Hệ Thống Tìm Kiếm Tri Thức Thông Minh Trên Miền WikiHow

Khám phá hệ thống tìm kiếm tri thức thông minh trên miền wikihow, nâng cao trải nghiệm người dùng và tối ưu hóa thông tin hiệu quả.

• Tác giả: Lê Đỗ Tân
• Người hướng dẫn: PGS. Phạm Bảo Sơn
• Trường học: Đại học Quốc gia Hà Nội
• Chuyên ngành: Khoa học máy tính
• Đề tài: Hệ Thống Tìm Kiếm Tri Thức Thông Minh Trên Miền WikiHow
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2021
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• LỜI MỞ ĐẦU
• Danh sách bảng
• Danh sách hình vẽ
• 1. Chương 1: Giới thiệu
• 1.1. Phạm vi bài toán và mục tiêu nghiên cứu
• 1.2. Đóng góp của luận văn
• 1.3. Cấu trúc của luận văn
• 2. Chương 2: Kiến thức nền tảng
• 2.1. Công cụ tìm kiếm
• 2.1.1. Công cụ tìm kiếm trực tuyến
• 2.1.2. Cấu trúc tổng quan các công cụ tìm kiếm trực tuyến
• 2.1.3. Công cụ tìm kiếm mã nguồn mở
• 2.1.4. Các dạng câu trả lời nhanh của Google
• 2.2. Nền tảng về xử lý ngôn ngữ tự nhiên
• 2.2.1. Tìm kiếm ngữ nghĩa (Semantic search)
• 2.2.2. TF – term frequency
• 2.2.3. IDF – inverse document frequency
• 2.2.4. Giá trị TF-IDF
• 2.2.5. Phân tách từ (word segmentation)
• 2.2.6. Gán nhãn từ loại (Part of speech tagging – POSTag)
• 2.3. Công cụ hỗ trợ
• 3. Chương 3: Hệ thống tìm kiếm tri thức trên miền Wikihow
• 3.1. Tính toán độ tương đồng giữa hai câu văn
• 3.2. Tập dữ liệu
• 3.3. Xây dựng hệ thống
• 3.3.1. Thu thập dữ liệu từ wikiHow và index dữ liệu vào Elasticsearch
• 3.3.1.1. Thu thập dữ liệu từ trang web wikiHow
• 3.3.1.2. Index dữ liệu vào công cụ ElasticSearch
• 3.3.2. Tìm kiếm bài viết phù hợp với truy vấn
• 3.3.3. Xây dựng website tìm kiếm tri thức trên miền wikiHow
• 3.3.3.1. Xây dựng cơ sở dữ liệu với MySQL
• 3.3.3.2. Backend server sử dụng Play framework
• 3.3.3.3. Xây dựng giao diện người dùng với AngularJs
• 4. Chương 4: Thực nghiệm và kết luận
• 4.1. Tập dữ liệu thực nghiệm
• 4.2. Tính toán thời gian tìm kiếm
• 4.3. Tiến hành thực nghiệm
• 4.4. Đánh giá của người dùng
• 4.5. Những cải tiến trong tương lai
• Tài liệu tham khảo

Tóm tắt

I. Tổng Quan Về Hệ Thống Tìm Kiếm Tri Thức wikiHow Giới Thiệu

Trong thời đại công nghệ số, nhu cầu tìm kiếm thông tin, đặc biệt là thông tin hướng dẫn (How-to query) ngày càng tăng cao. Giải pháp phổ biến là sử dụng các công cụ tìm kiếm như Google. Tuy nhiên, hiệu quả của Google với dạng How-to query còn hạn chế, đặc biệt là với các ngôn ngữ ít phổ biến như tiếng Việt. Các vấn đề tồn tại bao gồm: kết quả tìm kiếm không chính xác, chỉ đề xuất một phương pháp duy nhất thay vì nhiều giải pháp, bố cục trình bày không thân thiện. Hệ thống tìm kiếm tri thức thông minh trên miền wikiHow ra đời nhằm giải quyết những hạn chế này. Hệ thống cung cấp công cụ tìm kiếm tốt hơn cho tiếng Việt, biểu diễn nhiều phương pháp giải quyết vấn đề (nếu có) và hiển thị kết quả thân thiện hơn với người dùng. Mục tiêu là mang lại trải nghiệm tìm kiếm hiệu quả và trực quan hơn cho người dùng Việt Nam.

