảm xúc sẽ làm

giảm hiệu quả của thông điệp, trong khi hỗ trợ thông tin không làm như vậy.

Các kết quả của nghiên cứu này nhân mạnh tầm quan trọng của cảm nhận tâmtrí của người dùng trong việc hiểu về trải nghiệm của người dùng khi sử dụng

hỗ trợ xã hội từ chatbot Nghiên cứu này đề xuất rằng hỗ trợ thông tin có thé

được tin cậy khi phát triển chatbot hỗ trợ xã hội, trong khi hiệu quả của hỗ trợ

cảm xúc phụ thuộc vào việc người dùng ngầm đặt tư duy tương tự con ngườicho chatbot Nghiên cứu nhắn mạnh nhu cầu kết hợp cả cảm nhận tâm trí củangười dùng và tính chất của các hình thức hỗ trợ xã hội khác nhau để cải thiện

chất lượng hỗ trợ từ chatbot và nâng cao sự chấp nhận của người dùng.

Nghiên cứu [12] của Yuriy Lynnyk tập trung vào việc phát triển và tíchhợp một chatbot thông tin vào trang web của một phòng ban nhằm tạo ra mộttrợ lý ảo phục vụ cho những người muốn xin học và những người đã nộp đơn

xin học Nghiên cứu này đáp ứng nhu cầu về các phương pháp hướng nghiệp

thay thé do đại dịch COVID-19 và cuộc chiến tranh tai Ukraine gây ra.Chatbot được phát triển bằng ngôn ngữ lập trình JavaScript, môi trườngNode.js và thư viện Telegraf Nó được lưu trữ trên nền tảng đám mây Herokuvới cơ sở dữ liệu PostgreSQL Dịch vu Telegram @BotFather được sử dụng

dé tích hợp chatbot vào trang web Nghiên cứu phân tích sự tuân thủ của

chatbot với các tiêu chí như tính thông tin, đa phương thức, tính cảm xúc, hiệu

suất và tương tác Nội dung thông tin của chatbot được cấu trúc thành các đun Phiên bản thử nghiệm của chatbot đã được thiết kế, kiểm tra và tích hợpvào trang web của Bộ môn Ngôn ngữ Học Ứng dụng Nghiên cứu có ý nghĩathực tiễn trong việc phát triển các hệ thống thông tin cho ứng viên tại các cơ

mô-sở giáo dục đại học Cấu trúc thông tin và phương pháp phát triển chatbot cóthể được sử dụng như một mẫu cho các chatbot tương tự Sự lựa chọn các

công cụ thực hiện dựa trên môi trường, ngôn ngữ lập trình, API, máy chủ và

cơ sở dữ liệu Chatbot được thiết kế dưới dạng chatbot node và tích hợp các

tiêu chí như tính thông tin, đa phương thức, tính cảm xúc, hiệu suất, tương tác,

an ninh và khả năng truy cập Kết quả kiểm tra cho thấy chatbot được sử dung

tích cực bởi ứng viên và sinh viên, với hoạt động tăng cao trong thời gian

tuyển sinh va đầu quá trình học tập Nghiên cứu công nhận rang khả năng thuthập dữ liệu phân tích bị hạn chế, làm khó khăn trong việc đánh giá sự phốbiến và hiệu quả của các chức năng cụ thê của chatbot

Nghiên cứu [13] của Joel Scanlan đánh giá hiệu quả của chatbot re Think,

được triển khai trên trang web Pornhub tại Vương quốc Anh từ tháng 3 năm

2022 đến tháng 9 năm 2023 Chatbot được thiết kế nhằm chuyền hướng nhữngngười cố gắng tìm kiếm tài liệu lạm dụng tình dục trẻ em trên Pornhub đến

dịch vụ hỗ trợ Stop It Now của Lucy Faithfull Foundation (LFF) Trong thời

gian thu thập dữ liệu chatbot, 99,83% - 99,87% các phiên không chứa tìm

kiếm gây ra cảnh báo Ngoài ra, chatbot đã xuất hiện 2,8 triệu lần từ tháng 3

năm 2022 đến tháng 8 năm 2023, dẫn đến 1.656 yêu cầu thông tin và dịch vụ

10

Stop It Now, 490 lượt nhấp vào trang web Stop It Now và khoảng 68 cuộc gọi

và cuộc trò chuyện đến dich vụ tư vấn ân danh Stop It Now Từ đó, số lượng

tìm kiếm tài liệu lạm dụng tình dục trẻ em trên Pornhub tại Vương quốc Anh

đã giảm đáng ké trong suốt thời gian thực hiện nghiên cứu Có những dấu hiệucho thấy cảnh báo và chatbot đã giảm tổng số lượng tìm kiếm tài liệu lạm

dụng tình dục trẻ em trên Pornhub Hầu hết các phiên kích hoạt cảnh báo vả

chatbot không tiếp tục tìm kiếm tài liệu lạm dụng tình dục trẻ em, và những

người nhìn thấy cảnh báo nhiều lần thì thường thực hiện những tìm kiếm

không liên quan sau khi nhận được cảnh báo Từ các kết quả của nghiên cứu

đã đưa ra được những hướng phát triển tiềm năng trong tương lai, bao gồm

tích hợp các chiến dịch video của LFF vào trang cảnh báo, cải thiện chatbot để

tương tác tốt hơn với người dùng, phân tích tiêu dé video dé cải thiện công cụphát hiện hiện có và quảng cáo nguồn hỗ trợ trên video, và tương tác trực tiếpvới Stop It Now dé tăng cường giao tiếp giữa con người

Nghiên cứu [14] của Anna Sigridur Islind khám phá các yếu tố thiết kế

và trải nghiệm người dùng của chatbot Bà ấy đã tiến hành một thí nghiệmkiểm soát với 40 người tham gia để so sánh trải nghiệm người dùng dựa trênviệc họ biết trước là họ đang trò chuyện với chatbot hay phát hiện ra sau khi

trò chuyện Hai phiên bản chatbot đã được thử nghiệm, một phiên bản có cách

diễn đạt máy móc và một phiên bản có cách diễn đạt nhân văn Các kết quả

cho thấy người dùng thích biết trước rằng họ đang tương tác với một chatbot.Cách diễn đạt của chatbot cũng ảnh hưởng đến trải nghiệm người dùng, vớichatbot "giống con người" và thân thiện được ưa chuộng hơn chafbot hướngnhiệm vụ và máy móc Nghiên cứu này gợi ý rằng các tùy chọn cá nhân hóa,

như khả năng bật/tắt biểu tượng cảm xúc (emojis), có thé cải thiện trải nghiệm

người dùng của chatbot.

