APWeb-WAIM 2026: Các nghiên cứu nâng cấp AI xử lý thông minh các dữ liệu phức tạp

Sáng ngày 8/9, APWeb-WAIM 2026 tiếp tục với 21 phần trình bày tập trung vào việc giúp AI hiểu cấu trúc của mạng dữ liệu, bảo vệ thông tin vị trí của người dùng đến tìm kiếm dữ liệu theo cả không gian và thời gian. Các nghiên cứu đã cho thấy một yêu cầu ngày càng rõ: khi dữ liệu trở nên phức tạp hơn, các hệ thống AI và xử lý dữ liệu cũng phải trở nên thông minh, chính xác và hiệu quả hơn.

Để AI hiểu được “mối liên hệ” trong dữ liệu

Nhóm nghiên cứu từ ĐH Sư phạm Nam Trung Quốc và ĐH Sư phạm Kỹ thuật Quảng Đông giới thiệu nghiên cứu “Incorporating Line Graph Topology Feature in Graph Convolutional Network” tại sáng ngày thứ 2 của hội nghị.

Theo đại diện nhóm, mạng nơ-ron tích chập đồ thị (Graph Convolutional Networks - GCN) là phương pháp giúp AI xử lý dữ liệu có dạng mạng lưới, trong đó các đối tượng được kết nối với nhau. Tuy nhiên, nhiều phương pháp hiện nay chủ yếu tập trung vào các “nút” (đối tượng trong mạng) nên nghiên cứu đề xuất bổ sung việc khai thác đầy đủ thông tin về các mối liên kết giữa chúng vào quá trình học của AI. 

Thử nghiệm trên ba bộ dữ liệu về trích dẫn khoa học cho thấy phương pháp này nhìn chung đạt kết quả tốt hơn các phương pháp đối chứng trong hai nhiệm vụ: phân loại đối tượng trong mạng và dự đoán mối liên kết.

Dữ liệu vị trí càng hữu ích, quyền riêng tư càng cần được bảo vệ

Với sự phát triển của thiết bị thông minh và các công nghệ định vị, dữ liệu về hành trình di chuyển ngày càng được sử dụng trong các ứng dụng cảm biến cộng đồng. Tuy nhiên, việc chia sẻ những dữ liệu này có thể tạo ra rủi ro về quyền riêng tư.

Nghiên cứu “M-DPTD: A Differential Privacy Framework for Trajectory Data in Mobile Crowdsensing” về dữ liệu cộng đồng của nhóm tác giả Trường ĐH Đông Nam (Trung Quốc) đã giải quyết được câu hỏi: làm thế nào để dữ liệu vẫn có thể được chia sẻ mà không làm lộ thông tin riêng tư.

Theo đó, nhóm sử dụng M-DPTD - một khung bảo vệ dữ liệu hành trình dựa trên riêng tư vi phân, một kỹ thuật cho phép kiểm soát mức độ thông tin cá nhân có thể bị suy ra từ dữ liệu được chia sẻ. Điểm đáng chú ý là hệ thống không chỉ tập trung vào việc “giấu” thông tin mà còn tìm cách giữ lại giá trị sử dụng của dữ liệu thông qua việc cân bằng các yếu tố như khoảng cách không gian, cấu trúc khu vực và sự liên tục theo thời gian.

Tối ưu hoá việc tìm kiếm khi có sự biến đổi dữ liệu thành phần 

Chọn nghiên cứu về lĩnh vực dữ liệu chuỗi thời gian, nhóm chuyên gia của ĐH Phúc Đán (Trung Quốc) đã đề cập tới bài toán làm thế nào để tìm nhanh những chuỗi dữ liệu tương đồng khi dữ liệu cảm biến vừa gắn với vị trí, vừa thay đổi theo thời gian.

Nghiên cứu “A Hybrid Index for Time Series Similarity Search” đề xuất GTS-tree – một cấu trúc chỉ mục kết hợp thông tin về khoảng cách trên mạng lưới đường và đặc điểm của chuỗi dữ liệu theo thời gian.

Thay vì chỉ xem xét hai dữ liệu giống nhau về giá trị, phương pháp còn tính đến việc chúng nằm gần nhau trên mạng lưới đường và có diễn biến theo thời gian tương tự hay không. Sau đó, hệ thống sử dụng các chiến lược lọc để loại bỏ sớm những dữ liệu không phù hợp, giảm lượng tính toán cần thiết.

Dù giải quyết những bài toán khác nhau nhưng có thể thấy nhiều nghiên cứu được chia sẻ tại APWeb-WAIM 2026 cùng hướng tới mục tiêu là khai thác dữ liệu phức tạp hiệu quả hơn để AI hiểu được các mối liên hệ, dữ liệu có thể được chia sẻ an toàn và hệ thống có thể tìm kiếm thông tin nhanh chóng ngay cả khi dữ liệu kết hợp nhiều chiều như không gian và thời gian.

Hội nghị quốc tế 10th Asia Pacific Web and Web-Age Information Management Joint International Conference on Web and Big Data (APWeb-WAIM 2026) đang diễn ra tại Trường ĐH FPT phân hiệu Đà Nẵng, từ ngày 07-09/9/2026. 

Hội nghị có sự tham gia của ba diễn giả chính uy tín đến từ các trường đại học hàng đầu Singapore, Hong Kong, Trung Quốc, hơn 100 nhà nghiên cứu, chuyên gia, giảng viên và sinh viên đến từ 12 quốc gia và vùng lãnh thổ. Hội nghị quy tụ 162 công trình nghiên cứu trải rộng trên nhiều chủ đề như hệ thống Web, khai phá dữ liệu Web, cơ sở dữ liệu, Big Data, truy hồi thông tin, trí tuệ nhân tạo, học máy và điện toán đám mây. Các nghiên cứu được trình bày theo hình thức trực tuyến và trực tiếp. 

Huệ Anh