XÂY DỰNG CHATBOT TƯ VẤN QUY CHẾ HỌC VỤ DỰA TRÊN CÔNG NGHỆ RAG VÀ QDRANT

Abstract

Luận văn trình bày việc xây dựng chatbot tư vấn quy chế học vụ dựa trên kiến trúc Retrieval-Augmented Generation (RAG) kết hợp cơ sở dữ liệu vector Qdrant, nhằm giải quyết khó khăn của sinh viên trong việc tra cứu thông tin từ văn bản quy chế có cấu trúc phức tạp và ngôn ngữ pháp lý chuyên môn. Hệ thống gồm ba modun chính: (1) Xử lý dữ liệu - phân đoạn 13 file Word thành 306 chunk theo cấu trúc phân cấp, xử lý bảng biểu và hình ảnh; (2) Embedding và truy xuất - sử dụng mô hình DEk21_hcmute_embedding kết hợp PyVi tạo vector 768 chiều, lưu trữ trong Qdrant với thuật toán HNSW; (3) Generation - tích hợp Gemini Flash sinh câu trả lời tự nhiên từ ngữ cảnh được truy xuất. Giao diện Streamlit hỗ trợ đa phiên hội thoại và hiển thị bảng biểu, hình ảnh từ MinIO. Kết quả đánh giá trên 12 câu hỏi cho thấy: Modun truy xuất đạt MRR@5 = 1.00 (chunk liên quan nhất luôn ở vị trí đầu), Recall@5 = 0.82, NDCG@5 = 0.94. Toàn bộ hệ thống đạt Faithfulness = 0.99 (gần như loại bỏ hallucination) và Answer Relevancy = 0.93, được đánh giá qua phương pháp LLM-as-a-Judge. Đề tài đóng góp: chứng minh khả năng áp dụng RAG cho văn bản pháp lý tiếng Việt, đề xuất phương pháp phân đoạn dựa trên cấu trúc phân cấp, áp dụng LLM-as-a-Judge cho đánh giá tự động, và cung cấp giải pháp thực tế hỗ trợ sinh viên tra cứu 24/7. Hệ thống có khả năng mở rộng sang các lĩnh vực tư vấn khác, góp phần chuyển đổi số trong giáo dục.