Nghiên cứu [15] của Xinyi LUO tìm hiểu việc sử dụng chatbot dé hỗ trợ học sinh trong việc học nghe tiếng Anh như một ngôn ngữ ngoại vi (EFL) trong một khóa học đại học trực tuyến Nghiên cứu áp dụng lý thuyết Tự quyết

định đề thiết kế chatbot Học sinh được mời tương tac với chatbot trong mườingày để rèn kỹ năng nghe tiếng Anh của mình Nghiên cứu sử dụng phươngpháp kết hợp dé đo lường hành vi, nhận thức và cảm xúc của học sinh tham

gia Kết quả cho thấy học sinh có trải nghiệm học trực tuyến tích cực với

chatbot Nghiên cứu cũng tiến hành các cuộc phỏng van tiếp theo với học sinh

dé xác định quan điểm của họ về việc học với chatbot Trong nghiên cứu có đềcập chatbot vẫn chưa đủ trưởng thành Học sinh đưa ra những ý kiến quý giá

về cả khía cạnh giáo dục và công nghệ, sẽ giúp họ phát triển chatbot trong giaiđoạn tiếp theo

11

Nghiên cứu [16] của Hadeel Mohamed đề xuất một phương pháp kết hợp

các kỹ thuật khác nhau dé triển khai một Chatbot trí tuệ nhân tạo, cho phép

người dùng tương tác thông qua văn ban va lệnh giọng nói Mục tiêu cua

Chatbot là cung cấp thông tin và tư vấn hỗ trợ cho sinh viên sau đại học, giúp

họ giải đáp các câu hỏi và đưa ra những lựa chọn phù hợp nhất Chatbot nàyđược xây dựng bằng Visual C# (giao diện đồ họa người dùng) và SIML(Synthetic Intelligence Markup Language) làm cơ sở kiến thức, kết hợp với

Microsoft SAPI để tổng hợp giọng nói và nhận dạng giọng nói với khả năng

xử lý ngôn ngữ tự nhiên Ngoài ra, Chatbot còn cung cấp các tính năng hỗ trợ

bổ sung như danh sách khóa học, lịch trình và các thông tin khác Hệ thốngChatbot này không chỉ đơn giản và dé mở rộng mà còn tiết kiệm chi phí, phục

vụ cho việc tư vấn học tập của sinh viên sau đại học Nó giúp sinh viên tiếp

cận thông tin về các khóa học, thuật ngữ, thông tin tuyển sinh và nhiều nội

dung khác thông qua lệnh giọng nói, đồng thời có khả năng hiểu và phản hồicho các yêu cầu của người dùng AAST Bot, một Chatbot được phát triển dé

hỗ trợ sinh viên sau đại học tại Bộ môn Công nghệ thông tin và Truyền thông của AAST, cung cấp thông tin về các khóa học và tạo điều kiện cho quá trình

tư vấn, giúp sinh viên dễ dàng lựa chọn giữa ngành Khoa học máy tính và Hệ

thống thông tin mà không gặp phải sự mơ hồ

Nghiên cứu [17] của Kudirat Oyewumi Jimoh đã phát triển một hệ thống

chatbot dựa trên các thuật toán phân tích các câu hỏi của sinh viên và phản hồitin nhắn Mục tiêu cụ thể của nghiên cứu là xác định các tính năng cần thiếtcho việc xây dựng cơ sở kiến thức, thiết kế và triển khai mô hình, đánh giáhiệu suất của hệ thống phát triển Các mẫu Câu hỏi Thường gặp (FAQ) đã

được thu thập từ Bộ phận Quản lý Sinh viên, Văn phòng Tuyền sinh và Trung

tâm Quản lý và Công nghệ Thông tin (IMTC) của trường đại học Các mẫu đã

được phân tích dựa trên loại câu hỏi và mô hình được thiết kế bằng ngôn ngữ

Mô hình Hợp nhất (UML) Mô hình được triển khai với ngôn ngữ lập trình

Python, HTML, CSS, JavaScript cho phía máy chủ và cũng ngôn ngữ đánh

dấu Trí tuệ Nhân tạo (AIML) và MySQL cho phần mềm phía sau Hiệu suất

của hệ thống phát triển đã được đánh giá thông qua thử nghiệm Alpha Beta

Hệ thống đã hoàn toàn loại bỏ quy trình thủ công của việc truy xuất thông tin

về một lĩnh vực cụ thé và giảm thiểu sức lao động, thời gian cho bất kỳ cá

nhân nào Hệ thống phát triển sẽ cung cấp sự hỗ trợ đầy đủ cho sinh viên về

FAQ, từ đó giảm thời gian phải đến trường dé hỏi thông tin về các hoạt động

trường học như thông tin về tuyển sinh cũng như các thông tin khác như cáchthanh toán cho người trong và ngoài nước đang tìm kiếm hoặc cần thông tinquan trọng nay về Đại học Osun State Nó cũng tạo điều kiện thuận lợi cho

12

sinh viên cập nhật thông tin về các hoạt động trường học Trong nghiên cứunày, hệ thống phát triển cung cấp một cách giao tiếp hiệu quả và hiệu quảgiống như chúng ta đang trò chuyện với bạn bè và người thân.

Nghiên cứu [18] của Chinyere Rose Nwafor tập trung vào việc phát triểnmột chatbot dành cho những người tìm kiếm nhập học tại GOUNI, với mụctiêu tích hợp vào trang web của Dai học Godfrey Okoye Trang liên hệ hiện tạitrên trang web của trường thường không đủ dé giải quyết các Câu hỏi Thườnggặp (FAQs) một cách đầy đủ, dẫn đến việc trả lời trễ hoặc không được trả lời.Băng cách nhúng một chatbot vào trang web, nghiên cứu nhằm mục đích nângcao dịch vụ và tăng cường tương tác giữa các bên liên quan Phương phápPhân tích và Thiết kế Hướng đối tượng (OOAD) được sử dụng cho phân tích

và thiết kế hệ thống, trong khi ngôn ngữ lập trình Python và framework xử lý

ngôn ngữ tự nhiên của Google Dialogflow được sử dụng để triển khai Hệ

thống thành công xử lý các câu hỏi của người dùng, cung cấp câu trả lời chínhxác và cung cấp thông tin giúp quản trị viên tăng cường tương tác Các thành

phần chính của nghiên cứu trong giai đoạn triển khai bao gồm framework

Dialogflow cho xử lý ngôn ngữ tự nhiên, Node.JS cho phát triển backend vaMySQL cho quản lý cơ sở dữ liệu Chatbot được thiết kế dé xử lý cuộc tròchuyện hạn chế và hỗ trợ người dùng tìm kiếm thông tin liên quan mà khôngcần phải dựa vào nhân viên quản trị Với đào tạo day đủ, người dùng có thétương tác hiệu quả với chatbot để có được thông tin chỉ tiết

Nghiên cứu [19] của Hrushikesh Koundinya K triển khai hệ thốngchatbot trực tuyến nhằm giúp người dùng truy cập trang web của họ, cung cấpcác công cụ giới thiệu các phương pháp Trí tuệ Nhân tạo và Xử lý Ngôn ngữ