1.1. Nhu Cầu Tìm Kiếm Thông Tin Hướng Dẫn How to Query

Nhu cầu tìm kiếm thông tin để giải quyết vấn đề (How-to query) chiếm tỉ trọng đáng kể trên Internet. Ví dụ: "cách nấu món sườn xào chua ngọt", "cách cài đặt windows 10", "cách gỡ bỏ một ứng dụng trên điện thoại". Google là giải pháp phổ biến, nhưng hiệu quả hạn chế với tiếng Việt. Các vấn đề bao gồm: kết quả không chính xác, thiếu đa dạng về phương pháp, bố cục trình bày không thân thiện. WikiHow là một nguồn tài nguyên tiềm năng cho các câu hỏi How-to.

1.2. Hạn Chế Của Các Công Cụ Tìm Kiếm Hiện Tại Cho Tiếng Việt

Google hoạt động tốt với các ngôn ngữ phổ biến như tiếng Anh, nhưng mức độ hiệu quả với How-to query còn hạn chế với tiếng Việt. Kết quả tìm kiếm trên Google chỉ đề xuất duy nhất một phương pháp thay vì liệt kê các giải pháp khác nhau. Bố cục trình bày kết quả không thân thiện với người dùng, gây khó khăn trong việc tiếp cận thông tin. Điều này thúc đẩy sự cần thiết của một hệ thống tìm kiếm chuyên biệt cho How-to query tiếng Việt.

II. Thách Thức Trong Xây Dựng Hệ Thống Tìm Kiếm wikiHow Hiệu Quả

Xây dựng hệ thống tìm kiếm tri thức thông minh trên miền wikiHow đặt ra nhiều thách thức. Thứ nhất, cần xử lý lượng lớn dữ liệu văn bản tiếng Việt, đòi hỏi các kỹ thuật xử lý ngôn ngữ tự nhiên (NLP) hiệu quả. Thứ hai, cần xác định độ tương đồng giữa truy vấn của người dùng và nội dung bài viết trên wikiHow một cách chính xác. Thứ ba, cần biểu diễn kết quả tìm kiếm một cách trực quan, thân thiện với người dùng, giúp họ dễ dàng tìm thấy thông tin cần thiết. Các thách thức này đòi hỏi sự kết hợp của nhiều kỹ thuật khác nhau, từ thu thập dữ liệu, xử lý ngôn ngữ tự nhiên, đến thiết kế giao diện người dùng.

2.1. Xử Lý Dữ Liệu Văn Bản Tiếng Việt và NLP

Dữ liệu trên wikiHow chủ yếu là văn bản tiếng Việt, đòi hỏi các kỹ thuật NLP để phân tích và xử lý. Các kỹ thuật cần thiết bao gồm: phân tách từ (word segmentation), gán nhãn từ loại (Part-of-speech tagging - POSTag), và phân tích cú pháp. Việc xử lý ngôn ngữ tiếng Việt phức tạp hơn so với tiếng Anh do đặc điểm của ngôn ngữ (ví dụ: từ ghép, dấu thanh). Chính vì thế, cần sử dụng các công cụ và mô hình NLP được tối ưu hóa cho tiếng Việt.

2.2. Độ Tương Đồng Giữa Truy Vấn và Nội Dung wikiHow

Xác định độ tương đồng giữa truy vấn của người dùng và nội dung bài viết trên wikiHow là yếu tố then chốt để hệ thống hoạt động hiệu quả. Cần sử dụng các phương pháp tìm kiếm ngữ nghĩa (Semantic search) để hiểu ý nghĩa của truy vấn và nội dung, thay vì chỉ dựa trên từ khóa. Các phương pháp phổ biến bao gồm: TF-IDF, Word2Vec, và BERT. Việc lựa chọn phương pháp phù hợp phụ thuộc vào đặc điểm của dữ liệu và yêu cầu của bài toán.

