chương 1 của luận văn, Chúng tôi đã trình bày một cách tổng quan về tỉnh Bình Dương, về công tác thực hiện một số chính sách bảo hiểm thất nghiệp, thực hiện việc cung cấp thông tin về tuyển dụng lao động ở nước ngoài, quản lý người nước ngoài làm việc tại tỉnh Bình Dương và công tác giới thiệu việc làm, tư vấn giới thiệu việc làm và hỗ trợ phát triển thị trường lao động. Trình bày tổng quan về khai phá dữ liệu và các bước khai phá dữ liệu để áp dụng vào việc hỗ trợ gợi kết nối người tìm việc với nhà tuyển dụng cho công tác giới thiệu việc làm tại tỉnh Bình Dương. 8 CHƯƠNG 2 CÁC NGHIÊN CỨU LIÊN QUAN Trong chương 2, chúng tôi trình bày một số nghiên cứu liên quan về kết nối người tìm việc với nhà tuyển dụng và một số nghiên cứu liên quan đến phương pháp biểu diễn văn bản, mô hình vector, so khớp chuỗi, các độ đo tương đồng văn bản nhằm mục đích khai phá dữ liệu của Trung tâm dịch vụ việc làm tỉnh Bình Dương để cài đặt và thực nghiệm bài toán hỗ trợ gợi ý kết nối người tìm việc với nhà tuyển dụng cho công tác giới thiệu việc làm tại Bình Dương. Đồng thời, chương 2 cũng đưa đánh giá về các nghiên cứu đó và đưa ra quyết định lựa chọn phương pháp nào để thực hiện cài đặt, thực nghiệm trong luận văn.1 Các nghiên cứu về kết nối người tìm việc với nhà tuyển dụng Các nghiên cứu liên quan đến kết nối người tìm việc với nhà tuyển dụng ở Việt Nam đã được công bố ở nhiều nghiên cứu trong những năm gần đây.
Bài phân tích Thực trạng Cung – Cầu lao động và những giải pháp [1], bài phân tích này nêu rỏ về thực trạng tại thị trường lao động tại Việt Nam và đưa ra giải pháp trong tương lai cho việc kết nối người lao động và nhà tuyển dụng tại Việt Nam. Nghiên cứu kết nối cung – cầu việc làm hiệu quả [2] nêu ra được một số bài toán và các chương trình để có thể tìm được việc làm cho người lao động. Bài phân tích nâng cao hiệu suất kết nối cung – cầu lao động [3] cũng nêu lên được một số phương pháp để các Trung tâm dịch vụ việc làm trên cả nước thực hiện để từng bước nâng cao được hiệu suất việc kết nối người lao động với nhà tuyển dụng. Tuy nhiên các nghiên cứu và bài phân tích trên chỉ đưa ra được những giải pháp chung để các Trung tâm dịch vụ việc làm trên cả nước thực hiện việc kết nối người lao động với nhà tuyển dụng thông qua các kênh tuyên truyền, sàn dịch vụ việc làm., theo sự hiểu biết của Chúng tôi, chưa có một nghiên cứu nào để phân tích mô hình hỗ trợ gợi ý kết nối người lao động và nhà tuyển dụng để áp dụng cho thị trường lao động tại tỉnh Bình Dương.
Ngoài ra, một số đề tài đáng chú ý về so sánh, đánh giá độ tương tự văn bản như “Tính toán độ tương tự ngữ nghĩa văn bản dựa vào độ tương tự giữa từ với từ” của tác giả Đỗ Thị Thanh Nga (Đại học Công nghệ Đại học Quốc gia Hà Nội, 9 2010), đề tài “Nghiên cứu độ đo tương đồng văn bản trong tiếng Việt và ứng dụng” của tác giả Dương Thăng Long (Viện Đại học Mở Hà Nội, 2014), đề tài “Nghiên cứu kỹ thuật đánh giá độ tương đồng văn bản ứng dụng trong so sánh văn bản Tiếng Việt” của tác giả Nguyễn Kim Anh (Đại Học Hàng Hải Việt Nam, 2016). Đề tài của tác giả Đỗ Thị Thanh Nga năm 2010 đưa ra mô hình tính độ tương tự ngữ nghĩa giữa hai văn bản dựa trên độ tương tự giữa từ với từ kết hợp với tần suất đặc trưng của từ [5]. Kết quả của đề tài tương đối khả quan với những cặp văn bản hoặc là giống nhau nhiều hoặc là khác nhau nhiều. Tuy nhiên, do phương pháp này áp dụng công thức tính độ tương tự giữa từ với từ còn khá đơn giản.