Tự nhiên, khuyến khích người dùng tương tác với chatbot của họ thông quađầu vào văn ban và đào tạo chatbot bằng các phương pháp Học máy thích hợp

dé nó có thé đưa ra một phản hồi Mục tiêu cuối cùng của nghiên cứu này là

tích hợp tính năng chatbot va API cho Matrusri Engineering College Du án

nay đã xem xét việc phát triển chatbot như một kênh phân phối thông tin.Chương trình này sẽ lựa chọn phản hồi gần nhất từ câu trả lời gần nhất phùhợp với đầu vào bằng cách sử dụng WordNet, sau đó chọn phản hoi từ một tậphợp các câu trả lời cho phan hồi đó Mặc du có nhiều ứng dụng tích hợp hình

ảnh con người và có khả năng mô phỏng cuộc nói chuyện của con người,

nhưng trong phần lớn các trường hợp, kiến thức của chatbot được lưu giữtrong một cơ sở dữ liệu được tạo ra bởi một chuyên gia con người Đề giữ cho

các phản hồi của hệ thống chatbot trở nên rõ ràng và minh bạch hơn, quan tri viên phải đào tạo hệ thống chatbot với nhiều thông tin hơn về đối tượng và mở

rộng phạm vi cơ sở kiến thức Tuy nhiên, việc thu thập phản hồi từ người dùng

13

tiềm năng có thể hữu ích trong việc phát triển hệ thống Chatbot của trường,

cuối cùng phục vụ các truy vấn của người dùng

Nghiên cứu [20] của Sanjay Singh đã cung cấp thiết kế của một chatbot,

cung cấp câu trả lời hiệu quả và chính xác cho bất kỳ câu hỏi nào dựa trên tập

dữ liệu các câu hỏi thường gặp (FAQs) bằng Ngôn ngữ Đánh dấu Trí tuệ Nhân

tạo (AIML) và Phân tích Ngữ nghĩa An (LSA) Các câu hỏi dựa trên biéu mẫu

và câu hỏi tổng quát như chào mừng, câu hỏi tổng quát sẽ được trả lời bởiAIML và các câu hỏi tổng quát khác sẽ sử dụng LSA để cung cấp câu trả lờimọi lúc mọi nơi nhằm đảm bảo sự hài lòng của người dùng Chatbot này cóthé được sử dụng bởi bat cứ trường đại học nào dé trả lời các câu hỏi thườnggặp của sinh viên thông qua trò chuyện Ngoài ra, chatbot được thiết kế nhằmphục vụ nhu cầu học thuật của các khách viếng thăm Chatbot dựa trên ngôn

ngữ AIML tại Đại học Manipal sẽ giúp sinh viên truy cập thông tin về thứ

hạng của trường học, tình trạng sử dụng của các thư viện, khuôn viên trườngđại học, cập nhật về các sự kiện diễn ra trong khuôn viên cùng nhiều từ họcthuật khác Một ảnh chụp của chatbot đề xuất được hién thi tương ứng trongFig.2 và 3 Các trợ lý trò chuyện Trí tuệ Nhân tạo đang trở nên phổ biến chocác dịch vụ và hệ thống web như các hệ thống khoa học, giải trí và thương

mại, va giáo dục đại học Tuy nhiên, tương tác hiệu qua hơn g1ữa con người va

máy tính sẽ diễn ra thông qua việc truy vấn đữ liệu còn thiếu bởi người dùng

để cung cấp câu trả lời đáp ứng Trong bài báo này, chúng tôi đã đề xuất vàtriển khai một chatbot tương tác cho môi trường đại học bằng cách sử dụng

AIML Trong tương lai, chúng ta có thé tạo ra một chatbot kết hợp giữa AIML

va LSA Điều này sẽ cho phép người dùng tương tác với chatbot một cách tự

nhiên hơn Chúng ta có thể cải thiện cuộc trò chuyện bằng cách bao gồm và

thay đổi các mẫu và mẫu câu trả lời cho các câu hỏi tổng quát của người dùng

sử dụng AIML và câu trả lời đúng được đưa ra thường xuyên hơn băng cách

sử dụng LSA.

1.7 TÍNH MỚI CUA DE TÀI

Sự ra đời của chatbot hỗ trợ tư vấn học tập cho sinh viên khoa Công

nghệ Thông tin đánh dau một bước tiến mới trong việc ứng dụng công nghệ tri tuệ nhân tạo (AI) trong giáo dục Khác với những trợ lý ảo truyền thống,

chatbot này được thiết kế đặc biệt dé đáp ứng các nhu cầu học tập và tư vấncủa một nhóm đối tượng cụ thể - sinh viên IT

Điều này mang lại nhiều lợi ích độc đáo Thứ nhất, chatbot có thé tích

hợp và khai thác dữ liệu từ nhiều nguồn khác nhau - từ chương trình đào tạo,

thông tin giảng viên tới cơ hội việc làm - để cung cấp cho sinh viên một nguồnthông tin toàn diện, cập nhật Điều này giúp chatbot trở thành một điểm đến

14

đáng tin cậy cho sinh viên IT khi cần tìm kiếm và tiếp cận các thông tin quantrọng liên quan đến học tập và nghề nghiệp.

Thứ hai, chatbot được thiết kế với khả năng tương tác tự nhiên, giúp sinh

viên có thé giao tiếp một cách dé dàng, thuận tiện như với một cố van conngười Khác với các hệ thống hỏi-đáp truyền thống, chatbot này có thê hiểu

ngữ cảnh, lắng nghe và đưa ra các câu trả lời phù hợp, mang tính cá nhân hóa

cao Điều này không chỉ làm tăng trải nghiệm người dùng mà còn giúp sinhviên cảm thấy được lắng nghe và quan tâm đúng mức

Cuối cùng, chatbot này được kỳ vọng sẽ giúp giải tỏa gánh nặng côngviệc cho các cán bộ tư vấn, giảng viên, bằng cách tự động hóa các nhiệm vụ tưvấn, hỗ trợ thông thường Điều này cho phép các chuyên gia tập trung vào các

công việc có giá trị gia tăng hơn, như tư vấn chuyên sâu, giải quyết các trường

hợp phức tạp hoặc cung cấp hướng dẫn cá nhân cho sinh viên

15

CHƯƠNG 2 TONG QUAN VÀ CƠ SỞ LÝ THUYET

2.1 KHÁI NIỆM

2.1.1 Chatbot

Theo Oracle, chatbot là chương trình máy tính mô phỏng và xử lý các

cuộc trò chuyện của con người, cho phép chúng ta tương tác với một thiết bị

kỹ thuật số, giống như nói chuyện với một người bình thường Mọi ngườiđang sử dụng chatbot trò chuyện thường xuyên hơn đề hỗ trợ các nhu cầu nhưnâng cấp dịch vụ Internet, thời tiết ở điểm đến trong kỳ nghỉ của họ như thế

nào hoặc tỷ số trận bóng rổ diễn ra sớm hơn ngày hôm nay Ngày nay, chatbot

được lập trình dé làm nhiều việc ngoài việc trả lời các câu hỏi cơ ban [21]

Chatbot thường được triển khai trên các nền tảng trò chuyện trực tuyến,

ứng dụng di động hoặc trang web để cung cấp hỗ trợ, thông tin hoặc giải đápcâu hỏi cho người dùng Một số chatbot đơn giản chỉ có khả năng trả lời cáccâu hỏi cơ bản, trong khi những chatbot phức tạp hơn có thê tích hợp nhiều

chức năng và khả năng tương tác phức tạp hơn.

