Vừa qua, tại Trường Đại học Khoa học tự nhiên, ĐHQG-HCM, nghiên cứu sinh Phạm Thi Vương đã bảo vệ thành công luận án tiến sĩ cấp cơ sở đào tạo ngành Cơ sở toán học cho tin học (mã số: 9460110) với đề tài: “Tích hợp Ontology và Đồ thị tri thức cho biểu diễn văn bản luật”. Luận án được hoàn thành dưới sự hướng dẫn khoa học của PGS.TS. Nguyễn Đình Hiển và PGS.TS. Nguyễn Thanh Bình.

Tính cấp thiết của đề tài nghiên cứu

Trong bối cảnh xã hội số hóa ngày càng phát triển, nhu cầu tiếp cận và tra cứu thông tin pháp luật của người dân, doanh nghiệp và các nhà nghiên cứu ngày càng trở nên cấp thiết. Hệ thống văn bản quy phạm pháp luật của Việt Nam có cấu trúc đa tầng bậc và phức tạp (bao gồm Luật, Nghị định, Thông tư…) luôn được cập nhật và sửa đổi liên tục để phù hợp với thực tiễn. Điều này tạo nên mối quan hệ chằng chịt giữa các điều khoản, gây ra nhiều khó khăn trong việc tra cứu, đối chiếu và duy trì tri thức pháp lý.

Hầu hết các công cụ tìm kiếm hiện nay chủ yếu dựa trên phương pháp so khớp từ khóa truyền thống, dẫn đến nhiều hạn chế trong việc tìm kiếm ngữ nghĩa sâu. Nhằm giải quyết triệt để vấn đề này, NCS Phạm Thi Vương đã thực hiện đề tài luận án với mục tiêu nghiên cứu và phát triển một khung phương pháp luận toàn diện để biểu diễn, khai thác và duy trì tri thức từ hệ thống văn bản pháp luật Việt Nam bằng cách kết hợp sức mạnh của công nghệ Ontology và Đồ thị tri thức.

Những đóng góp mới mang tính đột phá của luận án

Luận án của NCS Phạm Thi Vương đã mang lại những đóng góp khoa học vô cùng ý nghĩa và có giá trị thực tiễn cao:

• Đề xuất mô hình Legal-Onto Graph: Đây là một kiến trúc tích hợp hai lớp bao gồm lớp Ontology (định nghĩa cấu trúc khái niệm và ràng buộc logic) và lớp Đồ thị tri thức (chứa dữ liệu thực tế và các liên kết ngữ nghĩa giữa các văn bản). Mô hình này cho phép thể hiện rõ nét các mối quan hệ liên văn bản phức tạp như viện dẫn, sửa đổi, thay thế giữa Luật, Nghị định và các văn bản hướng dẫn dưới dạng một hệ thống liên kết thống nhất.
• Thuật toán truy vấn kiến thức ngữ nghĩa kèm truy vết nguồn gốc pháp lý: Đề xuất thuật toán dựa trên chiến lược phân rã đồ thị sao (Star Decomposition) giúp chuyển hóa bài toán trả lời câu hỏi pháp lý từ tìm kiếm văn bản sang tìm kiếm đồ thị con. Hệ thống có khả năng phân tích ý định người dùng từ câu hỏi tự nhiên để đưa ra câu trả lời toàn diện, đồng thời luôn đảm bảo tính minh bạch thông qua việc truy vết nguồn gốc pháp lý cụ thể đến tận cấp Điều, Khoản, Điểm của văn bản luật gốc. Giải pháp này khắc phục hiệu quả hiện tượng ảo giác thông tin và tính chất “hộp đen” của các mô hình học sâu hay mô hình ngôn ngữ lớn (LLMs).
• Giải pháp cập nhật tri thức pháp luật bán tự động: Phát triển thuật toán so sánh ngữ nghĩa đa cấp dựa trên việc tinh chỉnh mô hình nhúng câu tiếng Việt (Vietnamese SBert) và chiến lược đối sánh đa khớp (multi-match alignment). Thuật toán giúp tự động phát hiện chính xác các thay đổi tinh vi về nội dung và cấu trúc (như bổ sung mới, bãi bỏ, sửa đổi, di chuyển vị trí điều khoản) giữa các phiên bản luật cũ và mới, từ đó đề xuất cập nhật tự động lên đồ thị tri thức.

