CN. Phạm Thanh Tuấn; KS. Bùi Nguyễn Anh Thư; KS. Huỳnh Tấn Linh; CN. Phan Nguyễn Hoàng Ngân; ThS. Huỳnh Linh Phượng; KS. Phạm Đông Dương; ThS. Lê Duy Tuấn; TS. Nguyễn Thị Mỹ Hạnh; TS. Nguyễn Văn Hòa; ThS. Đặng Văn Thịnh

Số hóa 100% sáng kiến được cơ sở nộp lên Sở Khoa học và Công nghệ để đánh giá, công nhận hiệu quả áp dụng, khả năng nhân rộng của sáng kiến phục vụ công tác thi đua, khen thưởng trên địa bàn tỉnh Quảng Ngãi trong giai đoạn 2022-2025.

Phát triển phần mềm quản lý sáng kiến hoàn chỉnh, đảm bảo 100% các quy trình quản lý, xét duyệt, đề xuất danh sách công nhận sáng kiến được thực hiện trên nền tảng điện tử.

Tích hợp công nghệ AI phát hiện sớm nội dung trùng lặp của sáng kiến, làm cơ sở kiểm tra và xét duyệt hồ sơ sáng kiến.

1. Trích xuất và tiền xử lý văn bản

• Nhận dạng ký tự quang học (OCR): Sử dụng mô hình Tesseract OCR (phiên bản mới nhất) để trích xuất văn bản từ các tài liệu dưới dạng ảnh hoặc quét (scan), bao gồm cả văn bản in và chữ viết tay rõ ràng. Đây là công cụ mã nguồn mở, hỗ trợ tiếng Việt tốt và có khả năng xử lý nhiều định dạng đầu vào như PNG, JPG, PDF.
• Tiền xử lý văn bản tiếng Việt:
  • Chuẩn hóa mã hóa ký tự và loại bỏ nhiễu định dạng (khoảng trắng, dấu câu dư thừa).
  • Loại bỏ từ dừng (stop words), từ không mang thông tin ngữ nghĩa rõ ràng.
  • Áp dụng quy tắc loại trừ đối với các mẫu văn bản hành chính thường lặp lại (như tiêu đề đơn vị, biểu mẫu, khẩu hiệu).
  • Chuyển đổi sang dạng viết thường (lowercase), chuẩn hóa từ vựng và câu cú.

2. Mô hình nhúng văn bản (Text Embedding)

• Mô hình multilingual-e5-large: Đây là mô hình pretrained transformer do Microsoft phát triển, tối ưu hóa cho các tác vụ tìm kiếm ngữ nghĩa (semantic search) đa ngôn ngữ, bao gồm cả tiếng Việt. Mô hình này ánh xạ mỗi đoạn văn bản thành một vector trong không gian ngữ nghĩa có chiều cao (typically 768 dimensions).
• Tài liệu sau khi được nhúng sẽ có thể đo lường mức độ tương đồng với các văn bản khác bằng cách sử dụng các độ đo vector như cosine similarity hoặc Euclidean distance.

3. Hệ thống truy vấn và tìm kiếm tương đồng

• Sử dụng FAISS (Facebook AI Similarity Search) để lưu trữ và truy vấn các vector embedding. FAISS là thư viện tối ưu hóa việc tìm kiếm k-láng giềng gần nhất (k-Nearest Neighbors – kNN) trong không gian lớn, hỗ trợ cả chỉ mục phẳng (Flat), cây IVF và các thuật toán nén (PQ).
• Xây dựng cơ chế sao lưu và đồng bộ dữ liệu song song giữa cơ sở dữ liệu SQL Server và FAISS index để đảm bảo tính toàn vẹn và khả năng phục hồi hệ thống. Khi có cập nhật dữ liệu sáng kiến mới, hệ thống sẽ tự động cập nhật cả FAISS index và database truyền thống.
• Khi người dùng nộp một hồ sơ sáng kiến mới, hệ thống sẽ thực hiện ánh xạ ngữ nghĩa văn bản, truy vấn vector tương ứng trong kho FAISS để tìm ra các văn bản có mức độ tương đồng vượt quá một ngưỡng định trước (ví dụ: cosine similarity > 0.8), từ đó sinh cảnh báo trùng lặp.

