# Học bán giám sát Semi-supervised Learning

Tiếng Anh: Semi-supervised Learning

Kỹ thuật kết hợp dữ liệu có nhãn và không nhãn để huấn luyện mô hình, phù hợp với bài toán phát hiện gian lận ngân hàng khi chỉ một phần nhỏ giao dịch...

Nguồn: https://vieclam.nganhang.com/thuat-ngu/hoc-ban-giam-sat-semi-supervised-learning-la-gi
Danh mục: AI & Machine Learning trong ngân hàng
Cập nhật: 13/09/2026

Học bán giám sát Semi-supervised Learning là gì?

**Học bán giám sát** (**Semi-supervised Learning**) là một nhánh quan trọng trong lĩnh vực Trí tuệ nhân tạo (**Artificial Intelligence**) và Học máy (**Machine Learning**), nằm giữa Học có giám sát (**Supervised Learning**) và Học không giám sát (**Unsupervised Learning**). Đặc trưng cốt lõi của phương pháp này là kết hợp đồng thời hai loại dữ liệu trong quá trình huấn luyện mô hình: một lượng nhỏ dữ liệu có nhãn (**labeled data**) và một lượng lớn dữ liệu chưa có nhãn (**unlabeled data**). Nếu như Học có giám sát đòi hỏi mọi mẫu dữ liệu đều phải được gán nhãn — điều vừa tốn kém vừa khó thực hiện trong thực tế — và Học không giám sát lại thiếu định hướng rõ ràng, thì Học bán giám sát tận dụng được ưu điểm của cả hai hướng tiếp cận: vừa có "kim chỉ nam" từ dữ liệu có nhãn, vừa khai thác được cấu trúc ẩn trong lượng lớn dữ liệu thô chưa được gán nhãn.

Trong bối cảnh ngân hàng, **Semi-supervised Learning** đặc biệt có giá trị bởi đặc thù ngành tài chính: phần lớn dữ liệu giao dịch, hành vi khách hàng hay hoạt động tín dụng đều ở dạng thô và chưa được gán nhãn, trong khi chi phí để con người gán nhãn thủ công là cực kỳ lớn. Theo nhiều khảo sát, tỷ lệ giao dịch được xác nhận là gian lận (**fraud**) trong một ngân hàng bán lẻ thường chỉ chiếm khoảng 0,01% đến 0,1% tổng số giao dịch, nghĩa là cứ 10.000 giao dịch thì chỉ có khoảng 1 đến 10 giao dịch được chuyên viên phòng chống gian lận gán nhãn cụ thể. Nếu chỉ dùng dữ liệu có nhãn, mô hình sẽ thiếu hụt nghiêm trọng và không phản ánh đúng phân bố thực tế của toàn bộ tập dữ liệu. Đó chính là lý do **Học bán giám sát** trở thành công cụ không thể thiếu trong các bài toán phát hiện gian lận (**fraud detection**), chống rửa tiền (**Anti-Money Laundering - AML**) và chấm điểm tín dụng (**credit scoring**) hiện đại.

Không giống như các thuật toán Học có giám sát truyền thống — chỉ tận dụng tập dữ liệu có nhãn — **Semi-supervised Learning** tận dụng dữ liệu không nhãn để "hiểu sâu hơn" về phân phối tổng thể của dữ liệu, từ đó cải thiện đáng kể độ chính xác và khả năng tổng quát hóa (**generalization**) của mô hình. Cụ thể, mô hình sẽ học được ranh giới quyết định (**decision boundary**) tốt hơn nhờ "nhìn thấy" bức tranh toàn cảnh của dữ liệu thay vì chỉ dựa trên một tập mẫu nhỏ đã được gán nhãn. Điều này đặc biệt có ý nghĩa trong ngân hàng, nơi mà các mẫu gian lận mới liên tục xuất hiện và rất khó bị phát hiện nếu mô hình chỉ được huấn luyện trên các mẫu gian lận đã biết. Ngoài ra, phương pháp này còn giúp giải quyết bài toán mất cân bằng dữ liệu (**data imbalance**) — một thách thức cố hữu trong phát hiện gian lận — bằng cách sử dụng dữ liệu không nhãn để mô hình hiểu rõ hơn về đặc điểm của lớp đa số (giao dịch hợp lệ) và từ đó nhận diện chính xác hơn các điểm bất thường thuộc lớp thiểu số (giao dịch gian lận).