Các chatbot thường sử dụng các kỹ thuật AI như xử lý ngôn ngữ tự nhiên

(NLP), phân tích cú pháp và học máy dé hiểu va phản hồi một cách tự động.

Một số chatbot còn có khả năng học từ dir liệu người dùng dé cải thiện hiệusuất và tương tác trong tương lai

Chatbot có thể được sử dụng trong nhiều lĩnh vực khác nhau, bao gồm

dịch vụ khách hàng, hỗ trợ kỹ thuật, thương mại điện tử, giáo dục và y tế.

Chúng giúp cung cấp hỗ trợ tức thì, tiết kiệm thời gian và tạo ra trải nghiệm

tương tác thuận tiện cho người dùng.

Tuy nhiên, chatbot cũng có hạn chế Các chatbot dựa trên các quy tắc

cứng có thể gặp khó khăn khi đối mặt với câu hỏi phức tạp hoặc không phải là

những câu hỏi đã được lập trình trước Đồng thời, chatbot dựa trên học máy cóthé gặp khó khăn trong việc hiểu và phản hồi đúng ý muốn của người dùng và

có thê tạo ra những phản hồi không chính xác hoặc không hợp lý

2.1.2 Conversational AI

Hiện nay, Conversational AI là một trong những công nghệ tiên tiến và đang phát triển nhanh nhất trong lĩnh vực Trí tuệ nhân tạo (AI) Nó đang được

sử dụng rộng rãi trong các ứng dụng tương tác người-máy và có tiềm năng lớn

trong việc cải thiện trải nghiệm người dùng va tương tac giữa con người va

máy móc.

Theo Pega, Conversational AI được hỗ trợ bởi các thuật toán hiểu, phản

hồi và học tập thông qua sự tương tác của khách hàng Chatbot và trợ lý ảo sử

16

dụng Natural Language Processing (NLP), Machine Learning (ML) và Speech

Recognition, và nhiều công nghệ khác, nhằm hỗ trợ khách hàng nhanh chóng

đạt được mục tiêu thông qua điện thoại di động, trên trang web hoặc thông qua

các kênh khác — tat cả đều bằng cách sử dụng giao tiếp tự nhiên [22] Machine

Learning là một kỹ thuật của trí tuệ nhân tạo cho phép hệ thong hoc va cai

thiện hiệu suất của mình thông qua các thuật toán, dữ liệu và phản hồi NLPgiúp máy tính có thé hiểu va xử lý ngôn ngữ tự nhiên của con người, bao gồm

việc phân tích cú pháp, tìm kiếm từ khóa, phân tích ý nghĩa và trả lời các câu

hỏi Speech Recognition cho phép hệ thống ghi nhận, phân tích và chuyên đồi

giọng nói của con người thành văn bản.

Conversational AI có thé được triển khai trong nhiều dạng khác nhau,bao gồm trợ lý ảo (virtual assistant), chatbot, hệ thống tương tác giọng nói vàcác ứng dụng liên quan Chúng có thể được sử dụng trong các lĩnh vực như

dịch vụ khách hàng, hỗ trợ kỹ thuật, thương mại điện tử và giáo dục Với lĩnh

vực giáo dục, Conversational AI có thể giúp nâng cao hiểu biết của sinh viên

về quy định quy chế của nhà trường, về tư vấn tuyển sinh và nhiều vấn đềkhác, và cũng hỗ trợ có van trong quá trình quản lý sinh viên

Một yếu tố quan trọng trong conversational AI là khả năng học và cải

thiện theo thời gian Các hệ thống conversational AI có thể được đào tạo với

dữ liệu và phản hồi từ người dùng dé nâng cao hiệu suất va chất lượng của các

cuộc tương tác.

Tóm lại, conversational AI là lĩnh vực nghiên cứu và phát triển trong AItập trung vào việc tạo ra các hệ thống thông minh có khả năng tương tác và

giao tiếp tự nhiên với con người thông qua ngôn ngữ tự nhiên giúp cải thiện

trải nghiệm người dùng và tăng hiệu quả công việc trong nhiều lĩnh vực khác

nhau.

2.2 LỊCH SỬ RA ĐỜI

Ngày nay, hầu hết các chatbot được truy cập dé dàng thông qua cửa số

popup của trang web hoặc thông qua ứng dụng trợ lý ảo như Google Assistant,

Amazon Alexa hoặc các nền tảng nhắn tin như Facebook Messenger hoặcWeChat

Dưới đây là tóm tắt lịch sử ngắn gọn về lịch sử ra đời của chatbot [23] và

[24]:

— Nam 1950:

Bai báo năm 1950 cua Alan Turing “Computing Machinery and

Intelligence” được xem là cột mốc đánh dấu quan trong đầu tiên trong lịch sử

chatbot Alan Turing đã thảo luận một số khái niệm cơ bản về Chatbot, bao

17

gồm cả Thử nghiệm Turing, một phương pháp xác định xem bot có trí thông

minh như con người hay không.

— Năm 1964:

Joseph Weizenbaum bắt đầu làm việc trên một chương trình có thể vượtqua Phép thử Turing Ông bắt đầu làm việc tại Phòng thí nghiệm trí tuệ nhântạo MIT vào năm 1964 và phát hành chatbot ELIZA đầu tiên được biết đếnvào năm 1966 ELIZA là một tác nhân dựa trên tin nhắn văn bản, hoạt độngdựa trên phương pháp thay thé và khớp mẫu Sau khi thử nghiệm thành công,Joseph đã xuất bản cuốn sách “Sức mạnh máy tính và lý trí của con người: Từphán đoán đến tính toán” vào năm 1976

— Năm 1981:

Lập trình viên người Anh - Rollo Carpenter đã tao ra một chatbot

Jabberwacky Chatbot nhằm mục đích mô phỏng cuộc trò chuyện tự nhiên của

con người theo cách thú vi, giải trí và hài hước Mục đích của việc tao bot này

là chương trình chuyển từ một hệ thống dựa trên văn ban sang một mô-đunvận hành hoàn toàn bằng giọng nói có thể học trực tiếp từ âm thanh và các đầu

vào giác quan khác.

