VNLP

Seminar: Suy luận gộp trong trích xuất thông tin (Joint inference in information extraction)
Người trình bày: Trần Mai Vũ
Nội dung:
– Trình bày khái quát về suy luận gộp trong trình xuất thông tin
– Trình bày cụ thể một mô hình suy luận của Makoto Miwa và Yutaka Sasaki (EMNLP 2014)
Makoto Miwa and Yutaka Sasaki. Modeling Joint Entity and Relation Extraction with Table Representation. In the Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing (EMNLP 2014). pp. 1858–1869, October 2014.

Chủ đề và nội dung seminar tại KTLab trong hai ngày 31/5 và 20/6/2014:
– Ngày 31/5/2014: “Đồ thị khoảng cách biểu diễn văn bản và ứng dụng” (310514_seminar).
– Ngày 20/6/2014″ “Một số tìm hiểu bước đầu về Tin học xã hội (Social Informatics).

Khai phá dữ liệu quá trình (Process Mining: PM) chiết xuất thông tin có giá trị, liên quan đến quá trình từ các nhật ký sự kiện, bổ sung vào các tiếp cận hiện có để quản lý quá trình kinh doanh (Business Process Management : BPM).  PM là sự kết hợp giữa khai phá dữ liệu và quản lý quá trình kinh doanh.
Khai phá dữ liệu quá trình được xem là theo triết lý đường mòn (desire line / the social trail) “hành động trong kinh doanh hình thành đường mòn kinh doanh ~ nhật ký sự kiện phản ánh quy trình tốt/thuận tiện”.
Các đề tài luận văn, khóa luận theo các hướng chủ đề:
-Phát hiện quá trình: §Tiếp cận trực tiếp, tiếp cận hai giai đoạn, tiếp cận tính toán thông minh, tiếp cận từng phần; §Họ thuật toán cơ bản a, a+, a++, §Các phương pháp dựa trên kinh nghiệm: xem xét mạng nhân quả, học đồ thị phụ thuộc, học tách và kết hợp, §Các phương pháp tính toán di truyền; §Các phương pháp dựa trên vùng; §Các giải pháp giảm thiểu lỗi thiên vị đại diện và tăng cường khả năng đối phó nhiễu; §Phát hiện quá trình với các khía cạnh thời gian, mạng xã hội; §…
-Kiểm tra phù hợp: §Các độ đo phù hợp; §Các phương pháp phát lại; §Các phương pháp so sánh vết; § …
-Tăng cường mô hình quá trình: §Mô hình quy trình phù hợp với mô hình kinh doanh; §Tinh chế khai phá quá trình: Bản đồ, Kiểm toán,; §Khai phá quá trình trực tuyến; …
– Dữ liệu đầu vào cho khai phá quá trình:  §Chuẩn hóa dòng sự kiện mở rộng được: http://www.xes-standard.org/;  Các giải pháp khác;
– Các mô hình biểu diễn quá trình được phát hiện:  §Lưới Petri; §Mạng nhân quả, mạng dòng công việc…; §YAWL (Yet Another Workflow Language)

Toàn văn bài trình bày:

(1) Phạm Huyền Trang: “Một mô hình dự báo thị trường chứng khoán dựa trên khai phá dữ liệu Tweeter”
+ Phân tích nội dung một số nghiên cứu liên quan, tập trung vào bài báo
[BMZ11] Johan Bollena, Huina Maoa, Xiaojun Zengb (2011). Twitter mood predicts the stock market, Journal of Computational Science 2 (2011): 1–8.
+ Ý tưởng về một mô hình áp dụng phân lớp bán giám sát SVM-kNN (hoăc EM) để dự báo phân cực chỉ số chứng khoán dựa trên cảm xúc.
+ Toàn văn báo cáo: TrangPH_ThesisReport_v1.0

(2) Đinh Thị Hương: “Một mô hình khai phá vai trò trên mạng xã hội Twitter”
+ Phân tích một số nghiên cứu liên quan, tập trung vào bài báo
[TS12] Vanesa Junquero-Trabado, David Dominguez-Sal (2012). Building a role search engine for social media. WWW (Companion Volume) 2012: 1051-1060.
+ Ý tưởng về một mô hình khai phá vai trò trên mạng xã hội Twitter gồm hai thành phần ngoại tuyến và trực tuyến.
+ Toàn văn báo cáo: khaiphavaitro_twitter_HuongDT

Báo cáo tiến độ nghiên cứu “Phát hiện sự kiện Y Sinh học dựa trên mô hình đồ thị: Một số tìm hiểu bước đầu” tại buổi seminar ngày 20/10/2012 do nhóm sinh viên K54: Phí Văn Thủy, Phạm Thanh Bình, Nguyễn Xuân Hùng, Phạm Thị Hồng trình bày qua khảo sát nội dung các tài liệu tham khảo:

Báo cáo tiến độ nghiên cứu “Phát hiện bùng nổ sự kiện trên mạng xã hội: Một số tìm hiểu bước đầu” của nhóm sinh viên K54: Tiêu Thị Phương, Ngô Quang Hiểu; K55: Nguyễn Anh Vũ.
Mạng xã hội phản ánh nhiều khía cạnh của xã hội thực trong đó hiện tượng bùng nổ sự kiện trong mạng xã hội phản ánh sự kiện thực có ảnh hưởng lớn. Chủ đề phát hiện bùng nổ sự kiện trong mạng xã hội là chủ đê khoa học – công nghệ thời sự và nhận được sự quan tâm của nhiều nhóm nghiên cứu trên thế giới. Báo cáo tiến độ nghiên cứu của nhóm sinh viên trình bày một số tìm hiểu bước đầu về chủ đề nói trên.