**Thuật ngữ tiếng Anh:** Semi-supervised Learning
**Lĩnh vực:** AI & Machine Learning trong ngân hàng

## Đặc điểm và phân loại

**Đặc điểm chính của Học bán giám sát:**

- **Kết hợp dữ liệu có nhãn và không nhãn:** Tỷ lệ phổ biến trong ngân hàng là 1 phần dữ liệu có nhãn (đã được chuyên viên xác nhận) và 99 phần dữ liệu không nhãn (giao dịch thông thường hoặc chưa rõ trạng thái). Đây là tỷ lệ rất thực tế vì việc gán nhãn gian lận đòi hỏi quy trình điều tra phức tạp.
- **Giảm chi phí gán nhãn:** Việc gán nhãn dữ liệu tài chính đòi hỏi chuyên gia tuân thủ quy trình KYC (**Know Your Customer**) và pháp lý, chi phí trung bình có thể lên tới 5-15 USD cho mỗi giao dịch. Với hàng triệu giao dịch mỗi ngày, tổng chi phí gán nhãn toàn bộ là không khả thi.
- **Cải thiện độ chính xác:** Theo nghiên cứu của các tổ chức AI hàng đầu, mô hình bán giám sát có thể tăng 10-30% độ chính xác so với mô hình chỉ dùng dữ liệu có nhãn trong bài toán phân loại mất cân bằng (**imbalanced classification**).
- **Yêu cầu giả định về dữ liệu:** Hoạt động hiệu quả khi dữ liệu có nhãn và không nhãn cùng chia sẻ một cấu trúc phân phối (**underlying distribution**) — ví dụ, các giao dịch gian lận và không gian lận đều tuân theo các quy luật hành vi nhất định. Hai giả định phổ biến là **Cluster Assumption** (các điểm dữ liệu cùng cụm thường có cùng nhãn) và **Manifold Assumption** (dữ liệu nằm trên một đa tạp có số chiều thấp hơn).
- **Khả năng thích ứng cao:** Có thể kết hợp với Học sâu (**Deep Learning**) để xử lý dữ liệu phi cấu trúc như văn bản, hình ảnh, log giao dịch, biến nó thành công cụ đa năng cho nhiều bài toán ngân hàng.
- **Khả năng mở rộng:** Khi lượng dữ liệu không nhãn tăng lên, hiệu suất mô hình thường được cải thiện tuyến tính, điều này rất phù hợp với môi trường ngân hàng nơi dữ liệu tăng theo cấp số nhân.

**Phân loại các phương pháp Học bán giám sát phổ biến:**

| Phương pháp | Đặc điểm chính | Ứng dụng điển hình trong ngân hàng |
|---|---|---|
| **Self-training** (Tự huấn luyện) | Mô hình dự đoán nhãn cho dữ liệu không nhãn, sau đó dùng chính những dự đoán có độ tin cậy cao để tái huấn luyện | Phát hiện giao dịch đáng ngờ trong thời gian thực |
| **Co-training** (Đồng huấn luyện) | Hai mô hình độc lập huấn luyện trên hai tập đặc trưng khác nhau, "dạy" lẫn nhau | Phân loại giao dịch dựa trên cả thông tin giao dịch và hành vi khách hàng |
| **Graph-based methods** (Phương pháp đồ thị) | Xây dựng đồ thị liên kết giữa các mẫu dữ liệu, lan truyền nhãn qua các cạnh | Phát hiện mạng lưới rửa tiền xuyên quốc gia |
| **Generative models** (Mô hình sinh) | Sử dụng GAN, VAE để học phân phối dữ liệu và sinh thêm mẫu có nhãn | Tăng cường dữ liệu cho các mẫu gian lận hiếm |
| **Pseudo-labeling** (Gán nhãn giả) | Gán nhãn tạm thời cho dữ liệu không nhãn dựa trên dự đoán của mô hình | Phân khúc khách hàng tiềm năng cho vay |
| **MixMatch / FixMatch** | Kết hợp consistency regularization và entropy minimization | Phát hiện gian lận thẻ tín dụng với độ chính xác cao |
| **Semi-supervised SVM** | Mở rộng Support Vector Machine cho dữ liệu không nhãn | Phân loại rủi ro tín dụng |
| **Mean Teacher / Temporal Ensembling** | Duy trì trung bình động của trọng số mô hình để ổn định dự đoán | Nhận diện giọng nói trong tổng đài AI ngân hàng |