Người tạo ra nó tin rằng Jabberwacky có thé được tích hợp vào các thiết

bị trong nhà, chăng hạn như rô-bốt hoặc thú cưng biết nói, giúp giải trí và giúpmọi người đồng hành Phiên bản internet của bot được ra mắt vào năm 1997.Phiên bản phát triển của Jabberwacky được ra mắt vào năm 2008 với tên

“Cleverbot” Nó đã tham gia twitter vao thang 5 năm 2011 và có 23815 người theo dõi.

dụng, tìm kiếm và sở thích ngôn ngữ của người dùng.

18

Siri là sản phâm phụ từ một dự án được phát triển bởi Trung tâm trí tuệ

nhân tạo quốc tế SRI với công cụ nhận dạng giọng nói và học máy tiên tiến,

do Nuance Communications cung cấp Các diễn viên lồng tiếng ban đầu làngười Mỹ, Úc và Anh đã thu âm giọng nói của họ vào năm 2005 mà khôngbiết rằng họ đang thu 4m cho Siri Trợ lý giọng nói được phát hành dưới dang

ứng dụng cho 1OS vào tháng 2 năm 2010 Hai tháng sau, nó được Apple mua lại Siri sau đó đã được tích hợp vào iPhone 4S khi phát hành vào tháng 10

năm 2011.

— Năm 2012:

Năm 2012, chatbot/trợ lý ảo “Google Now” được Google giới thiệu Lầnđầu tiên, nó được đưa vào phiên ban Android 4.1 trên điện thoại thông minhGalaxy Nexus Dịch vụ này đã có sẵn cho iOS vào năm 2013 mà không có hầuhết các tính năng của nó Vào năm 2014, Google đã thêm thẻ Hiện hành vào

trung tâm thông báo trong Chrome OS và trong trình duyệt Chrome Tuy nhiên, sau đó, họ đã xóa hoàn toản trung tâm thông báo khỏi Chrome Vào

năm 2016, phiên bản phát triển của Google hiện hành đã được giới thiệu với

tên Google Assistant.

— Nam 2014:

Amazon đã giới thiệu trợ lý ảo Alexa của ho, có khả năng tương tac banggiọng nói, phát nhạc, đặt báo thức, tạo danh sách việc cần làm, phát trực tuyếnpodcast, phát sách nói và cung cấp thông tin thời tiết, giao thông, thé thao va

thời gian thực.

Cùng năm đó, Microsoft giới thiệu trợ lý ảo Cortana, được đặt tên theo

một nhân vật có trí thông minh tổng hợp trong nhượng quyền trò chơi điện tử

Halo của Microsoft Nữ diễn viên lồng tiếng của nhân vật Jen Taylor đã trở lại

để lồng tiếng cho phiên bản dành riêng cho trợ lý cá nhân tại Hoa Kỳ Cortana

có thể đặt lời nhắc, nhận dạng giọng nói tự nhiên mà không cần nhập liệu từ

bàn phím và trả lời câu hỏi bằng cách sử dụng thông tin và kết quả web từ

công cụ tìm kiếm Bing

có thể lên tới hàng trăm triệu văn bản Sau đó, họ tiễn hành làm sạch và lựa

19

chọn nội dung trước khi đưa cho mô hình AI đọc và huấn luyện nhiều lần Khi

đọc khối dữ liệu này, mô hình AI sẽ tìm hiểu được các tầng ý nghĩa đằng saunhững từ và câu, và càng đọc nhiều lần thì sẽ càng nâng cao được tầng ý nghĩa

của nó.

Mỗi khi AI nhận ra thêm các tầng ý nghĩa mới, thì Parameters (tham số)trong đó cũng tăng lên Ví du, GPT-1 có khoảng 117 triệu Parameters, GPT-2(năm 2019) với số lượng Parameters là 1,5 tỉ, còn GPT-3 (năm 2020) với sốlượng Parameters lên tới 175 tỉ Trong số này, GPT-3 là lõi của ChatGPT đang

sử dụng hiện nay.

Chatbot ngày càng dan trở nên quan trọng đối với các hệ thống khoa học,thương mai và giải trí Nó có một loạt các ứng dụng như trợ lý ảo với một vaicái tên tiêu biểu và nổi tiếng như Cortana của Microsoft, Siri của Apple,Google Assistant của Google, va nổi bậc là sự xuất hiện của ChatGPT của

OpenAI, gia sư trí tuệ nhân tạo, thương mại điện tử và mạng xã hội và những

tiềm năng cách mạng hóa giữa con người tương tác máy tính đang diễn ra

2.3 PHÂN LOẠI CHATBOT

Chatbots có thể được phân loại thành nhiều loại khác nhau dựa trên một

số tiêu chí Các phân loại có thê được thực hiện dựa trên các tiêu chí sau [25]

+ +

Theo chế độ tương tác (Interact Mode):

Dựa trên văn ban (Text-Based)

Dựa trên giọng nói (Voice-Based)

Theo miền (Domain):

Miền đóng/miền cụ thé (Closed Domain): Phạm vi của chatbot chỉ giảiquyết một số van đề trong phạm vi nhất định Ví dụ: Khách hang mua 6

tô, tư vấn khách hàng mua bảo hiểm nhân thọ, dự báo thời tiết Loạinày phô biến, dit liệu huấn luyện trong phạm vi nhỏ nên dễ huấn luyện,

độ chính xác cao.

Miền mở (Open Domain): Loại này là mục tiêu của trí tuệ nhân tạo.Một chatbot biết mọi thứ và có thé trả lời mọi vấn đề Rất nhiều chatbot

thông minh được tạo ra Tuy nhiên trả lời mọi vấn đề và vượt qua được

Turing test thì vẫn chưa thê đạt tới

Theo mục tiêu (Goals):

Các chatbot hướng nhiệm vụ (Task-Oriented): được thiết kế cho mộtnhiệm vụ cụ thé và được thiết lập để có thời gian ngắn các cuộc hộithoại, thường là trong một miền đóng

Các chatbot không hướng nhiệm vụ (NonTask-Oriented): có thể mô

phỏng cuộc trò chuyện với một người va thường thực hiện chat cho

mục đích giải trí trong các miền mở

Theo Phương pháp thiết kế (Design Approach):

Dựa theo luật (Rule- Based): Loại chatbot này khả năng rất hạn chế.Chỉ có khả năng phản hồi chính xác những lệnh cụ thể mà ta đã xácđịnh từ trước hoặc người dùng không được phép tùy ý phản hồi màphải lựa chọn các phản hồi do lập trình viên tạo ra Sự thông minh của

chatbot phụ thuộc vào mức độ mà ta lập trình ra chatbot.

