Chúc mừng nhóm sinh viên HTTT2022.2 có bài báo được chấp nhận đăng tại Hội nghị Khoa học Quốc tế ISCMI 2025 (The 12th International Conference on Soft Computing & Machine Intelligence)
ISCMI 2025 được tổ chức bởi Hội nghị Quốc tế Ấn Độ về Trí tuệ Tính toán (IICCI), đồng thời nhận được sự bảo trợ kỹ thuật từ IEEE Brazil Council và IEEE Rio de Janeiro Section. Hội nghị ISCMI 2025 sẽ được tổ chức tại Rio de Janeiro, Brazil, từ ngày 21 đến 23 tháng 11 năm 2025.
Mục tiêu chính của ISCMI 2025 là công bố những nghiên cứu và kết quả mới nhất của các nhà khoa học trong lĩnh vực Tính toán mềm (Soft Computing) và Trí tuệ máy (Machine Intelligence).
Hội nghị này mang đến cơ hội để các đại biểu trực tiếp trao đổi ý tưởng mới, thiết lập các mối quan hệ kinh doanh hoặc nghiên cứu, cũng như tìm kiếm đối tác toàn cầu cho những dự án hợp tác trong tương lai.
Link hội nghị: https://www.iscmi.us
Tên bài báo: “Future-oriented learning: A market-driven course recommendation system”
Nhóm sinh viên:
- 22521438 – Huỳnh Ngọc Anh Thư – Lớp HTTT2022.2
- 22521366 – Trần Thị Kiều Thanh – Lớp HTTT2022.2
Giảng viên hướng dẫn:ThS. Nguyễn Hồ Duy Trí và ThS. Nguyễn Hồ Duy Tri (Đồng hướng dẫn)
Abstract:In the labour-market era, learners need guidance not only to choose courses that fit their academic interests but also to develop skills demanded by employers. Conventional course recommender systems mostly exploit learner–course interactions and meta-data such as ratings or instructor information; they often ignore job-market skill demand and thus risk recommending courses that are misaligned with industry needs. We propose SAS+HIN, a job-aware sequential recommender that extends SASRec by integrating a heterogeneous information network (HIN) over users, courses, skills and job postings. The model constructs meta-paths (Course–User–Course, Course–Skill–Course and Course–Skill–Job–Skill–Course) and pre-trains course embeddings via MetaPath2Vec. These embeddings are fused with item and positional encodings through a multi-channel gating network, and a JOB token injects occupational context into the sequence. Evaluated on data from University of Information Technology (UIT), Vietnam National University – Ho Chi Minh City (VNU-HCM) students and LinkedIn job postings, SAS+HIN outperforms baselines – POP, BPR-MF, LightGCN, SASRec and BERT4Rec – across Recall@K and NDCG@K metrics. Ablation experiments show that each component – multi-channel gating, HIN-guided negatives, alignment loss and JOB token – contributes to the final performance.
