Trích chọn thông tin là lĩnh vực quan trọng trong khai phá dữliệu, trong đó trích
chọn thực thểlà một bài toán con, cơbản nhưng đóng vai trò hết sức quan trọng. Nó
có thể được sửdụng đểhỗtrợcho phương pháp tìm kiếm mới – tìm kiếm hướng thực
thể, và góp phần quan trọng cho việc xây dựng web ngữnghĩa.
Có nhiều phương pháp tiếp cận khác nhau cho bài toán trích chọn thực thểnhư
phương pháp học máy HMM, Trong khóa luận này em trình bày một phương pháp
đểtrích chọn thực thểtên tổchức tiếng Việttrong văn bản tiếng Việt trên môi trường
Web. Phương pháp này dựa trên ý tưởng của Sergey Brin mà cụthểhơn là thuật toán
DIPRE trong việc trích chọn cặp quan hệ tên sách và tác giảcủa những cuốn sách
tiếng Anh trên môi trường Web. Ưu điểm của phương pháp này là cần ít sựcan thiệp
của con người, không cần sựhỗtrợcủa các ứng dụng phụnhưxác định từloại (POS –
tag). Kết quảthực nghiệm trên các văn bản tiếng Việt cho thấy phương pháp này
tương đối khảquan.
