Lecturer, Phó Hiệu trưởng, Trường Công nghệ Thông tin và Truyền thông; Phó Giám đốc điều hành BKAI, Đại học Bách khoa Hà Nội. Công tác tại Việt Nam từ năm 2014.
Tên khác trên các bài báo: Dinh Viet Sang, Sang Dinh Viet, Viet Sang Dinh, Sang Viet Dinh, Viet-Sang Dinh, Dinh V. Sang, Sang Dinh
Từ năm 2020, giảng viên có 3 bài được chấp nhận tại mười hội nghị. 2 bài được nhận trước năm 2026, 1 bài từ năm 2026. Tại ICLR: 0 bài nộp, 0 bài được chấp nhận, 0 bài bị từ chối.
Liên kết
- Trang cá nhân: users.soict.hust.edu.vn/sangdv
- Hồ sơ OpenReview (~Sang_Dinh1): openreview.net/profile?id=~Sang_Dinh1
- ACL Anthology: aclanthology.org/people/dinh-viet-sang
- DBLP: dblp.org/pid/277/9264
- Google Scholar: scholar.google.com/citations?user=6-IZoAUAAAAJ
Đồng tác giả
- Ngô Văn Linh (HUST): 2 bài
- Nguyen Thi Ngoc Diep (VNU-UET): 2 bài
- Nam Le Hai (HUST): 1 bài
Những người trên trang có bài chung với giảng viên này (được nhận, bị từ chối hoặc workshop), kèm đơn vị hiện tại và số bài chung; xem toàn bộ ở mục Giảng viên hợp tác.
Google Scholar
Số liệu được ghi lại từ hồ sơ Google Scholar vào ngày 2026-10-02 và không được cập nhật tự động. Google Scholar thống kê toàn bộ công bố, không chỉ riêng mười hội nghị.
| Tất cả | Từ năm 2021 | |
|---|---|---|
| Trích dẫn | 1324 | 1155 |
| Chỉ số h | 17 | 15 |
| Chỉ số i10 | 30 | 25 |
Số bài nộp và được nhận theo năm
Bài được nhận theo năm, theo đơn vị của tác giả
Mỗi cột là số bài được nhận trong một năm; phần xám là bài mới biết qua thông báo hoặc trang cá nhân.
Đồng tác giả và lĩnh vực
- Trung bình mỗi bài có 4.7 đồng tác giả, tính cả bài bị từ chối (ít nhất 4 trên một bài được chấp nhận, nhiều nhất 5 trên một bài nộp); tổng cộng 12 đồng tác giả khác nhau trên 3 bài.
- Trung bình mỗi bài có 1.3 đồng tác giả nước ngoài, tức đồng tác giả ghi đơn vị công tác ngoài Việt Nam.
- Có 7 đồng tác giả khác nhau công tác tại trường hoặc đơn vị khác ngoài HUST (4 người ở nước ngoài, 3 người ở Việt Nam).
- Chưa có bài nào được hội nghị gán nhãn chủ đề.
Bài được nhận (3)
-
ACL 2026
LLM-XTM: Enhancing Cross-Lingual Topic Models with Large Language Models
-
ICCV 2025
More Reliable Pseudo-labels, Better Performance: A Generalized Approach to Single Positive Multi-label Learning
-
ACL 2025
Mitigating Non-Representative Prototypes and Representation Bias in Few-Shot Continual Relation Extraction