Data Science and Knowledge Technology Laboratory - DS&KTLab

DS&KTLab xin chúc mừng các nhóm sinh viên đã đạt thành tích xuất sắc tại hội nghị SV NCKH trường Đại học Công nghệ!

🥇Giải nhất: Nhóm sinh viên 💖Phạm Anh Tiến và 💖Nguyễn Phương Anh với đề tài "Robust Multimodal Learning under Imperfect Sentiment Data" do ThS. Nguyễn Thị Cẩm Vân và TS. Lê Đức Trọng hướng dẫn.

🥈🥈🥈🥈🥈🥈Sáu giải nhì:
🩷 Nhóm sinh viên Lê Phan Trí Đức và Nguyễn Hoàng Hà Anh với đề tài "Counterfactual Understanding via Retrieval-aware Multimodal Modeling for Time-to-Event Survival Prediction" do TS. Lê Hoàng Quỳnh và TS. Lê Đức Trọng hướng dẫn.
💚Nhóm sinh viên Hoàng Đức Dương và Lê Ngọc Quang với đề tài "CareerPathKG: Knowledge Graph Integrated Framework for Career Intelligence" do TS. Trần Mai Vũ và TS. Vương Thị Hải Yến hướng dẫn.
🧡Nhóm sinh viên Nguyễn Đình Đạt và Mai Đức Duy với đề tài "Statistical Memory Head for Class-Incremental Vision– Language Learning with CLIP" do PSG.TS. Đặng Thanh Hải và ThS. Phạm Thị Quỳnh Trang hướng dẫn.
💜Nhóm sinh viên Phạm Đức Hoàng và Nguyễn Quang Huy với đề tài "Semantic-Aware Bundle Construction via LLM-Enhanced Summarization and Multi-Graph Modeling" do TS. Lê Đức Trọng và TS. Lê Hoàng Quỳnh hướng dẫn.
💛Nhóm sinh viên Vũ Thị Minh Thư, Trần Đình Quang Minh và Nguyễn Bích Đạt với đề tài "Chain-of-Evidence Reasoning for Biomedical Question Answering with Selective Decomposition and Multi Source Retrieval" do TS. Lê Hoàng Quỳnh và ThS. Nguyễn Quốc An hướng dẫn.
💙Nhóm sinh viên Trần Hữu Huy Hoàng, Dương Gia Bảo và Trần Quốc Việt Anh với đề tài "Adaptive Context Selection and Knowledge-guided Learning for Substance Use Named Entity Recognition" do TS. Vương Thị Hải Yến và TS. Lê Hoàng Quỳnh hướng dẫn.

Chúc mừng tất cả các em 🥳🥳🥳.

💥MỞ HÀNG MÙA SĂN HỌC BỔNG 2026 VỚI ERASMUS MUNDUS SCHOLARSHIP💥

DS&KTLab xin chúc mừng sinh viên Lê Xuân Hùng vừa xuất sắc giành được học bổng toàn phần Erasmus Mundus cho chương trình Thạc sĩ Data Engineering & Artificial Intelligence (DEAI) 🎓.

Erasmus Mundus là một trong những học bổng danh giá hàng đầu, ước mơ của hầu hết sinh viên. Theo thông tin từ hội đồng tuyển chọn, chương trình nhận khoảng ~3,000 hồ sơ đều rất xuất sắc, nhưng chỉ chọn 25 ứng viên cho kỳ mùa thu 2026. Một tỉ lệ cạnh tranh cực kỳ khốc liệt, nhưng Hùng đã làm được! 🚀

Gia nhập Lab từ kỳ 2 năm 2 đại học, sau 2 năm “lăn lộn” nghiên cứu hết mình, Hùng đã tích lũy được 3 công bố quốc tế tại các hội nghị hàng đầu (EMNLP, WWW, SIGIR) và giải nhì sinh viên NCKH. Thành tích này quá xứng đáng để bước ra sân chơi quốc tế và chinh phục học bổng đỉnh cao ngay khi mới "chuẩn bị" tốt nghiệp Đại học trong tháng 6 tới đây.

