1.1 Lý do chọn đềtài
Tri thức của nhân loại là một kho tàng to lớn và quý báu. Hàng ngày, một khối
lượng khổng lồnhững tri thức mới được bổsung khiến kích thước kho tri thức nhân
loại tăng trưởng nhanh chóng. Do vậy, việc tìm kiếm các tài liệu phù hợp cho nhu
cầu thông tin của con người một cách thủcông là hoàn toàn không khảthi. Vì đó,
nhiều công cụtìm kiếm thông tin tự động đã được phát triển đểphục vụnhu cầu
truy lục.
Tuy nhiên, các giải pháp tìm kiếm thông tin hiện nay vẫn còn gặp phải một sốhạn
chếsau :
(i) Việc lập chỉmục chủyếu dựa trên các từkhóa mà chưa quan tâm đến ngữcảnh
mà chúng xuất hiện cũng nhưmối liên hệgiữa chúng. Việc so khớp đơn thuần trên
từkhóa có thểtrảra những tài liệu không phù hợp với nhu cầu thông tin của người
dùng.
(ii) Một thách thức lớn là ngôn ngữvừa có thể đa nghĩa (tùy vào bối cảnh và lĩnh
vực chuyên môn mà từngữcó thểmang các nghĩa khác nhau) lại vừa có thể đồng
nghĩa (những từngữkhác nhau nhưng có cùng một nghĩa). Thông tin được biểu
diễn qua ngôn ngữbằng nhiều cách phong phú và gây nhiễu khiến tìm kiếm bằng từ
khóa không thểhiệu quả được.
(iii) Khi người dùng tìm kiếm thông tin, họthường đồng thời quan tâm cảnhững
thông tin có liên quan mật thiết với thông tin cần tìm (điều này đặc biệt phổbiến đối
với nhu cầu truy lục tài liệu chuyên môn của các chuyên gia). Chẳng hạn nhưkhi
các Bác sĩtìm kiếm tài liệu liến quan đến “Chứng đau thắt ngực”, sẽrất hữu ích nếu
họ được hỗtrợtìm kiếm thêm những tài liệu liên quan đến ba nguyên nhân chính
của “Chứng đau thắt ngực” là : “Phình động mạch vành”, “Xơcứng động mạch
vành” và “Huyết khối động mạch vành”. Các giải pháp tìm kiếm thông tin hiện có
chưa đáp ứng được nhu cầu này.
Từ đó mởra hướng nghiên cứu đểxây dựng một mô hình lập chỉmục mới nhằm
khắc phục các hạn chếtrên và giúp tìm kiếm thông tin hiệu quảhơn : Mô hình lập
chỉmục dựa trên khái niệm.
Theo [11], Lập chỉmục dựa trên khái niệm là lập chỉmục với tập từchỉmục là tập
các khái niệm cho trước được tổchức theo một cấu trúc Ontology. Các khái niệm
được tìm kiếm dựa trên ngữnghĩa của chúng thay vì đơn thuần dựa trên từkhóa,
nhờ đó khắc phục hạn chế(i).
Đến nay, các công trình nghiên cứu lập chỉmục trên khái niệm cho tiếng Anh đã đạt
được những thành tựu nhất định, nhưng kết quảnghiên cứu cho tiếng Việt còn hạn
chế. Đềtài của luận văn nhắm đến việc xây dựng và thửnghiệm một hệthống lập
chỉmục trên khái niệm cho tiếng Việt.
Các khái niệm thường được thểhiện trong văn bản dưới dạng các cụm danh từdo
đó trước hết luận văn sẽtập trung xửlý rút trích cụm danh từtrong tài liệu nhưcác
khái niệm ứng viên.
Trước khi tiến hành so khớp một cụm danh từC rút trích được với các khái niệm
trong Ontology, luận văn sẽtiến hành phát sinh các biến thể(variants) của C. Mỗi
biến thểlà một cụm từtương đương với cụm từgốc C theo một nghĩa nào đấy và
được phát sinh dựa trên tri thức vềcấu trúc ngữpháp của C. Cách làm này khắc
phục được các hạn chế(ii).