Đề tài của tác giả Dương Thăng Long năm 2014 giới thiệu phương pháp đánh giá độ tương tự văn bản tiếng Việt sử dụng 3 yếu tố: độ tương tự dựa trên vector đặc trưng ngữ nghĩa, độ tương tự dựa trên cấu trúc thứ tự các từ và độ tương tự dựa trên ma trận so sánh cặp từ vựng theo nhóm từ loại [6]. Nhưng phương pháp đề xuất còn phụ thuộc vào kết quả của các xử lý trung gian, đặc biệt là dịch từ tiếng Việt sang tiếng Anh và đánh giá độ tương tự của cặp từ vựng tiếng Anh. Đề tài của tác giả Nguyễn Kim Anh năm 2016 giới thiệu phương pháp đánh giá độ tương tự hai văn bản bằng cách kết hợp độ tương tự ngữ nghĩa và độ tương tự về thứ tự từ [7]. Nhưng tác giả chưa xử lý từ dừng (Stopword) trong việc so sánh độ tương tự.
Trong luận văn này, chúng tôi đánh giá độ tương đồng văn bản dựa vào độ tương tự về thứ tự từ và độ tương tự về ngữ nghĩa kết hợp việc xử lý từ dừng (Stopword). Và theo chúng tôi được biết là chưa có mô hình nào khai phá dữ liệu về cung cầu lao động cũng như mô hình hỗ trợ gợi ý kết nối người tìm việc và nhà tuyển dụng cho công tác giới thiệu việc làm tại tỉnh Bình Dương.2 Các nghiên cứu liên quan đến phương pháp biểu diễn văn bản Trong xử lý văn bản có rất nhiều phương pháp có cách tính toán khác nhau, nhưng nhìn một cách tổng quan thì các phương pháp đó thường không tương tác trực tiếp trên tập dữ liệu thô ban đầu, mà thường thực hiện một số bước như tiền xử lý văn bản và mô hình hóa văn bản. 10 Văn bản trước khi được mô hình hóa, tức là trước khi sử dụng, cần phải được tiền xử lý. Quá trình tiền xử lý sẽ giúp nâng cao hiệu suất và giảm độ phức tạp khi sử dụng các phương pháp tính độ tương đồng.
Tùy vào mục đích khai thác mà chúng ta sẽ có những phương pháp tiền xử lý văn bản khác nhau như: chuyển hẳn về chữ thường; loại bỏ các ký tự đặc biệt, các chữ số, phép toán số học; tách văn bản thành các câu và các từ riêng lẻ để sử dụng cho mục đích tính toán sau này; loại bỏ các từ dừng (stopword); lưu các câu và các từ vào một cấu trúc dữ liệu phù hợp;… Nói cách khác, một văn bản ở dạng thô (dạng chuỗi) cần được chuyển sang một mô hình khác để tạo thuận lợi cho việc biểu diễn và tính toán. Tùy thuộc vào từng thuật toán xử lý khác nhau mà chọn mô hình biểu diễn phù hợp. Trong các cơ sở dữ liệu văn bản, mô hình vector là mô hình biểu diễn văn bản được sử dụng phổ biến nhất. Mối quan hệ giữa các tập văn bản được thực hiện thông qua việc tính toán trên các vector biểu diễn nên đem lại hiệu quả cao.
