An Experimental Study of Deep Neural Network Models for Vietnamese Multiple-Choice Reading Comprehension

Luu, Son T.; Nguyen, Kiet Van; Nguyen, Anh Gia-Tuan; Nguyen, Ngan Luu-Thuy

doi:10.1109/icce48956.2021.9352127

Cited by 3 publications

(3 citation statements)

References 11 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…In addition, ViMMRC [28] and ViCoQA [29] are two Vietnamese corpora for multiple-choices reading comprehension and conversational reading comprehension, respectively. Besides, a few MRC and QA methods have been studied on Vietnamese MRC datasets, such as BERT [23], ViReader [15], XLMRQA [26], and ViQAS [27]. Ultimately, SQuAD 2.0 [6], and NewsQA [8] are two corpora claiming the challenge of unanswerable questions in machine reading comprehension tasks, which are similar to our challenge.…”

Section: Background and Related Workmentioning

confidence: 88%

“…The growth in humanannotated datasets and computing capabilities are key factors behind the dramatic progress in the machine reading comprehension models. Particularly, many of datasets are constructed for evaluating the machine reading comprehension task including extractionbased MRC datasets (SQuAD [5], SQuAD 2.0 [6], TriviaQA [7], and NewsQA [8]), abstractive MRC dataset (NarrativeQA [9], RECAM [22]), multiplechoices datasets (RACE [10] and MCTest [4]), and conversational reading comprehension dataset (CoQA [11] and ViCoQA [23]). In addition to the creation of the MRC datasets, various neural network techniques [12,14,24,25] have been presented and made significant progress in this field.…”

Section: Background and Related Workmentioning

confidence: 99%

See 1 more Smart Citation

VLSP 2021-ViMRC Challenge: Vietnamese Machine Reading Comprehension

Nguyen

Tran²,

Nguyễn

et al. 2022

JCSCE

View full text Add to dashboard Cite

One of the emerging research trends in natural language understanding is machine reading comprehension (MRC) which is the task to find answers to human questions based on textual data. While many datasets have been developed for MRC research for other languages, there is a lack of such resources for the Vietnamese language. Although many datasets and methodologies have been developed for English and Chinese, many Vietnamese machine reading comprehension limitations need to be solved further. Existing Vietnamese datasets for MRC research concentrate solely on answerable questions. However, in reality, questions can be unanswerable for which the correct answer is not stated in the given textual data. To address the weakness, we provide the research community with a benchmark dataset named UIT-ViQuAD 2.0 for evaluating the MRC task and question answering systems for the Vietnamese language. We use UIT-ViQuAD 2.0 as a benchmark dataset for the shared task on Vietnamese machine reading comprehension (VLSP2021-MRC) at the Eighth Workshop on Vietnamese Language and Speech Processing (VLSP 2021). This task attracted 77 participant teams from 34 universities and other organizations. Each participant was provided with the training data, including 28,457 annotated question-answer pairs, and returned the result on a public test set of more than 3,821 questions and a private test set of 3,712 questions. In this article, we present details of the organization of the shared task, an overview of the methods employed by shared-task participants, and the results. The highest performances in this competition are 77.24% (in EM) and 67.43% (in F1-score) on the private test set. The Vietnamese MRC systems proposed by the top 3 teams use XLM-RoBERTa, a powerful pre-trained language model based on the transformer architecture that has achieved state-of-the-art results on many natural language processing tasks. We believe that releasing the UIT-ViQuAD 2.0 dataset motivates more researchers to improve Vietnamese machine reading comprehension.

show abstract

Section: Background and Related Workmentioning

confidence: 88%

Section: Background and Related Workmentioning

confidence: 99%

VLSP 2021-ViMRC Challenge: Vietnamese Machine Reading Comprehension

Nguyen

Tran²,

Nguyễn

et al. 2022

JCSCE

View full text Add to dashboard Cite

show abstract

“…Hệ thống Label này được xây dựng dựa theo các từ khóa keyword đã được tổng hợp lại theo các niche hẹp của công ty khi triển khai các chiến dịch marketing. Nó luôn được đánh giá theo volume và thời gian ( Google Analytic -Google Keyword Planner) [12], [13].…”

Section: Import Nhãn đúNg để Gán Nhãn Dữ Liệu (Hình 8)unclassified

Phân Tích Và Gán Nhãn Dữ Liệu Khách Hàng Trong Hệ Thống CRM

Liên¹,

Hiệp²,

Phương³

2022

TNUJST

View full text Add to dashboard Cite

Hệ thống quản lý quan hệ khách hàng (Customer Relationship Management-CRM) đã và đang được nhiều doanh nghiệp tìm hiểu và áp dụng. Hiện nay trên thế giới có rất nhiều đơn vị cung cấp phần mềm CRM miễn phí lẫn trả phí có thể kể tới như: Zoho CRM, Hubspot CRM, SugarCRM, Microsoft Dynamics Crm,… Nhưng tại Việt Nam có hàng ngàn doanh nghiệp vừa và nhỏ, đối với những doanh nghiệp này việc sử dụng các phần mềm CRM lớn như trên sẽ không mang lại hiệu quả và quá dư thừa so với quy mô doanh nghiệp. Mục đích của bài báo này là tạo ra một hệ thống CRM ứng dụng cho các doanh nghiệp vừa và nhỏ dựa trên phân tích các nguồn dữ liệu từ các website thương mại điện tử. Chúng tôi phân tích và gán nhãn dữ liệu tự động dựa trên các dữ liệu thô đã thu thập được. Thử nghiệm tại Công ty TNHH dịch vụ và phát triển công nghệ EXP Thái Nguyên. Hệ thống hoạt động hiệu quả và Kết quả đạt được là thống kê dữ liệu khách hàng theo mục đích sử dụng của doanh nghiệp.

show abstract

Evaluating the Symbol Binding Ability of Large Language Models for Multiple-Choice Questions in Vietnamese General Education

Nguyen,

Nguyen

2023

Proceedings of the 12th International Symposium on Information and Communication Technology

View full text Add to dashboard Cite

An Experimental Study of Deep Neural Network Models for Vietnamese Multiple-Choice Reading Comprehension

Cited by 3 publications

References 11 publications

VLSP 2021-ViMRC Challenge: Vietnamese Machine Reading Comprehension

VLSP 2021-ViMRC Challenge: Vietnamese Machine Reading Comprehension

Phân Tích Và Gán Nhãn Dữ Liệu Khách Hàng Trong Hệ Thống CRM

Evaluating the Symbol Binding Ability of Large Language Models for Multiple-Choice Questions in Vietnamese General Education

Contact Info

Product

Resources

About