Nội dung báo cáo: EventBurstsInSocialNetwork

Báo cáo tiến độ nghiên cứu “Khai phá dữ liệu quá trình: Một số tìm hiểu bước đầu”
K54: Phạm Văn Thắng, Đào Thủy Ngân; K55: Nguyễn Thế Hùng.

Khai phá dữ liệu quá trình (Process Mining) cung cấp phương tiện mới để cải tiến các quá trình trong một loạt lĩnh vực ứng dụng. Công nghệ mới nổi này có hai yếu tố chính. Thứ nhất, ngày càng nhiều sự kiện được ghi nhận cho phép phát hiện các thông tin chi tiết về lịch sử của các quá trình. Tuy nhiên, hầu hết các tổ chức lại chẩn đoán các tình huống để xây dựng các quá trình kinh doanh dựa trên sự tưởng tượng nhiều hơn là cái mà thực tiễn đã và đang diễn ra đã được ghi nhận về lịch sử các quá trình. Thứ hai, các nhà cung cấp công cụ Quản lý quy trình kinh doanh (Business Peocess Management: BPM) và Thông minh kinh doanh (Business Intelligence: BI) đã hứa hẹn nhiều về các phép lạ, tuy nhiên, những công cụ BPM và BI hiện vần chưa đáp ứng được kỳ vọng.
Khai phá dữ liệu quá trình là một chuyên ngành mới nổi nhằm cung cấp bộ công cụ toàn diện để cung cấp các hiểu biết dựa trên thực tiễn và hỗ trợ việc cải tiến quy trình. Chuyên ngành mới này được xây dựng dựa trên tiếp cận điều khiển quá trình theo mô hình và khai phá dữ liệu. Khai phá dữ liệu quá trình kết hợp tiếp cận mẫu (tri thức) đặc biệt (thường được biểu diễn dưới dạng một lưới Petri: Petri net) với tiếp cận khai phá dữ liệu hướng miền ứng dụng (Domain Driven Data Mining – DDDM) quản lý quy trình kinh doanh BPM.

Nội dung báo cáo: Process mining

Sinh viên trình bày: Vũ Trọng Hóa và Đào Quốc Vương
Nội dung:
– Giới thiệu Twitter và dữ liệu trên Twitter
– Trình bày một số phương pháp khai phá quan điểm trên dữ liệu Twitter

Download: Khai phá quan điểm trên dữ liệu Twitter.pptx

Người trình bày: Lê Hoàng Quỳnh và Trần Mai Vũ
Nội dung: Giới thiệu về thực thể Phenotype và các thực thể liên quan cũng như dự án PHENOMINER.
Bên cạnh đấy, trình bày chi tiết về nội dung và các kết quả của hai nghiên cứu:
– A HYBRID APPROACH TO FINDING PHENOTYPE CANDIDATES IN GENETIC TEXTS
– GENETIC DOCUMENT CLASSIFICATION USING LEARNING POSITIVE AND UNLABELED WITH GRAPH-BASED METHOD

Download file trình bày: NII Internship Program Report.pdf

Báo cáo tiến độ nhóm sinh viên nghiên cứu khoa học đề tài “Xác định vai trò trong mạng xã hội” (K54: Bùi Đình Luyến, Trần Thị Sim, Phạm Văn Thắng; K55: Phạm Ngọc Xuyên)
Xác định vai trò (Role Discovery) và ảnh hưởng (influence) trong mạng xã hội (social networks) nhằm tìm ra những thực thể (entity) có vai trò quan trọng, có ảnh hưởng lớn tới trạng thái của mạng xã hội. Chủ đề nghiên cứu có nhiều ứng dụng, trong đó có ứng dụng tìm nhóm k-khách hàng có ảnh hưởng lớn nhất để định hướng giới thiệu sản phẩm [CWY09].

Tài liệu tham khảo:

[ALTY12] Nitin Agarwal, Huan Liu, Lei Tang, Philip S. Yu: Modeling blogger influence in a community. Social Netw. Analys. Mining 2(2): 139-162 (2012).

[CWE07] Andrew McCallum, Xuerui Wang, Andrés Corrada-Emmanuel: Topic and Role Discovery in Social Networks with Experiments on Enron and Academic Email. J. Artif. Intell. Res. (JAIR) 30: 249-272 (2007).

[CWY09] Wei Chen, Yajun Wang, Siyu Yang: Efficient influence maximization in social networks. KDD 2009: 199-208 (2009).

Toàn văn báo cáo: BaoCaoTienDo13102012