2.3. Biểu Diễn Kết Quả Tìm Kiếm Thân Thiện Người Dùng

Biểu diễn kết quả tìm kiếm một cách trực quan và thân thiện với người dùng là rất quan trọng. Kết quả cần được hiển thị rõ ràng, dễ đọc, và dễ tìm kiếm thông tin cần thiết. Cần hiển thị các bước thực hiện, hình ảnh minh họa (nếu có), và các thông tin liên quan khác. Thiết kế giao diện người dùng cần được tối ưu hóa để mang lại trải nghiệm tốt nhất cho người dùng. Việc xây dựng website tìm kiếm tri thức là cần thiết.

III. Phương Pháp Xây Dựng Hệ Thống Tìm Kiếm Tri Thức wikiHow Tiên Tiến

Luận văn đề xuất phương pháp xây dựng hệ thống tìm kiếm tri thức thông minh trên miền wikiHow dựa trên kiến trúc ba lớp: thu thập và index dữ liệu, tìm kiếm và truy xuất thông tin, và hiển thị kết quả cho người dùng. Lớp thu thập và index dữ liệu sử dụng các công cụ như Scrapy và Elasticsearch để thu thập dữ liệu từ wikiHow và xây dựng chỉ mục. Lớp tìm kiếm và truy xuất thông tin sử dụng các kỹ thuật NLP và các mô hình học máy để xác định độ tương đồng giữa truy vấn và nội dung. Lớp hiển thị kết quả sử dụng các framework web như AngularJs để xây dựng giao diện người dùng thân thiện.

3.1. Thu Thập Dữ Liệu từ wikiHow và Index với Elasticsearch

Việc thu thập dữ liệu từ wikiHow sử dụng các công cụ như Scrapy để tự động thu thập dữ liệu từ các trang web. Dữ liệu thu thập được bao gồm: tiêu đề bài viết, nội dung các bước thực hiện, hình ảnh minh họa. Elasticsearch được sử dụng để xây dựng chỉ mục cho dữ liệu, giúp tăng tốc độ tìm kiếm. Quá trình index dữ liệu vào Elasticsearch bao gồm: phân tích văn bản, tạo chỉ mục, và lưu trữ dữ liệu.

3.2. Tìm Kiếm Bài Viết Phù Hợp Với Truy Vấn

Tìm kiếm bài viết phù hợp với truy vấn sử dụng các kỹ thuật NLP và các mô hình học máy. Truy vấn của người dùng được xử lý để trích xuất các từ khóa và xác định ý nghĩa. Sau đó, hệ thống sẽ tìm kiếm các bài viết trên wikiHow có nội dung liên quan đến truy vấn. Độ tương đồng giữa truy vấn và nội dung được tính toán bằng các phương pháp như TF-IDF hoặc Word2Vec.

3.3. Xây Dựng Website Tìm Kiếm Tri Thức Với AngularJs

Website tìm kiếm tri thức được xây dựng bằng AngularJs để tạo giao diện người dùng thân thiện. Website cho phép người dùng nhập truy vấn và hiển thị kết quả tìm kiếm. Kết quả tìm kiếm được hiển thị rõ ràng, dễ đọc, và dễ tìm kiếm thông tin cần thiết. Website cũng cung cấp các tính năng như lọc kết quả, sắp xếp kết quả, và xem chi tiết bài viết.

IV. Ứng Dụng Thực Tế và Đánh Giá Hiệu Quả Hệ Thống wikiHow

Hệ thống được đánh giá thông qua các thực nghiệm trên tập dữ liệu wikiHow. Các chỉ số đánh giá bao gồm: thời gian tìm kiếm, độ chính xác của kết quả, và mức độ hài lòng của người dùng. Kết quả thực nghiệm cho thấy hệ thống có thời gian tìm kiếm nhanh, độ chính xác cao, và được người dùng đánh giá cao về tính tiện lợi và thân thiện. Đánh giá của người dùng là yếu tố quan trọng để cải thiện hệ thống.

