Data Science and Knowledge Technology Laboratory - DS&KTLab

🇻🇳 Các nhà khoa học DS&KTLab, trường Đại học Công nghệ, ĐHQGHN kết hợp TiniX AI release dự án cộng đồng Hệ thống tìm kiếm ngữ nghĩa văn bản cho lĩnh vực Y tế Tinix-MedKB (phiên bản thử nghiệm đầu tiên 0.1, link demo trong comment)

Nhóm tập trung vào giải quyết việc xây dựng một kho tri thức mở (dự kiến sẽ có 100 triệu tài liệu trong năm 2026, hiện có 30 triệu dữ liệu từ 3 nhóm ngôn ngữ Anh-Việt-Trung) để mọi người khai thác dễ dàng và hoàn toàn miễn phí bằng tiếng Việt.
Nhóm cũng xác định đây là dự án nhiều năm, trong giai đoạn đầu hệ thống cũng còn rất nhiều vấn đề cần sự đóng góp, phản hồi của cộng đồng. Nhóm cũng đã cố gắng lựa chọn các nguồn thu thập tin cậy như PubMed, Pubtator, Bioportal, Y văn, sách chuyên ngành,… (các nguồn này được thu thập tự động và nhóm sẽ cố gắng dịch, tóm tắt, tổng hợp tạo đồ thị tri thức, ontology,…), tất nhiên còn một số vấn đề về bản quyền xin mọi người bỏ qua 🙏)

Hệ thống tập trung vào:
• Tra cứu kiến thức y khoa tiếng Việt
• Hỗ trợ phân tích triệu chứng
• Tóm tắt bệnh án & xét nghiệm
• OCR tài liệu y tế
• Hỗ trợ bác sĩ và nhân viên y tế tra cứu nhanh thông tin bằng tiếng Việt
• RAG trên dữ liệu y khoa đáng tin cậy
• Xây dựng mô hình ngôn ngữ cho tiếng Việt

⚡ Những gì MedKB đang hướng tới:
• Giảm hallucination trong AI y tế
• Hỗ trợ tiếng Việt & bệnh lý phổ biến tại Việt Nam
• Tích hợp multimodal: text + PDF + hình ảnh y khoa
• Bảo mật dữ liệu theo hướng on-device/hybrid
• Có thể triển khai cho bệnh viện/phòng khám

🧠 Tech stack nổi bật:
• Medical RAG + Vector Database: Qdrant
• OCR/Document Parsing cho PDF y khoa: HunyuanOCR
• LLM tiếng Việt: model chuyên dụng y tế tự finetuning
• Multilingual Embedding: model embedding chuyên cho y tế tiếng Việt phát triển từ bge
• Hybrid deployment: linh hoạt cloud/on-premise, phù hợp với bài toán dữ liệu y tế nhạy cảm

📊 Số liệu đáng chú ý:
• 3 ngôn ngữ: Việt, Anh và Trung
• Các thực thể tập trung chính để xây Knowledge Graph/Base: bệnh, thuốc, dược liệu, gene, hoá chất, triệu chứng/dấu hiệu,…
• Bộ dữ liệu tổng hợp từ hơn 100 nguồn y văn, ontology, cơ sở dữ liệu, bài thuốc, tin tức, blog và sách,…
• Quy mô khoảng 43.11B tokens với 31M văn bản
• Dữ liệu bao phủ giai đoạn từ năm 2000 đến 2026
• Các nguồn tiếng Việt/địa phương giúp bổ sung ngữ cảnh bệnh lý và thông tin sức khỏe phù hợp với người Việt

🔥 Use cases thực tế:
• AI assistant cho bác sĩ
• Chatbot tư vấn sức khỏe ban đầu
• OCR & phân tích bệnh án PDF
• Hỗ trợ sinh viên y khoa học tập
• Medical RAG cho bệnh viện
• Trợ lý tra cứu thuốc & phác đồ
• Theo dõi bệnh mãn tính
• Knowledge base nội bộ ngành y

Nếu các bạn có các nguồn dữ liệu, bài thuốc, sách,… hoặc các ý tưởng phát triển cho cộng đồng, nhóm sẽ luôn luôn sẵn sàng và đón nhận.

Các tính năng tiếp tục phát triển
• AI assistant cho tìm kiếm
• Knowledge Graph các thực thể tiếng Việt phân tích trên các tài liệu
• Đánh giá chất lượng nguồn dữ liệu
• Bổ sung và số hoá thêm các nguồn dữ liệu mới

🎉 Xin chúc mừng sinh viên Phạm Ngọc Mai, Nguyễn Trang Linh và TS. Vương Thị Hải Yến với bài báo "Walk-In Multi-Stage Patient Flow Scheduling: An ASP Model with DES-Based Evaluation" vừa được chấp nhận đăng tại ICLP'26 - The 42nd International Conference on Logic Programming, một trong những hội nghị uy tín hàng đầu thế giới trong lĩnh vực Symbolic AI.
🔬 Tóm tắt công trình: Bài báo đề xuất một mô hình lập lịch khám phản ứng cho bệnh nhân tại bệnh viện đa khoa, sử dụng Answer Set Programming (ASP) để tính toán lộ trình khám tối ưu cho từng bệnh nhân ngay khi họ đến - cân bằng giữa thời gian di chuyển giữa các phòng và thời gian chờ trong hàng đợi. Nhóm tác giả còn xây dựng thêm tầng mô phỏng sự kiện rời rạc (DES) để đánh giá tính bền vững của lịch trong điều kiện thời gian khám mang tính ngẫu nhiên. Kết quả thực nghiệm cho thấy phương pháp ASP giúp giảm thời gian lưu trú và tăng tỉ lệ bệnh nhân không phải chờ so với các baseline, đặc biệt hiệu quả trong các kịch bản bệnh viện quá tải.
Một lần nữa, xin chúc mừng cô và các bạn sinh viên! 👏 Chúc nhóm sẽ tiếp tục gặt hái thêm nhiều thành công và có thêm các công bố chất lượng cao trong thời gian tới.