Kết quả thực nghiệm vượt trội

Tính đúng đắn và hiệu quả của các giải pháp đề xuất đã được kiểm chứng nghiêm ngặt thông qua thực nghiệm trên ba miền tri thức: Luật Giao thông đường bộ, Luật Lao động và Luật Đất đai:

• Đối với Luật Giao thông đường bộ: Hệ thống đạt độ chính xác trung bình 82.6%, vượt trội so với các phương pháp truy hồi truyền thống. Khi so sánh trực tiếp với các mô hình ngôn ngữ lớn phổ biến (ChatGPT, Gemini), hệ thống của luận án tỏ ra ưu việt hơn ở tính nhất quán dữ kiện và khả năng kiểm chứng nguồn gốc, trong khi các LLMs dễ mắc lỗi ảo giác hoặc trích dẫn sai lệch điều khoản.
• Đối với Luật Lao động: Thử nghiệm trên kho dữ liệu 4,368 cặp Q&A cho thấy phương pháp đề xuất đạt độ chính xác Top50@acc lên đến 89.12%, vượt qua hoàn toàn các phương pháp đối sánh truyền thống như TF-IDF hay BM25.
• Đối với Luật Đất đai: Thực nghiệm đối chiếu phiên bản Luật Đất đai 2013 và 2024 đạt độ chính xác đối sánh tự động cấp Điều lên tới 87.69% (so với chỉ 43.08% của phương pháp đối sánh dựa trên vị trí truyền thống).

Triển vọng ứng dụng thực tiễn và Hướng phát triển tương lai

Theo đánh giá từ các chuyên gia, kết quả nghiên cứu của luận án là nền tảng vững chắc để phát triển các ứng dụng thực tiễn có ý nghĩa xã hội cao:

• Xây dựng các cổng tra cứu thông tin pháp luật tự động bằng ngôn ngữ tự nhiên, cho phép hỏi-đáp trực quan kèm nguồn trích dẫn rõ ràng để nâng cao nhận thức pháp luật cho người dân.
• Phát triển các công cụ hỗ trợ thông minh dành cho luật sư, thẩm phán và chuyên gia pháp lý trong việc theo dõi thay đổi, đối chiếu văn bản.
• Hỗ trợ các cơ quan quản lý nhà nước trong công tác lập pháp, rà soát văn bản quy phạm pháp luật để nhanh chóng phát hiện các xung đột pháp lý giữa các văn bản quy định.

Trong tương lai, hướng nghiên cứu tiếp theo sẽ tập trung vào việc mở rộng mô hình sang các nguồn pháp lý khác như bản án, án lệ. Đồng thời, nghiên cứu sinh định hướng kết hợp sâu mô hình Legal-Onto Graph với các Mô hình Ngôn ngữ Lớn theo kiến trúc RAG (Retrieval-Augmented Generation) để tạo ra các hệ thống vừa có khả năng giao tiếp tự nhiên, vừa duy trì được độ chính xác tuyệt đối và tính truy vết nguồn gốc của thông tin pháp lý.

Hội đồng chấm luận án đã họp và đánh giá cao năng lực nghiên cứu khoa học nghiêm túc, sự đầu tư bài bản và tính thời sự của đề tài. Kết thúc buổi bảo vệ, Hội đồng đã nhất trí thông qua và đề nghị Trường Đại học Khoa học tự nhiên, ĐHQG-HCM công nhận học vị Tiến sĩ ngành Cơ sở toán học cho tin học cho nghiên cứu sinh Phạm Thi Vương.