4.1. Tập Dữ Liệu Thực Nghiệm từ wikiHow

Tập dữ liệu thực nghiệm được thu thập từ wikiHow, bao gồm một số lượng lớn các bài viết hướng dẫn. Dữ liệu được chia thành hai phần: tập huấn luyện và tập kiểm tra. Tập huấn luyện được sử dụng để huấn luyện các mô hình học máy. Tập kiểm tra được sử dụng để đánh giá hiệu quả của hệ thống. Kích thước của tập dữ liệu là một yếu tố quan trọng ảnh hưởng đến hiệu quả của hệ thống.

4.2. Tính Toán Thời Gian Tìm Kiếm và Độ Chính Xác

Thời gian tìm kiếm là một chỉ số quan trọng để đánh giá hiệu suất của hệ thống. Thời gian tìm kiếm được đo bằng thời gian hệ thống cần để trả về kết quả cho một truy vấn. Độ chính xác là một chỉ số quan trọng để đánh giá chất lượng của kết quả. Độ chính xác được đo bằng tỉ lệ các kết quả trả về là chính xác.

4.3. Khảo Sát Mức Độ Hài Lòng Của Người Dùng

Mức độ hài lòng của người dùng là một chỉ số quan trọng để đánh giá tính hữu ích của hệ thống. Mức độ hài lòng được đo bằng cách khảo sát người dùng sau khi họ sử dụng hệ thống. Khảo sát bao gồm các câu hỏi về tính tiện lợi, tính thân thiện, và tính chính xác của kết quả. Kết quả khảo sát được sử dụng để cải thiện hệ thống.

V. Kết Luận Hướng Phát Triển Hệ Thống Tìm Kiếm Tri Thức

Luận văn đã trình bày phương pháp xây dựng hệ thống tìm kiếm tri thức thông minh trên miền wikiHow, giúp người dùng Việt Nam dễ dàng tìm kiếm thông tin hướng dẫn. Hệ thống giải quyết các hạn chế của các công cụ tìm kiếm hiện tại, cung cấp kết quả chính xác, đa dạng, và thân thiện. Hướng phát triển trong tương lai bao gồm: cải thiện khả năng xử lý ngôn ngữ tự nhiên, tích hợp thêm các nguồn dữ liệu khác, và phát triển các tính năng cá nhân hóa.

5.1. Tóm Tắt Kết Quả Nghiên Cứu Đạt Được

Luận văn đã xây dựng thành công hệ thống tìm kiếm tri thức trên miền wikiHow, đạt được các kết quả tích cực về thời gian tìm kiếm, độ chính xác, và mức độ hài lòng của người dùng. Hệ thống đã chứng minh được khả năng giải quyết các hạn chế của các công cụ tìm kiếm hiện tại cho How-to query tiếng Việt. Các kết quả nghiên cứu có thể được áp dụng cho các bài toán khác trong lĩnh vực xử lý ngôn ngữ tự nhiên.

5.2. Cải Thiện Khả Năng Xử Lý Ngôn Ngữ Tự Nhiên

Khả năng xử lý ngôn ngữ tự nhiên có thể được cải thiện bằng cách sử dụng các mô hình học máy tiên tiến hơn, ví dụ như BERT hoặc các mô hình Transformer khác. Việc huấn luyện các mô hình này trên tập dữ liệu lớn hơn sẽ giúp tăng độ chính xác và khả năng hiểu ngôn ngữ của hệ thống. Ngoài ra, cần nghiên cứu và phát triển các kỹ thuật xử lý ngôn ngữ đặc thù cho tiếng Việt.

5.3. Mở Rộng Nguồn Dữ Liệu Tính Năng Cá Nhân Hóa

Hệ thống có thể được mở rộng bằng cách tích hợp thêm các nguồn dữ liệu khác, ví dụ như các trang web hướng dẫn khác, các diễn đàn, hoặc các mạng xã hội. Việc tích hợp thêm các nguồn dữ liệu sẽ giúp tăng độ bao phủ và đa dạng của hệ thống. Ngoài ra, cần phát triển các tính năng cá nhân hóa để hệ thống có thể gợi ý các kết quả phù hợp với sở thích và nhu cầu của từng người dùng.