Theo mô hình này, mỗi văn bản được biểu diễn thành một vector. Mỗi thành phần của vector là một từ khóa riêng biệt trong tập văn bản gốc và được gán một giá trị là hàm f, chỉ mật độ xuất hiện của từ (hay từ khóa) trong văn bản. Trong nghiên cứu này, Chúng tôi đề xuất cách biểu diễn văn bản theo mô hình vector với ma trận trọng số từ (hay từ khóa)/tài liệu theo từ hoặc n-gram từ và sử dụng một số độ đo để tính toán, đo khoảng cách giữa các vector để đưa ra độ tương đồng giữa các văn bản.1 Mô hình vector Mô hình vector là một mô hình đại số thông dụng và đơn giản, thường được dùng để biểu diễn văn bản. Sau khi tiền xử lý, một văn bản được mô tả bởi một tập các từ hay cụm từ (gọi là từ chỉ mục).
Tập các từ chỉ mục xác định một không gian mà mỗi từ chỉ mục tượng trưng cho một chiều trong không gian đó. Các từ chỉ mục này cũng chính là các từ chứa nội dung chính của tập văn bản, mỗi từ chỉ mục này được gán một trọng số [4]. Để tính toán độ đo tương đồng giữa văn bản truy vấn và các văn bản mẫu, chúng ta có thể sử dụng các phép toán trên mô hình vector.1 Góc tạo bởi 2 vector d1, d2 và q 2.2 So khớp chuỗi Với bài toán so khớp văn bản, có thể giải quyết thông qua việc so khớp chuỗi. Bài toán so khớp chuỗi được phát biểu như sau: Cho trước một chuỗi văn bản có độ dài n và một mẫu có độ dài m, hãy tìm sự xuất hiện của mẫu trong văn bản.
Để tìm sự xuất hiện của tất cả các mẫu trong văn bản, thực hiện bằng cách quét qua toàn bộ văn bản một cách tuần tự. Bài toán “so khớp” có đặc trưng như một bài toán tìm kiếm, trong đó mẫu được xem như khóa. Một số thuật toán để giải quyết bài toán so khớp chuỗi như: Brute-Force, Morris-Pratt, KnuthMorris-Pratt (KMP), Boyer-Moore, Karp- Rabin, Horspool, … [4]. Những thuật toán này tập trung vào vấn đề so sánh hai chuỗi ký tự bất kỳ và phát hiện sự giống nhau giữa chúng.
Trong một số trường hợp, việc đo độ tương đồng giữa hai đoạn văn bản là sử dụng so khớp từ đơn giản và tạo ra một điểm tương tự trên số đơn vị từ vựng xảy ra ở cả hai đoạn văn bản đầu vào. Việc loại bỏ các từ dừng, gán nhãn từ loại, so khớp tập con dài nhất, cũng như gán các trọng số, … đều có thể được tích hợp để mang lại hiệu quả cho phương pháp so khớp văn bản. Qua quá trình kiểm tra thực tế, Chúng tôi nghiên cứu các thuật toán so khớp chuỗi để có thể ứng dụng trong bài toán hỗ trợ gợi ý kết nối người tìm việc với nhà tuyển dụng cho công tác giới thiệu việc làm tại tỉnh Bình Dương.3 Các độ đo tương đồng Sự tương đồng giữa hai văn bản là sự giống nhau về nội dung giữa hai văn bản đó. Do đó, hai văn bản là bản sao hoặc gần giống nhau thì sẽ có nội dung giống nhau nhiều, hay “độ tương đồng” giữa hai văn bản là cao.
Độ tương đồng nằm trong khoảng 12 giữa 0 và 1, như vậy độ tương đồng càng gần 1 thì khả năng các văn bản là bản sao hoặc gần giống nhau là cao, và ngược lại. Do đó, để xét xem các văn bản có phải là bản sao hoặc gần giống nhau hay không ta phải tính độ tương đồng giữa chúng [13].