Ngoài ra, luận văn quan tâm hỗtrợngười dùng khảnăng định hướng trong không
gian khái niệm với các mối kết hợp (tổng quát hoá, chuyên biệt hóa, đồng nghĩa )
nên khắc phục được hạn chế(iii).
1.2 Mục tiêu của luận văn
Mục tiêu nghiên cứu của luận văn bao gồm những điểm sau :
- Tìm hiểu các kỹthuật và phương pháp lập chỉmục trên khái niệm.
- Tìm hiểu các kỹthuật và phương pháp phát sinh biến thểcho cụm từvà việc
ứng dụng nó trong lập chỉmục trên khái niệm.
- Tìm hiểu cấu trúc đặc thù của cụm danh từtiếng Việt và đềxuất một giải
pháp phát sinh biến thểcho cụm danh từtiếng Việt nhằm phục vụcho lập chỉ
mục trên khái niệm tiếng Việt.
- Tìm hiểu các phương pháp so khớp đểso khớp các khái niệm trích ra từtài
liệu với các khái niệm trong một Ontology.
- Vận dụng một sốphương pháp đã tìm hiểu đểxây dựng thửnghiệm một hệ
thống lập chỉmục trên khái niệm cho các tài liệu Y khoa tiếng Việt và so
sánh kết quả.
1.3 Nội dung nghiên cứu
Bài toán Lập chỉmục trên khái niệm đã thu hút nhiều nỗlực của cộng đồng nghiên
cứu, nhất là khi tri thức nhân loại phát triển ngày càng đồsộvà nhu cầu tìm kiếm
thông tin hiệu quảtrởnên cần thiết hơn bao giờhết. Có nhiều hướng tiếp cận đểgiải
quyết bài toán Lập chỉmục trên khái niệm. Một bản khảo sát cô đọng các công trình
nghiên cứu liên quan sẽ được trình bày trong chương 2 của luận văn. Nó giúp ta có
được cái nhìn tổng thểvềhiện trạng trong hướng nghiên cứu lập chỉmục trên khái
niệm.
Bài toán lập chỉmục trên khái niệm gặp một thách thức là khái niệm có thể được
nói đến bằng nhiều tên gọi khác nhau. Những tên gọi này là các biến thểcủa nhau.
Đểrút trích hiệu quảcác khái niệm từtài liệu, cần nhận biết chúng dù chúng được
đềcập bằng tên gọi nào. Do đó luận văn quan tâm việc phát sinh biến thểcủa cụm
từ, cụthểlà cụm danh từ(vì người ta dùng cụm danh từ đểgọi tên khái niệm). Một
giới thiệu tổng quan vềcác loại biến thểcùng với các kỹthuật phát sinh biến thể
tương ứng được trình bày trong chương 4 của luận văn. Cũng trong chương này,
luận văn trình bày giải pháp phát sinh biến thểcủa mình đểphục vụcho việc lập chỉ
mục trên khái niệm.
Cụm danh từcần được rút trích từtài liệu trước khi các biến thểcủa chúng được
phát sinh và trước khi ánh xạtài liệu vào khái niệm trong Ontology. Chương 3 của
luận văn trình bày một giải pháp rút trích cụm danh từtrong tài liệu tiếng Việt và hệ
thống cài đặt giải pháp ấy [7]. Giải pháp này có những xửlý đặc biệt phục vụcho
mục tiêu phát sinh biến thểcho các cụm danh từrút trích được.
Với hướng tiếp cận luận văn chọn theo, kết quảsau cùng của hệthống lập chỉmục
trên khái niệm biểu diễn mỗi tài liệu bằng một vector các khái niệm (trong
Ontology) liên quan. Do vậy việc ánh xạtài liệu vào Ontology là một xửlý quan
trọng. Chương 5 của luận văn trình bày các giải pháp ánh xạmà luận văn sửdụng
và hệthống cài đặt thửnghiệm các giải pháp ấy [27]
Kết quảthửnghiệm của luận văn được trình bày trong chương 6. Luận văn sửdụng
bộdữliệu đánh giá được xây dựng bởi [11] và hiệu chỉnh lại bởi [27]. Sau cùng,
các kết luận cùng một sốhướng phát triển được trình bày trong chương 7 của luận
văn.