Dựa theo trí tuệ nhân tạo (AI): Loại này có khả năng “hiểu” ngôn ngữ

Nghĩa là chatbot không bị giới hạn bởi tập các luật xác định từ trước,

mà có thé hiểu ở phạm vi rộng hơn Tat nhiên chatbot vẫn phải được

“học” từ dữ liệu có san, nhưng nó có khả năng “đoán” được ý nghĩa va

ngữ cảnh của những lệnh chưa từng gặp Một khả năng nữa của chatbot

dựa trên AI là khả năng “học thêm” Nghĩa là ta đưa vào càng nhiềucâu huấn luyện, xác xuất chatbot phản hồi người dùng chính xác càngcao Trong phương pháp này có thé chia ra thành dựa trên cơ sở sáng

tạo (Generative-Based) như các mô hình theo trình tự, tạo ra trả lời phù

hợp trong cuộc trò chuyện hoặc dựa trên truy xuất (Retrieval-Based) dé

hoc lựa chọn các câu trả lời từ cuộc hội thoại hiện tai từ một kho lưu

trữ.

21

2.4 CÁC THÀNH PHẢN CƠ BẢN CỦA CHATBOT

Bước đầu tiên trong việc thiết kế bat kỳ hệ thong nao là chia nó thành các bộ

phận cấu thành theo một tiêu chuẩn dé có thé tuân theo cách tiếp cận phát triển

mô đun Trong hình dưới giới thiệu một kiến trúc chatbot chung của chatbot

2.4.1 Hiểu ngôn ngữ tự nhiên

Hiểu ngôn ngữ tự nhiên (Natural language understanding) là một nhánh của trí tuệ nhân tạo (AI) sử dụng phần mềm máy tính để hiểu đầu vào dưới

dạng câu hỏi sử dụng văn bản hoặc lời nói NLU cho phép tương tác giữa

người và máy tinh bang cách phân tích ngôn ngữ thay vì chỉ từ ngữ

NLU cho phép máy tinh hiểu được cảm xúc được thé hiện thông quangôn ngữ tự nhiên mà con người sử dụng, chăng hạn như tiếng Anh, tiếngPháp hoặc tiếng Quan Thoại mà không cần cú pháp câu lệnh của ngôn ngữmáy tính NLU cũng cho phép máy tính giao tiếp lại với con người bằng ngôn

ngữ của họ.

Một dạng cơ bản của NLU được gọi là phân tích cú pháp, là lấy văn bản

đã viết và chuyên đổi nó thành định dang có cấu trúc mà máy tính hiểu được.Thay vì dựa vào cú pháp ngôn ngữ máy tính, NLU cho phép máy tính hiểu vàphản hồi văn bản do con người viết

Một trong những mục đích chính của NLU là tạo ra các bot hỗ trợ trò

chuyện bằng văn bản và giọng nói, và có thể tương tác với con người màkhông cần giám sát Nhiều công ty khởi nghiệp cũng như các công ty Công

nghệ thông tin lớn như Amazon, Apple, Google và Microsoft đã hoặc đang làm việc trên các dự án và mô hình ngôn ngữ NLU.

NLU hoạt động bang cách phân tích dữ liệu dé xác định ý nghĩa của cácthông tin nhận được bang cách sử dung các thuật toán dé chuyền thông tin củacon người thành structured ontology, một mô hình dữ liệu bao gồm các định

22

nghĩa ngữ nghĩa và thực thé Hai khái niệm cơ bản của NLU là nhận dạng ý

định và thực thé:

— Nhận dạng ý định là quá trình xác định cảm xúc của người dùng

trong văn bản đầu vào và xác định mục tiêu của họ Đây là phần đầutiên và quan trọng nhất của NLU vì nó thiết lập ý nghĩa của văn bản

— Nhận dạng thực thé là một loại NLU cu thé tap trung vao viéc

xác định các thực thé trong tin nhắn va sau đó trích xuất thông tin quan

trọng nhất về các thực thể đó Có hai loại thực thể: thực thể được đặt

tên và thực thé số Các thực thé được đặt tên được nhóm thành các danhmục, chăng hạn như tên người, tên doanh nghiệp và địa điểm Các thựcthể số được ghi nhận dưới dạng số lượng, ngày tháng, tiền tệ và tỷ lệ

phần trăm.

Khi được cung cấp đầu vào là ngôn ngữ tự nhiên, NLU chia đầu vào đóthành các từ riêng lẻ, được gọi là mã thông báo, bao gồm dấu câu và các kýhiệu khác Các mã thông báo được chạy qua một từ điển có thé xác định một

từ và một phần lời nói của nó Sau đó, các mã thông báo sẽ được phân tích vềcấu trúc ngữ pháp của chúng, bao gồm vai trò của từ và các điểm mơ hồ khác

nhau có thể có về nghĩa.

2.4.2 Xứ lý ngôn ngữ tự nhiên

Xử lý ngôn ngữ tự nhiên (Natural language processing) là khả năng của

một chương trình máy tính hiểu được ngôn ngữ của con người khi nói và viết,

được gọi là ngôn ngữ tự nhiên Đó là một thành phần của trí tuệ nhân tao (AI)

NLP đã tồn tại hơn 50 năm và có nguồn gốc từ lĩnh vực ngôn ngữ học

Nó có nhiều ứng dụng thực tế trong nhiều lĩnh vực, bao gồm nghiên cứu yhọc, công cụ tìm kiếm và kinh doanh thông minh

NLP sử dụng các phương pháp tiếp cận dựa trên quy tắc hoặc học máy

dé hiểu cau trúc và ý nghĩa của văn bản NLP đóng một vai trò cần thiết trong

chatbot, trợ lý giọng nói, chương trình quét dựa trên văn bản, ứng dụng dịch

thuật và phần mềm doanh nghiệp nhằm hỗ trợ hoạt động kinh doanh, tăngnăng suất và đơn giản hóa các quy trình khác nhau

NLP sử dụng nhiều kỹ thuật khác nhau dé cho phép máy tính hiểu ngôn

ngữ tự nhiên như con người Cho dù ngôn ngữ được nói hay viết, quá trình xử

lý ngôn ngữ tự nhiên có thể sử dụng AI đề lấy thông tin đầu vào trong thế giới

thực, xử lý và hiểu nó theo cách mà máy tính có thể hiểu được Cũng giống

như con người có các cảm biến khác nhau, chang hạn như tai dé nghe và mắt

để nhìn, máy tính cũng có các chương trình để đọc và micrô để thu thập âmthanh Và cũng giống như con người có bộ não dé xử lý thông tin đầu vào đó,máy tính có chương trình để xử lý thông tin đầu vào tương ứng Tại một số

23

thời điểm trong quá trình xử lý, đầu vào được chuyền đổi thành mã mà máytính có thể hiểu được.