## Ví dụ thực tế trong ngành ngân hàng

**Ví dụ 1: Phát hiện gian lận thẻ tín dụng tại Ngân hàng A**

Ngân hàng A là một ngân hàng bán lẻ lớn với hơn 8 triệu khách hàng, xử lý trung bình 12 triệu giao dịch thẻ mỗi ngày. Trước đây, ngân hàng chỉ sử dụng mô hình Học có giám sát với tập dữ liệu gồm 50.000 giao dịch gian lận đã được xác nhận (tỷ lệ gán nhãn khoảng 0,03%). Kết quả là mô hình chỉ đạt độ chính xác khoảng 78% và tỷ lệ bỏ sót gian lận (**false negative**) lên tới 22%, gây thiệt hại ước tính 200 tỷ đồng mỗi năm.

Sau khi triển khai hệ thống sử dụng **Semi-supervised Learning** kết hợp kỹ thuật **Pseudo-labeling** và **Graph-based methods**, Ngân hàng A bổ sung thêm 11,99 triệu giao dịch không nhãn vào tập huấn luyện. Mô hình mới đạt độ chính xác 91%, tỷ lệ bỏ sót gian lận giảm xuống còn 9%, giúp ngân hàng tiết kiệm khoảng 80 tỷ đồng chi phí bồi thường mỗi năm. Đặc biệt, mô hình bán giám sát còn phát hiện được các mẫu gian lận mới mà mô hình cũ chưa từng "thấy", chẳng hạn như các giao dịch rút tiền nhỏ lẻ tại nhiều ATM khác nhau trong cùng một ngày — dấu hiệu điển hình của skimming thẻ (sao chép thông tin thẻ từ các thiết bị đọc lén). Hệ thống còn giúp giảm 45% tỷ lệ cảnh báo sai (**false positive**), nghĩa là nhân viên ngân hàng không phải gọi điện xác minh hàng nghìn giao dịch hợp lệ mỗi ngày, từ đó nâng cao trải nghiệm khách hàng đáng kể.

**Ví dụ 2: Chống rửa tiền tại Ngân hàng B**

Ngân hàng B là ngân hàng thương mại cổ phần với mạng lưới chi nhánh trải rộng 63 tỉnh thành. Bài toán chống rửa tiền (**Anti-Money Laundering - AML**) đặt ra thách thức lớn: chỉ có khoảng 200 trường hợp rửa tiền được xác nhận mỗi năm (đã gán nhãn), nhưng có tới hàng triệu giao dịch có giá trị lớn cần được giám sát liên tục. Nhóm phân tích dữ liệu của ngân hàng đã áp dụng phương pháp **Co-training** kết hợp **Graph-based methods** để xây dựng đồ thị quan hệ giữa các tài khoản, giao dịch và đối tượng liên quan, giúp phát hiện các mạng lưới chuyển tiền phức tạp mà mắt thường khó nhận ra.

Kết quả: mô hình bán giám sát giúp phát hiện thêm 47 trường hợp nghi vấn rửa tiền mới trong 6 tháng đầu triển khai, tăng 235% so với phương pháp cũ. Hệ thống đặc biệt hiệu quả trong việc phát hiện các mạng lưới lừa đảo sử dụng nhiều tài khoản "trâu" (tài khoản người nhà, bạn bè) để chuyển tiền qua lại nhằm làm rối dòng tiền, vốn rất khó bị phát hiện nếu chỉ xét từng tài khoản riêng lẻ. Tổng giá trị giao dịch bị đóng băng và xử lý lên tới 350 tỷ đồng, đồng thời giúp Ngân hàng B tuân thủ tốt hơn các quy định của Ngân hàng Nhà nước và Cục Phòng chống rửa tiền.

**Ví dụ 3: Chấm điểm tín dụng khách hàng doanh nghiệp vừa và nhỏ**

Một ngân hàng đầu tư phát triển (gọi là Ngân hàng C) muốn xây dựng mô hình chấm điểm tín dụng (**credit scoring**) cho phân khúc khách hàng doanh nghiệp vừa và nhỏ (SME). Trong số 45.000 hồ sơ vay hiện có, chỉ có 6.000 hồ sơ được gán nhãn "tốt" hoặc "xấu" (đã có kết quả trả nợ rõ ràng), 39.000 hồ sơ còn lại đang trong quá trình vay hoặc chưa đủ thời gian đánh giá. Áp dụng **Semi-supervised Learning** với kỹ thuật **Self-training**, ngân hàng đã tận dụng được 39.000 hồ sơ không nhãn để cải thiện mô hình. Độ chính xác dự đoán vỡ nợ tăng từ 82% lên 89%, giúp ngân hàng giảm tỷ lệ nợ xấu xuống 0,8% so với mức 1,4% của năm trước. Ngoài ra, thời gian phê duyệt khoản vay cũng được rút ngắn từ 5-7 ngày xuống còn 24-48 giờ, tạo lợi thế cạnh tranh lớn so với các đối thủ fintech.

