AFF: TRỢ LÝ THÔNG MINH TỰ ĐỘNG HÓA ĐIỀN BIỂU MẪU DỰA TRÊN TRÍCH XUẤT THÔNG TIN BẰNG TRÍ TUỆ NHÂN TẠO

Abstract

Trong kỷ nguyên số hóa, việc trích xuất dữ liệu từ các tài liệu đa định dạng để điền vào biểu mẫu hành chính vẫn là một thách thức lớn, đòi hỏi nhiều thời gian và dễ xảy ra sai sót. Để giải quyết vấn đề này, đề tài giới thiệu AFF (Trợ lý thông minh tự động hóa điền biểu mẫu) - một hệ thống nhiều tầng xử lý tích hợp Trí tuệ Nhân tạo nhằm tự động hóa quy trình điền dữ liệu vào các biểu mẫu DOCX định dạng sẵn. Điểm khác biệt cốt lõi của hệ thống là việc ứng dụng kiến trúc RAG (Retrieval-Augmented Generation). Cụ thể, tài liệu đầu vào (PDF, DOCX, XLSX, Hình ảnh) được số hóa thông qua các công cụ trích xuất và mạng PaddleOCR, sau đó được phân mảnh (chunking) và nhúng thành các vector ngữ nghĩa sử dụng mô hình học sâu MiniLM. Hệ thống tính toán độ tương đồng Cosine để truy xuất các ngữ cảnh liên quan nhất cho từng trường dữ liệu trống, trước khi đưa vào Mô hình ngôn ngữ lớn (LLM - Gemini) để trích xuất thông tin. Đáng chú ý, đề tài đề xuất một thuật toán chấm điểm lai (Hybrid Scoring Algorithm) kết hợp giữa độ tin cậy của LLM (70%) và độ tương đồng Vector (30%) nhằm tối ưu hóa độ chính xác và tự động chọn lọc đáp án. Hơn nữa, hệ thống tích hợp cơ chế duyệt kết quả dưới dự kiểm soát của con người (Human-in-the-loop) thông qua giao diện tương tác động và Trợ lý ảo (Chatbot Q&A), cho phép người dùng đối chiếu tức thời dữ liệu được điền với tài liệu gốc. Kết quả thực nghiệm cho thấy giải pháp không chỉ xử lý linh hoạt các tài liệu phi cấu trúc mà còn cải thiện đáng kể độ chính xác, rút ngắn thời gian thao tác, mở ra tiềm năng lớn cho việc ứng dụng tại các văn phòng không giấy tờ. Từ khóa: Tự động hóa điền biểu mẫu, Trích xuất thông tin, RAG (Retrieval-Augmented Generation), Mô hình ngôn ngữ lớn (LLM), Tìm kiếm Vector. In the digitalization era, extracting data from multi-format documents to populate administrative forms remains a significant challenge, being both time-consuming and prone to human error. To address this, this study introduces AFF (AI-Based Smart Assistant for Automated Form Filling)—a multi-module pipeline system that automates the process of populating pre-formatted DOCX templates. The core novelty of the proposed system lies in its implementation of a Retrieval-Augmented Generation (RAG) architecture. Specifically, input documents (PDF, DOCX, XLSX, Images) are digitized using text parsers and PaddleOCR, then chunked and embedded into semantic vectors using the MiniLM deep learning model. The system calculates Cosine similarity to retrieve the most relevant contexts for each blank field before leveraging a Large Language Model (LLM - Gemini) for precise information extraction. Notably, this research proposes a Hybrid Scoring Algorithm that integrates LLM confidence (70%) with Vector similarity (30%) to optimize accuracy and autonomously select the best-fit answers. Furthermore, the system incorporates a Human-in-the-loop mechanism via a dynamic interactive dashboard and an integrated Q&A Chatbot, allowing users to cross-verify populated data against original documents in real time. Experimental results demonstrate that the solution effectively handles unstructured documents, significantly improves extraction accuracy, and reduces operational time, indicating substantial potential for deployment in paperless office environments. Keywords: Automated Form Filling, Information Extraction, Retrieval-Augmented Generation (RAG), Large Language Models (LLM), Vector Search.