Có hai giai đoạn chính trong xử lý ngôn ngữ tự nhiên: tiền xử lý đữ liệu

và phát triển thuật toán

— Tiền xử lý dữ liệu bao gồm việc chuẩn bị và làm sạch dữ liệuvăn ban dé máy có thé phân tích dữ liệu đó Quá trình tiền xử lý đặt ditliệu ở dạng có thé sử dụng được và làm nồi bật các tính năng trong vănbản mà thuật toán có thể xử lý Có một số cách có thể thực hiện đượcđiều này, bao gồm những cách sau:

+Tokenization: Tokenization thay thế thông tin nhạy cảm bằng

thông tin không nhạy cảm hoặc token Tokenization thường được sử

dụng trong các giao dịch thanh toán để bảo vệ đữ liệu thẻ tín dụng

+Stop word removal: Các từ thông dụng sẽ bị xóa khỏi văn bản,

còn những từ cung cấp nhiều thông tin về văn bản sẽ được giữ lại

+Lemmatization and stemming: Nhóm từ vựng với các phiên bản

biến cách khác nhau của cùng một từ Ví dụ: từ "walking" sẽ được rút

gọn về dạng gốc là "walk" dé xử lý

+Part-of-speech tagging: Các từ được gắn thẻ dựa trên phần nàocủa từ mà chúng tương ứng với nhau, chăng hạn như danh từ, động từ

hoặc tính từ.

— Khi dữ liệu đã được tiền xử lý, một thuật toán sẽ được phát triển

dé xử ly đữ liệu đó Có nhiều thuật toán xử lý ngôn ngữ tự nhiên khácnhau nhưng thường sử dụng hai loại chính sau:

+Rule-based system: Hệ thống này sử dụng các quy tắc ngôn ngữđược thiết kế can thận Cách tiếp cận này đã được sử dụng sớm trongquá trình phát triển xử lý ngôn ngữ tự nhiên và vẫn được sử dụng đến

hiện tại.

+Machine learning-based syste: Các thuật toán học máy sử dụng

phương pháp thống kê Họ học cách thực hiện các nhiệm vụ dựa trên

dữ liệu huấn luyện mà họ được cung cấp và điều chỉnh phương pháp

của mình khi có nhiều dữ liệu được xử lý hơn Sử dụng sự kết hợp giữa

machine learning, deep learning và neural networks, các thuật toán xử

lý ngôn ngữ tự nhiên trau dồi các quy tắc của riêng chúng thông qua

quá trình xử lý và học tập lặp đi lặp lại.

2.4.3 Bộ sinh ngôn ngữ tự nhiên

Bộ sinh ngôn ngữ tự nhiên (Natural language generation) là việc sử dụnglập trình trí tuệ nhân tạo ( AI ) dé tao ra các bai tuong thuat bang van ban hoặcgiọng nói từ một tập dit liệu NLG liên quan đến tương tac giữa người với may

24

và giữa máy với người, bao gồm thuật ngữ máy tính (computational

linguistics), xử lý ngôn ngữ tự nhiên (NLP) và hiểu ngôn ngữ tự nhiên (NLU)

Phần mềm NLG tỉnh vi có thể khai thác số lượng lớn đữ liệu số, xác địnhcác mẫu và chia sẻ thông tin đó theo cách mà con người dễ hiểu Tốc độ của

phần mềm NLG đặc biệt hữu ích trong việc tạo tin tức và các câu chuyện nhạy

cảm về thời gian trên internet Tốt nhất, đầu ra NLG có thể được xuất bản

nguyên văn dưới dạng nội dung web.

NLG là một quy trình gồm nhiều giai đoạn, với mỗi bước sẽ tinh chỉnh

thêm dữ liệu được sử dụng để tạo ra nội dung có ngôn ngữ tự nhiên Sáu giai

đoạn của NLG như sau:

1 Phan tích nội dung (Content analysis): Dữ liệu được lọc để xác

định những gì sẽ được đưa vào nội dung tạo ra ở cuối quá trình Giaiđoạn này bao gồm việc xác định các chủ đề chính trong tài liệu nguồn

và mối quan hệ giữa chúng

2 _ Hiểu biết đữ liệu (Data understanding): Dữ liệu được diễn giải,

các mẫu được xác định và được đưa vào ngữ cảnh Học máy thường

được sử dụng ở giai đoạn này.

3 _ Cấu trúc tài liệu (Document structuring): Một kế hoạch tài liệuđược tạo và cấu trúc tường thuật được chọn dựa trên loại dữ liệu được

diễn giải.

4 _ Tổng hop câu (Sentence aggregation): Các câu hoặc phần liênquan của câu được kết hợp theo cách tóm tắt chính xác chủ đề

5 Cấu trúc ngữ pháp (Grammatical structuring): Các quy tắc ngữ

pháp được áp dụng để tạo ra văn bản có âm tự nhiên Chương trình

suy luận cấu trúc cú pháp của câu Sau đó, nó sử dụng thông tin nay

dé viết lại câu theo đúng ngữ pháp

6 _ Trình bày ngôn ngữ (Language presentation): Dau ra cuối cùng

được tạo dựa trên mẫu hoặc định dạng mà người dùng hoặc lập trình

viên đã chọn.

6 steps to natural language generation

1 2 3 4 5 Ỗ Content Data Document Sentence Grammar Language

analysis understanding structuring aggregation structuring presentation

Filtering data Interpreting Creating a Combining Applying Formatting and and identifying data, identifying document plan relevant grammatical presenting the

the important patterns and and narrative sentences to rules to create final output

content putting it into structure summarize natural-sounding

context the topic text

Hình 3 Sáu giai đoạn hoạt động của NLG

25

2.4.4 Quản lý hội thoại

Quản lý hội thoại (Dialog management) là thuật toán quan trọng giúp

chatbot giao tiếp tốt theo nhiều ngữ cảnh khác nhau, nó được xem là chìa khoá

thành công trong quá trình xây dựng chatbot Quản lý hội thoại tốt khiến câutrả lời của chatbot trở nên phù hợp và đúng mục đích giao tiếp hơn, qua đó

tăng trải nghiệm người dùng và nâng cao dịch vụ khách hàng cho doanh nghiệp.

Quản lý hộp thoại có các plugin chính sau:

— Cơ chế phản hồi (Feedback Mechanism): Hệ thống nhận phản

hồi từ người dùng để kiểm tra liệu bot có làm việc tốt trong cuộc trò

chuyện hay không và người dùng có đồng ý với phản hồi của bot hay

không Điều này thúc đây chatbot học hỏi từ những sai sót và tự động

sửa chữa trong các cuộc trò chuyện sau này.

— Học có nguyên tắc (Policy Learning): là một nguyên tắc giúpchatbot đem lai trải nghiệm hai lòng tổng thé cho người dùng cuốithông qua việc tạo ra các chuỗi hành động hợp lý để điều hướng cuộctrò chuyện một cách mạch lạc và thỏa mãn người dùng Chatbot cố

gang học hỏi từ sự tương tác trước đó của người dùng và theo dõi luồng

trò chuyện mà nó đã có với những người dùng tương tự trong quá khứ.