📢 Bên cạnh đó, nhóm nghiên cứu Legal Reasoning and Argumentation do TS. Vương Thị Hải Yến phụ trách cũng đang tuyển thêm thành viên mới. Các bạn sinh viên quan tâm có thể tham khảo thông tin dưới đây:
🔍 Hướng nghiên cứu: Nhóm tập trung vào việc mô hình hóa và tự động hóa lập luận pháp lý, bao gồm xây dựng, đánh giá và so sánh các lập luận dựa trên luật, chứng cứ và tiền lệ. Mục tiêu dài hạn là phát triển các hệ thống có khả năng hiểu ngữ cảnh pháp lý, giải thích quyết định và hỗ trợ dự đoán phán quyết trong những môi trường pháp lý phức tạp.
🎯 Yêu cầu ứng viên:
- Sinh viên năm 1–2, có nền tảng tốt về Toán (ưu tiên nữ và các bạn có giải quốc gia toán/tin).
- GPA từ loại Giỏi trở lên.
- Các môn Toán và Lập trình đạt A/A+; có khả năng đọc hiểu tài liệu tiếng Anh.
- Kiên trì, nghiêm túc và định hướng theo đuổi nghiên cứu lâu dài.

📩 Cách ứng tuyển: Gửi email tới cô Yến qua địa chỉ [email protected] trước ngày 15/05, bao gồm: giới thiệu bản thân, định hướng cá nhân và mong muốn khi tham gia nhóm, bảng điểm, cùng các thông tin liên quan khác (nếu có).

🚀 Dữ liệu nguồn mở tiếng Việt lớn nhất về tuyển dụng và bài báo tại hội nghị hàng đầu EACL 2026 – bước tiến lớn cho AI tuyển dụng tiếng Việt

Nhóm nghiên cứu tại phòng thí nghiệm DS&KTLab (Khoa Công nghệ thông tin, Đại học Công nghệ, ĐHQGHN) và TiniX AI vừa công bố một trong những dataset tuyển dụng tiếng Việt lớn nhất hiện nay với hơn 606.000 tin tuyển dụng thực tế.

Dataset gồm:
• job title, company, salary, location
• experience level, education level
• job description, requirements, benefits
• trải dài nhiều ngành như IT, Sales, Marketing, Kế toán…
• dữ liệu từ 2022–2026, định dạng Parquet, dễ xử lý cho NLP pipeline

Điểm đặc biệt là dataset này đã trở thành nền tảng dữ liệu thực tế cho bài báo khoa học CareerPathKG: Knowledge Graph Integrated Framework for Career Intelligence, được công bố tại EACL 2026 Industry Track, trang 813–822.

Nhóm nghiên cứu đã sử dụng:
• Job Descriptions thuộc 13 nhóm nghề công nghệ
• 13.129 CV đã ẩn danh
• chuẩn hóa còn 71 job titles
• xây dựng Knowledge Graph với 355 nodes và 6.254 edges

Từ đó tạo ra hệ thống hỗ trợ:
• CV Assessment
• CV–JD Matching
• Career Guidance
• phân tích skill gap và gợi ý lộ trình nghề nghiệp

Thay vì chỉ dùng LLM “hỏi–đáp”, CareerPathKG dùng Knowledge Graph + LLM để tạo hệ thống tuyển dụng vừa chính xác hơn, vừa giải thích được, vừa phù hợp với thị trường lao động Việt Nam.

Một số use case rất thực tế:
• Doanh nghiệp tự động sàng lọc CV hàng loạt, ưu tiên đúng ứng viên phù hợp thay vì đọc thủ công
• HR phân tích skill gap của ứng viên và đề xuất lộ trình đào tạo nội bộ
• Nền tảng tuyển dụng xây dựng job recommendation chính xác hơn cho ứng viên
• Trường đại học tư vấn nghề nghiệp cho sinh viên dựa trên xu hướng tuyển dụng thật từ doanh nghiệp
• EdTech xây dựng roadmap học tập theo từng vị trí như Data Analyst, Backend Developer, Product Manager
• Chính phủ và tổ chức nghiên cứu phân tích xu hướng lao động theo ngành, khu vực và mức lương
• Headhunter đánh giá mức độ chuyển đổi nghề nghiệp giữa các vị trí và seniority level
• AI Career Coach cá nhân hóa tư vấn nghề nghiệp thay vì chỉ chatbot hỏi đáp chung chung

Đây là ví dụ rất rõ cho giá trị của open dataset:
không chỉ phục vụ nghiên cứu, mà còn tạo ra sản phẩm AI tuyển dụng thực chiến cho doanh nghiệp.

Một hướng đi rất đáng chú ý cho HRTech Việt Nam:
Dataset lớn + Knowledge Graph + LLM = AI tuyển dụng thực sự hữu ích.