XÂY DỰNG HỆ THỐNG HỖ TRỢ CÔNG TÁC ĐẢNG TẠI KHOA KHOA HỌC MÁY TÍNH TÍCH HỢP KHAI THÁC VÀ TÓM TẮT TÀI LIỆU SỐ

Abstract

Đề tài “Xây dựng hệ thống hỗ trợ công tác Đảng tại khoa Khoa học máy tính tích hợp khai thác và tóm tắt tài liệu số” được thực hiện nhằm hỗ trợ số hóa và tự động xử lý các tài liệu hành chính phục vụ công tác Đảng, góp phần giảm thời gian xử lý và hạn chế sai sót trong quản lý. Hệ thống tiếp nhận dữ liệu ở các định dạng Word, PDF và hình ảnh. Đối với tài liệu PDF và hình ảnh, hệ thống kết hợp mô hình phân tích bố cục PP-DocLayout-L với Tesseract OCR để trích xuất văn bản. Sau đó, biểu thức chính quy được sử dụng để trích xuất thông tin có cấu trúc; mô hình PhoBERT được áp dụng để phát hiện các câu chứa thời hạn thực hiện; SentenceTransformer kết hợp với KMeans được sử dụng cho bài toán tóm tắt và tổ chức nội dung văn bản. Hệ thống được phát triển trên nền tảng Next.js, ExpressJS, FastAPI và MongoDB. Kết quả thực nghiệm cho thấy hệ thống đạt CER 8,87% trong nhận dạng văn bản OCR và F1-score 92% trong bài toán phát hiện câu chứa thời hạn. Các chức năng trích xuất thông tin, tóm tắt và tổ chức nội dung được triển khai và đánh giá trên dữ liệu thực nghiệm, đồng thời so sánh với phương pháp sử dụng mô hình ngôn ngữ lớn. Từ khóa: Công tác Đảng vụ, OCR, SentenceTransformer, xử lý tài liệu hành chính.