Từ đó chatbot lưu trữ thông tin, hiểu rõ về hành vi và phương thức giaotiếp của người dùng dé hoạt động hiệu quả

Quy trình quản lý hội thoại bao gồm: Đầu tiên, mô đun NLU nhận đầu vào từ người dùng dưới dạng văn bản hoặc giọng nói và tạo ra một biéu diễn

ngữ nghĩa cho đầu vào đó Tiếp theo, mô đun DM chịu trách nhiệm xử lý biểu

diễn ngữ nghĩa này, duy trì trạng thái của cuộc hội thoại, áp dụng logic xử lý

và quyết định phản hồi tiếp theo cần gửi cho người dùng Sau đó, phản hồi nàyđược chuyển đến mô dun Natural language generation (NLG) dé tạo ra vănbản hoặc giọng nói đầu ra Thông thường, các kiến trúc dựa trên frame-basedhoặc trạng thái hữu hạn được sử dụng bởi hầu hết các mô đun Quản lý Hội

thoại.

Natural Language Speech

2.5 MỘT SO NEN TANG PHAT TRIEN CHATBOT

2.5.1 Một số công nghệ chính phát triển chatbot

Dưới đây là các công nghệ chính được sử dung dé phát triển chatbot và trí tuệ

nhân tạo:

—_ Llamalndex:

+ Llamalndex là một thư viện mã nguồn mở cho phép xây dựng các ứng

dụng trí tuệ nhân tạo lưu trữ và truy vấn đữ liệu một cách hiệu quả.Được phát triển bởi Anthropic và dựa trên các mô hình ngôn ngữ lớn

như LLaMA.

+ Một sỐ đặc điểm chính của Llamalndex:

o_ Lập chỉ mục vector: Cho phép lập chỉ mục và truy van dit liệu dang văn

bản thông qua các biéu diễn vector liên kết ngữ nghĩa

o_ Truy vấn sâu: Hỗ trợ truy van phức tạp, lồng ghép và đệ quy thông qua

các trình tạo truy vấn

o Cập nhật tang dần: Có thể cập nhật chỉ mục một cách hiệu quả khi có

dữ liệu mới mà không cần tái lập chỉ mục toan bộ

o Tùy chỉnh cao: Cho phép tùy chỉnh các thành phần khác nhau trong quá

trình lập chỉ mục và truy vấn

o_ Hỗ trợ nhiều định dạng: Có thể lập chỉ mục các loại dữ liệu khác nhau

như văn bản, PDF, CSV, PowerPoint,

+ Llamalndex giúp giảm thiểu lượng dữ liệu cần xử lý bằng cách chỉ trích

xuất các phan quan trọng, phù hợp với truy van Điều này làm tăng hiệu

quả và hiệu suất cho các ứng dụng AI xử lý dữ liệu lớn

— Rasa Framework [28]:

+ Rasa Framework là một framework mã nguồn mở được sử dung dé xây

dựng các ứng dụng trò chuyện (chatbot) thông minh Được phát triểnbởi công ty Rasa Technologies và được viết bằng ngôn ngữ Python vàđược đánh giá là một trong những framework chatbot phổ biến nhất vàđược sử dụng rộng rãi trên toàn cầu

+ Một trong những ưu điểm của Rasa Framework là tính linh hoạt và dé

mở rộng Nó cho phép người dùng tùy chỉnh pipeline xử lý ngôn ngữ tự

nhiên (NLU), phát triển các hành động tùy chỉnh (custom actions), và

tích hợp nhiều nguồn dữ liệu khác nhau

— _ Dialogflow (https://dialogflow.com/):

+ Dialogflow là nền tảng chatbot của Google, cho phép các nhà phát triển

xây dựng chatbot với khả năng hiểu và phân tích ngôn ngữ tự nhiên.

27

Trước đây được gọi là Api.ai và rất phô biến rộng rãi trong cộng đồng

chatbot.

Cung cấp cho người dùng cách mới dé tương tác với sản phẩm thôngqua giao diện đàm thoại dựa trên giọng nói và văn bản hấp dẫn băng trítuệ nhân tạo.

Dialogflow có khả năng kết nối với người dùng trên nhiều nền tảng vàthiết bị phổ biến như Google Assistant, Amazon Alexa, và Facebook

Messenger.

TensorFlow [29]:

TensorFlow là một thư viện mã nguồn mở của Google được sử dụng

phô biến cho các dự án Machine Learning va Deep Learning

Cung cấp một nền tang dé xây dựng, huấn luyện và triển khai các mô

hình học máy trên các dữ liệu lớn thông qua các quá trình tính toán

Sử dụng các thuật toán học sâu dé hiểu ý nghĩa của câu nói và xác định

ý định của người dùng, sau đó cho phép chatbot trả lời các câu hỏi hoặc

cung cấp thông tin cần thiết cho người dùng.

Có khả năng tích hợp với nhiều nền tảng khác nhau như FacebookMessenger, Slack, Skype và hỗ trợ nhiều ngôn ngữ

PyTorch [30]:

PyTorch là một thư viện mã nguồn mở được sử dụng rộng rãi trong các

dự án liên quan đến trí tuệ nhân tạo, đặc biệt là trong lĩnh vực học sâu.

Được phát triển bởi Facebook AI Research (FAIR) và được giới thiệulần đầu tiên vào năm 2016

PyTorch có tính linh hoạt, dé sử dụng và hỗ trợ tính toán trên GPU,

cũng như cho phép thực hiện đồng thời nhiều tác vụ tính toán

Microsoft Bot Framework (https://dev.botframework.com/) :

Microsoft Bot Framework được phát triển bởi Microsoft và có khả năng

hiểu ý định của người dùng.

Microsoft Bot Framework có thé kết hợp với các công cụ như LUIS déhiểu ngôn ngữ tự nhiên, Cortana cho giọng nói, và API Bing cho tìm

kiếm.

Woebot (https://woebot.io/):

28

+ Woebot có khả năng theo dõi tâm trạng của người dùng và cung cấp hỗ

trợ dé họ cảm thấy tốt hơn

+ Nền tảng này cung cấp cái nhìn sâu sắc bang cách xem mô hình tâm

trạng và day người dung làm thé nào dé duy trì tính tích cực và năng

lượng cao.

— Chatfuel (https://chatfuel.com/):

+ Chatfuel duoc phat triển với mục tiêu làm cho việc xây dựng chatbot

trở nên dé dàng đối với mọi người, ké cả những người không biết lập

trình.

+ Đây là nền tang hàng đầu dé xây dung bot trên Facebook Messenger

2.5.2 Giao diện một số chatbot về giáo dục

Chatbot Kuki, ban đầu có tên là Mitsuku, được tao ra vào năm 2005 bởi

Steve Worswick như một dự án cá nhân Tuy vậy, Kuki lại nắm giữ kỷ lụcchiến thắng nhiều nhất (5 lần) tại Giải thưởng Loebner, thể hiện khả năng bắtchước cuộc trò chuyện của con người trong môi trường thử nghiệm.

NEU-Chatbot còn hỗ trợ đánh giá điểm bài thi IELTS Writing task II miễn

phí, giúp thí sinh có thêm cơ sở để đánh giá năng lực tiếng Anh của bản thân.Hiện tại, NEU-Chatbot có mặt trên Fanpage tuyển sinh chính thức của NEU

trên Facebook.

29