Dòng Nội dung
1
Hệ thống phân loại bình luận độc hại sử dụng Deep Learning : Khoá luận tốt nghiệp chuyên ngành Khoa học dữ liệu / Lê Ngô Văn Lộc; Sử Nhật Hạ hướng dẫn
Tp. Hồ Chí Minh : Trường Đại học Nguyễn Tất Thành, 2024
xiii, 68 tr. : hình ảnh ; 29 cm.
Ký hiệu phân loại (DDC): 006.31
Đề tài tập trung vào việc phân loại bình luận độc hại bằng tiếng Việt. Các bình luận có thể thuộc nhiều lĩnh vực khác nhau như bình luận trên mạng xã hội, các trang báo điện tử, hoặc diễn đàn trực tuyến Phát hiện các bình luận mang tính tiêu cực, lăng mạ, phân biệt chủng tộc, bạo lực hoặc khiêu khích. Nhận diện và phân loại các bình luận thành hai loại chính: bình thường và độc hại. Xây dựng một hệ thống tự động phân loại bình luận độc hại với độ chính xác cao, ứng dụng học sâu và các mô hình ngôn ngữ tiên tiến. Từ đó, hệ thống này có thể được triển khai trên các nền tảng trực tuyến để hỗ trợ việc kiểm duyệt nội dung hiệu quả hơn
 Số bản sách: (1) Tài liệu số: (1)
2
Kiểm tra bình luận độc hại bằng phương pháp học sâu và Python : Khóa luận tốt nghiệp chuyên ngành Trí tuệ nhân tạo / Vũ Mạnh Cường; Sử Nhật Hạ hướng dẫn
Tp. Hồ Chí Minh : Đại học Nguyễn Tất Thành, 2024
xiv, 62 tr. : hình ảnh minh họa ; 29 cm.
Ký hiệu phân loại (DDC): 006.3
Đề tài “Kiểm tra độ độc hại trong bình luận với Deep Learning và Python” hướng tới việc khám phá và áp dụng các phương pháp học sâu để giải quyết bài toán này. Mục tiêu chính là thiết kế một hệ thống không chỉ phát hiện chính xác các bình luận độc hại mà còn dễ dàng triển khai trong các ứng dụng thực tế như mạng xã hội, diễn đàn trực tuyến hay hệ thống hỗ trợ khách hàng. Thông qua nghiên cứu này, chúng ta sẽ hiểu thêm được về bản chất độc hại của các ngôn ngữ khi không được kiểm soát một cách chặt chẽ. Qua đó hiểu thêm cách ứng dụng các kỹ thuật học sâu như LSTM, GRU, hoặc Transformers (ví dụ: BERT) để phát triển mô hình phân loại bình luận cùng với phương pháp Tích hợp giải pháp với Python và xây dựng một ứng dụng kiểm tra độc hại có thể sử dụng trong thực tế.Trong nghiên cứu này sẽ tiến hành đánh giá hiệu suất của mô hình trong việc đánh giá bình luận trực tuyến. Bằng cách sử dụng dữ liệu thực tế và độ đo hiệu suất phù hợp, đề tài sẽ xác minh khả năng của mô hình trong việc phân loại tích cực và tiêu cực, cũng như thảo luận về lợi ích và giới hạn của việc sử dụng kết hợp hai thuật toán học máy này. Đề tài không chỉ mang lại giá trị khoa học mà còn đóng góp thiết thực trong việc xây dựng một không gian mạng lành mạnh, văn minh, và an toàn hơn
 Số bản sách: (1) Tài liệu số: (1)