Trích đoạn nội dung tài liệu

Chương 1 Giới thiệu Vấn đề Việc tìm kiếm thông tin về một vấn đề nào đó trong thời đại công nghệ số là rất dễ dàng, chúng ta chỉ cần truy cập vào một số công cụ tìm kiếm nổi tiếng như: Google, Bing, Baidu, Ask… sau đó nhập vào vấn đề mà mình đang cần giải quyết. Với thời gian rất ngắn các công cụ tìm kiếm trên sẽ cho chúng ta các kết quả phù hợp. Và dần dần các công cụ tìm kiếm như một trợ lý đắc lực mỗi khi chúng ta chưa có giải pháp để giải quyết một vấn đề nào đó. Có thể ví dụ một số trường hợp thường gặp như: khi bạn dùng máy tính bị lỗi và bạn sẽ nghĩ ngay đến đến Google để có thể tìm cách khắc phụ sự cố này, hay một ngày đẹp trời muốn nấu cho người yêu một món ăn gì đó mới lạ thì bạn sẽ tìm thông tin và cách thức để có thể làm nó… Google sẽ giúp bạn có những thông tin liên quan đến vấn đề bạn cần giải quyết.

Các kết quả tìm kiếm sát nhất với vấn đề sẽ được trình bày bằng tiêu đề của trang web hoặc bài viết (có chứa đường dẫn đến nội dung gốc) cùng với đó là mô tả đơn giản của chúng. Sau đó người dùng sẽ vào lần lượt các đường dẫn đó và tìm kiếm giải pháp thích hợp. Điều này khiến người dùng mất khá nhiều thời gian, chính vì thế Google đã có những cải tiến để người dùng có thể nhận được câu trả lời mong muốn nhanh hơn bằng cách thêm ô đề xuất ngay trên những kết quả tìm kiếm của người dùng. Trong trường hợp Google có câu trả lời được cho là chính xác với truy vấn dạng “How-to query” của người dùng, ô đề xuất sẽ hiển thị các bước thực hiện để giải quyết vấn đề mà người dùng đang tìm kiếm: 1 Hình 2: Google đề xuất kết quả cho câu truy vấn dạng How-to query Trong thực tế, Google nói riêng, các công cụ tìm kiếm nói chung không phải mọi lúc đều tìm được các kết quả phù hợp với truy vấn, nhất là trong bối cảnh đa dạng về ngôn ngữ và miền dữ liệu.

Vì vậy, vẫn còn tồn tại một số hạn chế có thể kể đến như: - Google hoạt động tốt và chính xác với các ngôn ngữ phổ biến như tiếng Anh, nhưng với tiếng Việt thì mức độ hiệu quả chưa cao nên đôi khi sẽ không hiển thị ô đề xuất: 2 Hình 3: Google không có kết quả trả lời nhanh cho câu hỏi How-to query trên tiếng Việt - Google chỉ cho ra được kết quả phù hợp trên dữ liệu Tiếng Anh nhưng Tiếng Việt thì không: Hình 4: So sánh kết quả search nội dung Tiếng Anh và Tiếng Việt trên Google 3 Kết quả tìm kiếm trong hình 4 cho chúng ta thấy cùng một truy vấn, khi tìm kiếm bằng tiếng Anh thì Google có kết quả dưới dạng các bước cụ thể và có hình minh họa để người dùng có thể hình dung được một cách tổng quát. Nhưng khi tìm kiếm bằng tiếng việt thì câu trả lời chỉ được biểu diễn dưới dạng một đoạn trích, và đôi khi kết quả sẽ không sát với ý của người dùng đang cần tìm kiếm. - Kết quả tìm kiếm của Google chỉ được hiển thị một phần nội dung trong ô đề xuất nên không thân thiện với người dùng. Cùng với đó, chỉ có một phương pháp được liệt kê thay vì hiển thị nhiều phương pháp để người dùng có thể lựa chọn cho đúng mục đích cần tìm kiếm.