## Học bán giám sát Semi-supervised Learning trong các ngôn ngữ khác

| Ngôn ngữ | Thuật ngữ | Phiên âm |
|---|---|---|
| Tiếng Anh | Semi-supervised Learning | /ˌsɛmi səˈpɜːrvaɪzd ˈlɜːrnɪŋ/ |
| Tiếng Nhật | 半教師あり学習 (Hankyōshi arigaku shū) | han-kyōshi ari ga-ku-shū |
| Tiếng Hàn | 반지도학습 (Ban-jido-hakseup) | ban-ji-do hak-seup |
| Tiếng Trung | 半监督学习 (Bàn jiāndū xuéxí) | bàn jiān-dū xué-xí |
| Tiếng Tây Ban Nha | Aprendizaje semi-supervisado | /a.pɾen.diˈsa.xe se.mi su.pɛɾ.βiˈsa.ðo/ |

## Câu hỏi thường gặp

### Học bán giám sát Semi-supervised Learning khác gì Học có giám sát Supervised Learning?

**Học bán giám sát** và **Học có giám sát** đều sử dụng dữ liệu có nhãn để huấn luyện mô hình, nhưng điểm khác biệt cốt lõi nằm ở việc Học bán giám sát tận dụng thêm lượng lớn dữ liệu không nhãn trong quá trình huấn luyện. Trong ngân hàng, điều này đặc biệt quan trọng vì chi phí gán nhãn rất cao (mỗi giao dịch gian lận được xác nhận có thể mất 30-60 phút làm việc của chuyên viên, tương đương 15-30 USD). **Supervised Learning** phù hợp khi ngân hàng có đủ nguồn lực gán nhãn cho dữ liệu và tập dữ liệu đã tương đối cân bằng, còn **Semi-supervised Learning** là giải pháp tối ưu khi tỷ lệ dữ liệu có nhãn dưới 5% tổng tập dữ liệu hoặc khi bài toán có tính chất mất cân bằng nghiêm trọng như phát hiện gian lận.

### Khi nào ngân hàng cần áp dụng Học bán giám sát Semi-supervised Learning?

Ngân hàng nên cân nhắc áp dụng **Học bán giám sát** trong các trường hợp: (1) Tỷ lệ giao dịch gian lận được gán nhãn thấp hơn 1% tổng số giao dịch; (2) Ngân sách gán nhãn dữ liệu bị hạn chế nhưng vẫn cần mô hình chính xác cao; (3) Các bài toán phát hiện bất thường (**anomaly detection**) trong giao dịch, đăng nhập hay truy cập hệ thống; (4) Phân khúc khách hàng tiềm năng nhưng chưa có đủ dữ liệu lịch sử hành vi; (5) Bài toán tuân thủ quy định pháp lý như chống rửa tiền, báo cáo giao dịch đáng ngờ. Ngược lại, nếu ngân hàng đã có tập dữ liệu có nhãn đủ lớn và cân bằng, **Supervised Learning** thuần túy có thể là lựa chọn đơn giản và hiệu quả hơn vì ít phức tạp hơn trong triển khai.

### Học bán giám sát Semi-supervised Learning ảnh hưởng thế nào đến khách hàng?

Đối với khách hàng cá nhân, **Học bán giám sát** giúp hệ thống phát hiện gian lận nhanh hơn và chính xác hơn, giảm thiểu tình trạng thẻ bị khóa nhầm hoặc giao dịch bị từ chối oan. Theo thống kê, mô hình bán giám sát có thể giảm 40-60% tỷ lệ cảnh báo sai (**false positive**), nghĩa là khách hàng sẽ ít bị làm phiền bởi các cuộc gọi xác minh giao dịch không cần thiết. Đối với khách hàng doanh nghiệp, mô hình giúp quy trình duyệt vay nhanh hơn, chấm điểm tín dụng chính xác hơn, qua đó giảm thời gian phê duyệt khoản vay từ 5-7 ngày xuống còn 24-48 giờ. Tuy nhiên, ngân hàng cần đảm bảo tuân thủ quy định bảo vệ dữ liệu cá nhân theo **GDPR**, **PDPA** và Nghị định 13/2023/NĐ-CP của Việt Nam khi sử dụng dữ liệu khách hàng cho mục đích huấn luyện mô hình, đồng thời minh bạch thông báo cho khách hàng về việc dữ liệu của họ được sử dụng trong các hệ thống AI.

