[Dự án AI] Phát hiện tin nhắn lừa đảo qua từ khoá đáng ngờ

Mục tiêu

Vận dụng scikit-learn để xây dựng mô hình phân loại văn bản đầu tiên — nhận diện tin nhắn lừa đảo qua từ khoá — một kỹ năng phòng vệ thực tế trong bối cảnh lừa đảo qua tin nhắn/mạng xã hội đang là vấn nạn thời sự. Đồng thời rèn tư duy phản biện về giới hạn thật của các bộ lọc "chống lừa đảo" tự động mà em vẫn gặp hàng ngày.

Thời lượng gợi ý: 2 tiết học (90 phút)

• Tiết 1 (cell 1-6): lý thuyết biến văn bản thành số (CountVectorizer) và phân loại bằng xác suất (Naive Bayes), huấn luyện mô hình đầu tiên
• Tiết 2 (cell 7-14): dự đoán tin nhắn mới, tư duy phản biện (dữ liệu ít dễ ngộ nhận, bỏ qua ngữ cảnh/phủ định, lừa đảo luôn tiến hoá cách viết, chi phí sai khác nhau giữa 2 loại lỗi), mở rộng dữ liệu qua Tải CSV, vận dụng

Em sẽ làm được gì

• Hiểu cách máy tính biến văn bản thành số bằng CountVectorizer (mô hình "túi từ" — bag-of-words)
• Huấn luyện mô hình phân loại MultinomialNB (Naive Bayes) để phân loại lừa đảo/bình thường
• Dùng mô hình để dự đoán cho tin nhắn hoàn toàn mới
• Phát hiện điểm yếu thật của mô hình túi từ: bỏ qua ngữ cảnh và phép phủ định
• Hiểu vì sao độ chính xác đo trên chính dữ liệu huấn luyện dễ gây ngộ nhận
• Nhận ra chi phí khác nhau giữa 2 loại sai lầm khi xây hệ thống lọc thật (bỏ sót vs cảnh báo nhầm)

Về dữ liệu

Đây là dự án dùng nội dung mang tính PHÒNG VỆ — nhận diện dấu hiệu lừa đảo để bảo vệ bản thân, không phải hướng dẫn cách lừa đảo. Notebook chạy được ngay với 20 tin nhắn MẪU ở Cell 3 (tự biên soạn, không sao chép từ vụ lừa đảo thật nào). GV/HS có thể mở rộng bộ tin nhắn (thêm ví dụ tự nghĩ ra, không dùng tin nhắn thật của người khác khi chưa xin phép) qua Tải CSV — xem hướng dẫn ở Cell 2.