Data Science and Knowledge Technology Laboratory - DS&KTLab

🎉✨ MÙA BỘI THU CỦA LAB NHÀ MÌNH! ✨🎉

Hội nghị Sinh viên Nghiên cứu Khoa học cấp khoa năm nay, các bạn sinh viên của lab đã xuất sắc gặt hái được tận 18 giải thưởng, không phải dạng vừa đâu nhé!!! 🏆

🥇 5 Giải Nhất — ra tay là chuẩn, hội đồng gật đầu cái rụp
🥈 6 Giải Nhì — chỉ thiếu một bước nữa thôi, năm sau lấy nốt!
🥉 3 Giải Ba — top 3 cũng là top, không phải bàn!
⭐ 4 Giải Khuyến Khích — chưa xong đâu, đây mới là khởi động!

Cảm ơn các bạn sinh viên đã cày ngày cày đêm, debug không biết mệt, và cuối cùng đã mang về kết quả xứng đáng 💪

Cảm ơn các thầy cô hướng dẫn đã kiên nhẫn đồng hành cùng các bạn trên hành trình này 🙏❤️

🔥 DS&KT LAB @ ACL 2026 (MAIN CONFERENCE) 🔥

Tiếp tục chuỗi kết quả tại các hội nghị flagship, các học viên, sinh viên và giảng viên của DS&KT Lab tiếp tục ghi dấu tại ACL conference 2026 (main conference). Đây là hội nghị đứng đầu trong lĩnh vực Computational Linguistics và Natural Language Processing, với mức độ cạnh tranh rất cao (acceptance rate hàng năm chỉ ~20%).

🎉💯 HOPE: Hybrid Optimized Parallel Encoding with Supervised and Unsupervised Semantic Fusion for Depression Symptom Detection
DS&KTLab xin chúc mừng nhóm các bạn HV-SV Mai Tú Phương, Lê Hoàng Minh Hà, Trần Đức Lương, Chu Phương Anh, dưới sự hướng dẫn của thầy Cát và cô Quỳnh, được chấp nhận với mức đánh giá clear accept (Top 50% trong số các accepted papers).
💡 Công trình đề xuất HOPE - một kiến trúc hybrid kết hợp thông tin có giám sát và không giám sát trong thiết kế mã hóa song song, cùng cơ chế hợp nhất tối ưu. Mô hình cho phép phát hiện sớm các triệu chứng trầm cảm từ dữ liệu mạng xã hội, đạt hiệu năng vượt trội trên nhiều benchmark trong bối cảnh dữ liệu hạn chế nhãn.

🎉💯. QuDAR: Query-Wise Dual-Perspective Adaptive Retrieval
DS&KT Lab cũng xin chúc mừng bạn Lê Xuân Bách, trong thời gian thực tập hè 2025 tại Data Mining Lab, School of Computing, Korea Advanced Institute of Science and Technology (KAIST), đã tham gia và có đóng góp trong công trình QuDAR. Đây là minh chứng cho khả năng nghiên cứu, cộng tác và thích ứng nhanh nhạy trong môi trường mới của các các bạn sinh viên được đào tạo từ cái nôi DS&KTLab.
💡 QuDAR đề xuất một framework adaptive retrieval gọn nhẹ, training-free cho các hệ RAG, cho phép tự động điều chỉnh trọng số giữa các mô hình (sparse/dense) và dạng truy vấn (gốc/mở rộng) theo từng query. Cách tiếp cận dual-perspective giúp giảm nhiễu và cải thiện đáng kể hiệu năng (tới ~30% so với các phương pháp kết hợp tĩnh), đồng thời tăng tính ổn định mà không cần chi phí huấn luyện bổ sung.