Hình 5: Kết quả của Google cho "How-to query" không bao gồm các bước Phạm vi bài toán và mục tiêu nghiên cứu Với những vấn đề được nêu bên trên, luận văn sẽ giải quyết các vấn đề còn tồn tại bằng cách: - Xây dựng một công cụ tìm kiếm cho dạng câu truy vấn “how-to query" trong tiếng Việt, dữ liệu tập chung vào ngôn ngữ tiếng Việt. 4 - Thể hiện nhiều phương pháp cho mỗi một vấn đề cần được giải quyết một cách cụ thể rõ ràng và có thể có hình minh họa. - Biểu diễn nội dung của kết quả tìm kiếm thân thiện hơn với người dùng. Và để đạt được những mục tiêu này, luận văn đã chọn phạm vi nghiên cứu là dữ liệu trên miền wikiHow.

WikiHow là một trang web cộng đồng trực tuyến, nó chứa một cơ sở dữ liệu rộng lớn về các hướng dẫn cách làm mọi thứ. Được thành lập vào năm 2005 bởi doanh nhân Internet Jack Herrick, trang web này nhằm tạo ra các bài viết hướng dẫn cách làm hữu ích nhất thế giới, cho phép mọi người trên thế giới học cách làm bất cứ điều gì. WikiHow là một dự án nội dung mở và nguồn mở, cung cấp cho các bài viết có nội dung hướng dẫn trực tuyến bằng cách cho phép người dùng có thể chỉnh sửa đóng góp nội dung các trang. Một số số liệu ấn tượng của wikiHow có thể kể đến như: - Vào tháng 2 năm 2005, wikiHow có hơn 35,5 triệu lượt truy cập.

- Tính đến tháng 8 năm 2017, wikiHow chứa hơn 190.000 bài viết hướng dẫn miễn phí và hơn 1,6 triệu người dùng đã đăng ký. - Vào ngày 11 tháng 4 năm 2010, một bài viết trên wikiHow có tiêu đề "Cách giảm cân nhanh" đạt 5 triệu lượt xem trang, lần đầu tiên của trang web này đạt được. "Cách chụp ảnh màn hình trong Microsoft Windows" là bài viết phổ biến nhất của trang web. Hình 6: Trang wikiHow 5 Các bài viết trên trang web wikiHow sẽ mô tả một cách đầy đủ và chi tiết quy trình thực hiện để giải quyết các vấn đề thuộc nhiều lĩnh vực khác nhau trong đời sống.

Một số bài viết có trên wikiHow như: - Lĩnh vực máy tính và điện tử: o Cách để Khôi phục dữ liệu từ ổ cứng của laptop hỏng o Cách để Tạo biểu đồ thanh trong excel - Lĩnh vực sức khỏe: o Cách để Giảm Cân o Cách để Tăng số lượng tế bào hồng cầu - Lĩnh vực chăm sóc cá nhân và phong cách: o Cách để Làm trắng da với chanh o Cách để Kẻ Viền Mắt - Lĩnh vực ẩm thực: o Cách để làm gà rán KFC o Cách để Làm Sôcôla Các bài viết có thể có nhiều phương pháp để thực hiện, được phân thành các phần và mỗi phần thì sẽ có các bước thực hiện đi kèm với đó có thể có hình ảnh minh họa cụ thể. Đóng góp của luận văn Luận văn này đã đóng góp: - Một công cụ tìm kiếm dựa trên ngữ nghĩa cho các câu truy vấn dạng phương pháp, cách thức trong miền tiếng Việt từ đó giúp cho việc tìm kiếm lời giải, cách giải quyết cho các vấn đề trong thực tế một cách dễ dàng và nhanh chóng hơn. - Nghiên cứu và đề xuất một phương pháp giải quyết tốt loại truy vấn how-to cho tiếng Việt. 6 - Cung cấp giải pháp cho các vấn đề một các đa dạng và trực quan, giúp tăng hiệu quả tìm kiếm và giảm thời gian giải quyết vấn đề.

