TRỢ LÝ NGHIÊN CỨU AI HỖ TRỢ TỔNG HỢP VÀ GỢI Ý HỌC THUẬT

Abstract

Đề tài “Trợ lý nghiên cứu AI hỗ trợ tổng hợp và gợi ý học thuật” tập trung xây dựng một hệ thống hỗ trợ quản lý, xử lý, truy xuất và khai thác thông tin từ tài liệu khoa học dạng PDF. Mục tiêu của hệ thống là hỗ trợ người dùng tìm kiếm nội dung liên quan, hỏi đáp có trích dẫn nguồn, tạo bản tổng hợp tài liệu ban đầu và tham khảo các gợi ý khoảng trống nghiên cứu dựa trên kho tài liệu đã được xử lý. Hệ thống được thiết kế theo hướng kết hợp nhiều thành phần lưu trữ và truy xuất thông tin. PostgreSQL được sử dụng để quản lý thông tin tài liệu, tệp nguồn, trạng thái xử lý và phiên bản chỉ mục. ChromaDB đảm nhiệm việc lưu trữ embedding của các chunk văn bản và phục vụ truy xuất ngữ nghĩa. Đối với tập tài liệu được lựa chọn, hệ thống xây dựng dữ liệu đồ thị trên Neo4j nhằm biểu diễn một phần các thực thể, quan hệ và bằng chứng học thuật có thể truy vết về tài liệu, section, trang và chunk nguồn. Quy trình xử lý dữ liệu gồm các bước đăng ký và kiểm tra tệp PDF, chuẩn hóa thông tin, trích xuất văn bản, phát hiện section, chia chunk, lập chỉ mục vector và xây dựng dữ liệu đồ thị cho tập tài liệu được chọn. Trên cơ sở dữ liệu đã xây dựng, hệ thống triển khai phân hệ Hỏi đáp nghiên cứu (Research Q&A) với bốn phương thức Basic RAG, Academic RAG, GraphRAG và Hybrid RAG. Bên cạnh đó, hệ thống còn hỗ trợ tạo bản tổng hợp tài liệu ban đầu, gợi ý khoảng trống nghiên cứu và trình bày kết quả so sánh thông qua Evaluation Dashboard. Tại thời điểm chốt dữ liệu đánh giá, hệ thống quản lý 509 tài liệu PDF và hoàn tất lập chỉ mục vector cho toàn bộ các tài liệu này. Sau các kịch bản kiểm thử bổ sung tài liệu, snapshot cuối của hệ thống ghi nhận 515 tài liệu. Đối với nhánh đồ thị, 100 tài liệu được lựa chọn để xây dựng dữ liệu Neo4j và phục vụ các luồng GraphRAG, Hybrid RAG. Các kết quả sinh tự động của hệ thống được tổ chức kèm thông tin nguồn nhằm hỗ trợ người dùng đối chiếu lại với tài liệu gốc. Tuy nhiên, hệ thống không thay thế quá trình đọc, kiểm chứng và đánh giá học thuật của người nghiên cứu; các câu trả lời, bản tổng hợp và gợi ý nghiên cứu chỉ có vai trò hỗ trợ tham khảo. Từ khóa: Trợ lý nghiên cứu AI, tài liệu PDF học thuật, RAG, GraphRAG, Hybrid RAG, ChromaDB, Neo4j, truy xuất ngữ nghĩa, gợi ý khoảng trống nghiên cứu. The thesis “AI Research Assistant for Academic Synthesis and Recommendation” focuses on developing a system that supports the management, processing, retrieval, and exploitation of information from scientific PDF documents. The system aims to assist users in finding relevant content, performing citation-supported research question answering, generating initial literature summaries, and exploring potential research gaps based on a processed academic document collection. The system is designed by combining multiple storage and retrieval components. PostgreSQL is used to manage document information, source files, processing states, and index versions. ChromaDB stores vector embeddings of text chunks and supports semantic retrieval. For a selected subset of documents, Neo4j is used to build graph data that represents part of the academic entities, relations, and evidence that can be traced back to the original document, section, page, and source chunk. The data processing workflow includes PDF registration and validation, metadata normalization, text extraction, section detection, chunking, vector indexing, and graph construction for selected documents. Based on the processed data, the system implements a Research Q&A module with four retrieval methods: Basic RAG, Academic RAG, GraphRAG, and Hybrid RAG. In addition, the system supports initial literature review generation, research gap suggestion, and comparative result presentation through an Evaluation Dashboard. At the evaluation data snapshot, the system manages 509 PDF documents and completes vector indexing for all of them. After the additional document-ingestion tests, the final system snapshot records 515 documents. For the graph-based branch, 100 selected documents are used to construct Neo4j graph data for GraphRAG and Hybrid RAG workflows. The system outputs are organized with source information to help users verify generated content against the original documents. However, the system is not intended to replace academic reading, verification, or expert judgment; its answers, summaries, and research suggestions are intended to serve as supporting references. Keywords: AI Research Assistant, academic PDF documents, RAG, GraphRAG, Hybrid RAG, ChromaDB, Neo4j, semantic retrieval, research gap suggestion.