4. Phần mềm quản lý quy trình nghiệp vụ

• Xây dựng hệ thống web có giao diện người dùng hiện đại, hỗ trợ các chức năng:
  • Nộp hồ sơ sáng kiến trực tuyến (file PDF, Word, ảnh scan).
  • Theo dõi tiến trình xử lý, nhận phản hồi từ cơ quan chuyên môn.
  • Hiển thị kết quả kiểm tra trùng lặp dưới dạng báo cáo, nêu rõ các đoạn tương đồng, chỉ số mức độ giống nhau, và liên kết đến các hồ sơ đã tồn tại.

Hệ thống được thiết kế theo kiến trúc modular, hỗ trợ bảo trì, mở rộng, và tích hợp với các nền tảng khác thông qua RESTful API.

- 01 cơ sở dữ liệu hồ sơ sáng kiến đã được chấm đạt thông qua Hội đồng cấp cơ sở của các Sở, ngành, UBND các huyện của Quảng Ngãi và Kon Tum (cũ) đã được gửi dến Sở Khoa học và Công nghệ giai đoạn 2022-2025 (Bộ dữ liệu đầu vào đã số hóa và chuẩn hóa).

- 01 phần mềm Quản lý sáng kiến được đưa vào quản lý, vận hành khai thác sử dụng, được chuyển giao cho đơn vị phụ trách công tác quản lý sáng kiến trên địa bàn tỉnh Quảng Ngãi

- 01 bộ tài liệu phân tích về việc lựa chọn công nghệ AI phù hợp

- 01 tài liệu mô tả mô-đun AI xử lý nội dung, hệ thống API giao tiếp với AI và pipeline AI hoàn chỉnh

- 01 bộ tài liệu hướng dẫn sử dụng phần mềm cho tất cả các đối tượng tham gia vào hệ thống

- 01 Báo cáo kết quả kiểm thử phần mềm

- 01 biên bản đánh giá kiểm thử phần mềm của phòng Quản lý Công nghệ và Chuyên ngành

- Cam kết bảo hành/bảo trì hệ thống trong 01 năm kể từ lúc nghiệm thu Đề tài

- Báo cáo tổng hợp kết quả đề tài

• Công nghệ dự kiến:

Đề tài sử dụng stack công nghệ hiện đại bao gồm React.js và Vite cho frontend nhằm tạo giao diện người dùng tương tác mượt mà, .NET Core backend với ASP.NET Core Web API đảm bảo hiệu suất cao và bảo mật tốt, Microsoft SQL Server làm hệ quản trị cơ sở dữ liệu chính để lưu trữ metadata và thông tin hồ sơ sáng kiến. Về công nghệ AI, hệ thống tích hợp mô hình Multilingual-E5-Large thông qua thư viện Transformers và Sentence-Transformers cho việc embedding văn bản tiếng Việt, thư viện FAISS để tìm kiếm vector tương đồng hiệu quả với cơ chế sao lưu và đồng bộ dữ liệu tự động giữa FAISS index và SQL Server database, Tesseract OCR (pytesseract) cho nhận dạng ký tự quang học cùng các thư viện Python như pyvi, spaCy và NLTK để xử lý ngôn ngữ tự nhiên tiếng Việt. API được xây dựng bằng FastAPI với Uvicorn server, hỗ trợ xử lý file đa định dạng thông qua PyMuPDF, python-docx và Pillow. Toàn bộ quy trình phát triển áp dụng phương pháp DevSecOps để tích hợp bảo mật ngay từ giai đoạn thiết kế và lập trình, đảm bảo tính an toàn, ổn định và khả năng mở rộng phù hợp với hạ tầng công nghệ thông tin tại các cơ quan nhà nước.