Tôi sẽ đóng góp các kết quả nghiên cứu của mình cho cộng đồng để có thể tiếp tục phát triển các công cụ mới, và mở rộng các nghiên cứu hiện có trong lĩnh vực xử lý ngôn ngữ tự nhiên và trí tuệ nhân tạo như: hỏi đáp tự động hay bài toán trích xuất thông tin. Cấu trúc của luận văn Phần còn lại của luận văn, tôi sẽ giới thiệu thêm về các kiến thức nền tảng ở chương 2. Chương 3 sẽ mô tả về “Hệ thống tìm kiếm tri thức trên miền wikiHow”, đề xuất phương pháp tính độ tương đồng của hai câu văn và cách xây dựng hệ thống. Cuối cùng, chương 4 sẽ là một số thực nghiệm và kết luận lại các công việc mà tôi đã thực hiện.

7 Chương 2 Kiến thức nền tảng Công cụ tìm kiếm 2. Công cụ tìm kiếm trực tuyến 2. Tổng quan Công cụ tìm kiếm trực tuyến là một phần mềm được truy cập trên Internet phục vụ cho việc tìm kiếm thông tin trên mạng world wide web. Khi sử dụng công cụ tìm kiếm thì người dùng sẽ phải nhập một từ khóa về nội dung mình cần tìm hiểu, và kết quả của các công cụ sẽ là một danh sách các website, ảnh, video hoặc địa chỉ bản đồ… Hiện nay có rất nhiều công cụ tìm kiếm khác nhau có thể nhắc đến như: Google, Bing, Baidu,… và thị phần của chúng thì cạnh tranh rất gay gắt trên toàn cầu.

Dưới đây là con số thống kê thị phần của các công cụ tìm kiếm thống kê vào năm 2019: 8 Công cụ tìm kiếm Thị phần trên toàn cầu Google 92.82% Other 2% Bảng 1: Thị phần sử dụng các công cụ tìm kiếm trên toàn cầu năm 2019 Google là dịch vụ cung cấp chính và quan trọng nhất của công ty Google được bắt đầu mang vào sử dụng vào năm 1997, cung cấp công cụ tìm kiếm thông tin về website, ảnh và nhiều thông tin khác trên internet thông qua nhiều lựa chọn khác nhau cho việc tùy chỉnh tìm kiếm như sử dụng một số ký hiệu đặc biệt như bao gồm, loại trừ, chỉ định hoặc yêu cầu hành vi tìm kiếm nhất định. Ngoài ra còn cung cấp các trải nghiệm khác như tình trạng chuyến bay, dự báo thời tiết, chuyển đổi tiền tệ… Theo thống kê, mỗi ngày Google có khoảng 5,4 tỉ lượt tìm kiếm và là công cụ tìm kiếm phổ biến nhất thế giới. Baidu được xem như là Google của Trung Quốc được thành lập vào năm 2000. Baidu cung cấp một công cụ tìm kiếm chuyên dụng cho ngôn ngữ tiếng Trung với một danh mục hơn 740 triệu trang web, 80 triệu hình ảnh và 10 triệu tập dữ liệu đa truyền thông.

Đây là công 9 cụ tìm kiếm phổ biến thứ 2 thế giới, ở riêng thị trường Trung Quốc thì có đến 76.05% người tìm kiếm sử dụng công cụ này. Yahoo được sáng lập bởi hai học viên cao học trường đại học Stanford là David Filo và Jerrry Yang vào năm 1994. Đây được coi là một trong những nhà tiên phong của kỷ nguyên Internet những năm 1990. Mặc dù được thành lập từ năm 1994 nhưng mãi đến năm 2004 Yahoo mới chính thức ra mắt công cụ tìm kiếm của mình.

Mặc dù ra đời muộn nhưng với các lợi thế về lượng người dùng đang sử dụng dịch vụ Yahoo Messenger và Yahoo Mail khá lớn nên Yahoo Search vẫn cạnh tranh được với các công cụ tìm kiếm nổi tiếng lúc bấy giờ. Tính đến tháng 9/2019 Yahoo vẫn là một trong 4 công cụ tìm kiếm phổ biến nhất với 1.86% lượng sử dụng tìm kiếm trên toàn thế giới. Ngoài các công cụ bên trên thì cũng có một số công cụ tìm kiếm nổi tiếng khác cho các quốc gia có ngôn ngữ đặc trưng như: Yandex của Nga, Cốc Cốc của Việt Nam,… 2.