1. Họ và tên nghiên cứu sinh: Phạm Đức Hồng

2. Giới tính: Nam

3. Ngày sinh: 29/10/1980

4. Nơi sinh: Nam Định

5. Quyết định công nhận nghiên cứu sinh số: 1138/QĐ-CTSV ngày 18 tháng 12 năm 2013 của Hiệu trưởng Trường Đại học Công nghệ - Đại học Quốc gia Hà Nội.

6. Các thay đổi trong quá trình đào tạo:

Theo quyết định số 952/QĐ-ĐT ngày 27/11/2015 của Hiệu trưởng Trường Đại học Công nghệ - Đại học Quốc gia Hà Nội về việc thôi không tham gia hướng dẫn nghiên cứu sinh.

Theo quyết định số 1136/QĐ-ĐT ngày 30/12/2016 của Hiệu trưởng Trường Đại học Công nghệ - Đại học Quốc gia Hà Nội về việc gia hạn học tập cho nghiên cứu sinh.

7. Tên đề tài luận án: Phát triển các mô hình dựa trên mạng nơ-ron cho phân tích quan điểm theo khía cạnh

8. Chuyên ngành: Khoa học Máy tính

9. Mã số: 9480101.01

10. Cán bộ hướng dẫn khoa học:   PGS.TS Lê Anh Cường

11. Tóm tắt các kết quả mới của luận án:

·       Đề xuất mô hình học biểu diễn khía cạnh sử dụng mô hình véc-tơ Paragraph và mô hình mạng nơ-ron xác định hạng khía cạnh, trọng số khía cạnh ẩn của thực thể [5].

·       Đề xuất mô hình học biểu diễn đa tầng cho bài toán xác định hạng khía cạnh và trọng số khía cạnh ẩn của thực thể, mô hình này sử dụng các véc-tơ biểu diễn từ được học từ mô hình Word2Vec làm đầu vào. Và sử dụng mô hình véc-tơ kết hợp (compositional vector model) để thiết kế mô hình [2].

·       Đề xuất mô hình mạng nơ-ron xác định trọng số khía cạnh chung của sản phẩm/dịch vụ, mô hình này giải thiết rằng trọng số chung của khía cạnh là trọng số giữa tầng hạng khía cạnh và hạng chung của văn bản đánh giá thực thể [6].

·       Đề xuất hai mô hình học véc-tơ biểu diễn từ sử dụng thông tin giám sát. Đề xuất này giúp cho các véc-tơ biểu diễn từ có thể mã hóa được ba loại thông tin: ngữ nghĩa, khía cạnh và quan điểm [3,4].

·       Đề xuất mô hình khai thác đa tập véc-tơ biểu diễn từ và các véc-tơ biểu diễn ký tự cho phân tích quan điểm theo khía cạnh. Mô hình đề xuất giả thiết rằng các véc-tơ biểu diễn được học từ các mô hình với các tập dữ liệu khác nhau có khả năng bắt được các khía cạnh khác nhau của ngôn ngữ. Và việc kết hợp chúng vào trong một mô hình sẽ giúp cho mức biểu diễn câu có thể bắt được nhiều thông tin hơn, qua đó cải thiện được kết quả dự đoán mức câu [1].

12. Khả năng ứng dụng trong thực tiễn: Kết quả trong luận án có thể ứng dụng vào xây dựng các hệ thống phân tích dữ liệu, như hệ thống phân tích dữ liệu và dự báo kinh tế, hệ thống lắng nghe mạng xã hội (Social Listening), phân tích quan điểm cộng đồng mạng đối với các sản phẩm thương mại.

13. Những hướng nghiên cứu tiếp theo: Nghiên cứu, thực hiện đánh giá các mô hình đề xuất trên các tập dữ liệu tiếng Anh khác. Định hướng, chú trọng việc áp dụng các mô hình đề xuất vào các hệ thống phân tích dữ liệu thực tế bằng tiếng Việt, như dữ liệu về Ngân hàng, Chứng khoán, Điện thoại di động.

14. Các công trình đã công bố có liên quan đến luận án:

[1]   Duc-Hong Pham, and Anh-Cuong Le, “Exploiting Multiple Word Embeddings and One-hot Character Vectors for Aspect-Based Sentiment Analysis”, International Journal of Approximate Reasoning (IJAR), 103, 2018, pp. 1-10. (ISI-SCI)

[2]  Duc-Hong Pham, and Anh-Cuong Le, “Learning Multiple Layers of Knowledge Representation for Aspect Based Sentiment Analysis”, Journal: Data&Knowledge Engineering (DKE), 114, 2018, pp. 26-39. (ISI-SCIE)

[3]  Duc-Hong Pham, Thi-Thanh-Tan Nguyen, and Anh-Cuong Le, “Fine-Tuning Word Embeddings for Aspect-based Sentiment Analysis”, Proceedings of the 20th International Conference on Text, Speech and Dialogue (TSD), 2017, pp. 500-508. (Rank B1)

[4]  Duc-Hong Pham, Anh-Cuong Le, and Thi-Kim-Chung Le, “Learning Word Embeddings for Aspect-based Sentiment Analysis”, Proceedings of the 15th International Conference of the Pacific Association for Computational Linguistics (PACLING), 2017, pp. 28-40. (Rank B)

[5]  Duc-Hong Pham, Anh-Cuong Le, and Thi-Thanh-Tan Nguyen, “Determing Aspect Ratings and Aspect Weights from Textual Reviews by Using Neural Network with Paragraph Vector Model”, Proceedings of the 5th International Conference on Computational Social Networks (CSONet), 2016, pp. 309-320.

[6]  Duc-Hong Pham, and Anh-Cuong Le, “A Neural Network based Model for Determining Overall Aspect Weights in Opinion Mining and Sentiment Analysis ”, Indian Journal of Science and Technology, 2016, pp. 1-6.