## Tổng kết

**Học bán giám sát Semi-supervised Learning** là một công nghệ cốt lõi trong chiến lược chuyển đổi số của ngành ngân hàng hiện đại, đặc biệt trong bối cảnh dữ liệu tài chính ngày càng phức tạp và tinh vi. Bằng cách khai thác đồng thời cả dữ liệu có nhãn (giá trị nhưng khan hiếm) và dữ liệu không nhãn (dồi dào nhưng chưa được khai thác), phương pháp này giúp các ngân hàng xây dựng được những mô hình AI mạnh mẽ hơn, tiết kiệm chi phí hơn và phản ánh đúng thực tế kinh doanh hơn. Trong kỷ nguyên mà gian lận tài chính, rửa tiền và các hình thức tội phạm công nghệ cao ngày càng tinh vi, việc nắm vững và ứng dụng thành thạo **Semi-supervised Learning** không chỉ là lợi thế cạnh tranh mà còn là yêu cầu bắt buộc để ngân hàng Việt Nam đứng vững trên thị trường tài chính khu vực và quốc tế. Đối với các ứng viên thi tuyển vào ngân hàng, hiểu rõ thuật ngữ này cũng là một lợi thế lớn khi phỏng vấn vào các vị trí liên quan đến Data Analytics, AI/ML Engineering và phòng chống gian lận.

## Thuật ngữ liên quan

- [Bảo vệ dữ liệu cá nhân](https://vieclam.nganhang.com/thuat-ngu/bao-ve-du-lieu-ca-nhan-la-gi) — Yêu cầu pháp lý ngân hàng phải thu thập, lưu trữ và xử lý dữ liệu cá nhân khách hàng theo Nghị định 13/2023/NĐ-CP và các quy định liên quan.
- [Giám sát giao dịch tự động](https://vieclam.nganhang.com/thuat-ngu/giam-sat-giao-dich-tu-dong-la-gi) — Hệ thống tự động phân tích giao dịch theo thời gian thực nhằm phát hiện hành vi rửa tiền và gian lận bất thường.
- [Học không giám sát](https://vieclam.nganhang.com/thuat-ngu/hoc-khong-giam-sat-la-gi) — Mô hình tự tìm cấu trúc ẩn trong dữ liệu chưa gán nhãn, như phân nhóm khách hàng tự động theo hành vi giao dịch.
- [Học máy trong ngân hàng](https://vieclam.nganhang.com/thuat-ngu/hoc-may-trong-ngan-hang-la-gi) — Thuật toán học máy phân tích dữ liệu lịch sử để dự đoán rủi ro vỡ nợ, hành vi khách hàng và gian lận giao dịch với độ chính xác ngày càng cao.
- [Nghị định 13/2023/NĐ-CP](https://vieclam.nganhang.com/thuat-ngu/nghi-dinh-132023nd-cp-la-gi) — Văn bản pháp lý quan trọng quy định về xử lý và bảo vệ dữ liệu cá nhân tại Việt Nam có hiệu lực từ ngày 01/07/2023.
- [Nghị định 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân](https://vieclam.nganhang.com/thuat-ngu/nghi-dinh-132023nd-cp-ve-bao-ve-du-lieu-ca-nhan-la-gi) — Văn bản pháp lý quan trọng quy định bảo vệ dữ liệu cá nhân tại Việt Nam, áp dụng cho dịch vụ tài chính số.
- [Phát hiện gian lận thẻ](https://vieclam.nganhang.com/thuat-ngu/phat-hien-gian-lan-the-la-gi) — Hệ thống phân tích real-time các giao dịch thẻ tín dụng/ghi nợ dựa trên địa điểm, thiết bị, số tiền để chặn giao dịch gian lận trong vòng milisecond.
- [Quản trị rủi ro mô hình](https://vieclam.nganhang.com/thuat-ngu/quan-tri-rui-ro-mo-hinh-la-gi) — Khung quy trình quản lý vòng đời mô hình phân tích nhằm đảm bảo độ chính xác và tuân thủ theo quy định NHNN.