❤️ Các thầy cô, anh chị em, bạn bè ở Lab xin gửi lời chúc mừng đến Hùng, chúc em sẽ tiếp tục thành công rực rỡ trong hành trình 2 năm tới chinh phục 3 nước châu Âu, cũng như chặng đường sau này!
👏 Cũng xin chúc mừng cô Quỳnh và thầy An đã góp phần đào tạo nên một sinh viên xuất sắc như vậy!
💥 Các bạn sinh viên ơi, vào xin vía may mắn và sự “cày cuốc” đỉnh cao của anh Hùng ngay thôi nào! Biết đâu học bổng tiếp theo sẽ gọi tên bạn 😉

🎉🎉🎉 Tháng tư là lời accept của em 🎉🎉🎉
Những ngày đầu tháng 4, các thành viên DS&KTLab được nhận không phải 1 mà tận 3️⃣ “lá thư” thật đặc biệt - email chấp nhận đăng từ hội nghị hàng đầu thế giới về Information Retrieval "The 49th International ACM Conference on Research and Development in Information Retrieval (SIGIR, rank A*).
DS&KTLab chúc mừng các nhóm sinh viên, học viên cùng các thầy cô hướng dẫn đã vô cùng nhiệt huyết:
👏Các bạn SV Nguyễn Quang Huy, Phạm Đức Hoàng, Nguyễn Thanh Hải và Thái Khắc Mạnh với bài báo 🛒"From Top-1 to Top-K: A Reproducibility Study and Benchmarking of Counterfactual Explanations for Recommender Systems".
👏 SV Lê Xuân Hùng với bài báo 📕"Graph-Enhanced Sentence Retrieval for Multi-Document Summarization in Low-Resource Languages".
👏 HVCH Nguyễn Minh Hiển, SV Nguyễn Khánh Huyền và HVCH Nguyễn Tấn Minh với bài báo ⚖️"ViCSR: A Large-scale Benchmark and Lightweight Two-Stage Framework for Vietnamese Case-to-Statute Retrieval".
DS&KT Lab cũng xin gửi lời chúc mừng và tri ân đến ❤️‍🔥cô Quỳnh, ❤️‍🔥thầy Trọng, ❤️‍🔥cô Yến, ❤️‍🔥cô Vân, ❤️‍🔥thầy An, ❤️‍🔥thầy Sơn và các cộng sự khác trong và ngoài nước của DS&KTLab đã luôn tận tâm hết mình vì khoa học.

✍️✍️✍️Sơ lược về các bài báo:
🛒From Top-1 to Top-K: A Reproducibility Study and Benchmarking of Counterfactual Explanations for Recommender Systems:
Counterfactual explanations (CEs) provide an intuitive way to understand recommender systems by identifying minimal modifications to user–item interactions that alter recommendation outcomes. Existing CE methods have been evaluated under heterogeneous protocols, hindering reproducibility and fair comparison. This paper systematically reproduces and re-evaluates eleven state-of-the-art CE methods and proposes a unified benchmarking framework across explanation formats, evaluation levels, and perturbation scopes. Extensive experiments show that no single method dominates across all settings, highlight effectiveness–sparsity trade-offs, and reveal scalability challenges of graph-based explainers.

📕Graph-Enhanced Sentence Retrieval for Multi-Document Summarization in Low-Resource Languages:
We address the trade-off in low-resource summarization between large but costly models and smaller models prone to hallucination. Our approach uses extractive sentence retrieval combined with language-adaptive mixture-of-experts embeddings and graph neural networks. With only 3.2M parameters, the model reduces training time by 28× compared to transformer-based methods, making it practical for single-GPU settings, and demonstrates effectiveness across multiple Southeast Asian languages.

⚖️ViCSR: A Large-scale Benchmark and Lightweight Two-Stage Framework for Vietnamese Case-to-Statute Retrieval:
We introduce ViCSR, a benchmark of 10,000 Vietnamese criminal cases and 1,122 statutory articles with citation-based relevance labels. We also propose a lightweight two-stage framework combining a fine-tuned Vietnamese bi-encoder for retrieval and a heterogeneous GNN for reranking. Results show clear improvements over strong baselines, emphasizing the importance of domain adaptation and structure-aware modeling in legal IR.