Chương 1: Giới thiệu phân lớp câu hỏi 1.1 Giới thiệu Phân lớp câu hỏi [6, tr.9-10] là nhiệm vụ gán 1 giá trị đúng hoặc sai tới mỗi cặp (𝑞𝑗 , 𝑐𝑖 ) ∈ 𝑄 × 𝐶, trong đó Q là miền các câu hỏi và 𝐶 = {𝐶1 , 𝐶2 , … , 𝐶|𝐶| } là tập các lớp đã được định nghĩa trước. Các lớp này mang nghĩa khác nhau ràng buộc với câu trả lời tiềm năng. Phân lớp câu hỏi là một bước xử lý quan trọng trong các hệ thống hỏi đáp. Mục đích của hệ thống hỏi đáp là đưa ra được một câu trả lời ngắn gọn, súc tích hơn là những tài liệu liên quan chứa câu trả lời.
Trong ngôn ngữ tự nhiên, một câu hỏi có thể liên quan và ảnh hưởng bởi nhiều lĩnh vực khác nhau nên lượng câu trả lời liên quan cũng rất lớn. Việc phân lớp câu hỏi sẽ cung cấp các thông tin ràng buộc về loại câu trả lời. Nhờ đó, hệ thống đưa ra một hoặc nhiều chiến lược làm giảm không gian tìm kiếm các câu trả lời tiềm năng trong kho ngữ liệu khổng lồ. Ví dụ, với câu hỏi “Điều kiện công nhận tốt nghiệp cho sinh viên Elearning?”, những từ khóa như “điều kiện”, “tốt nghiệp”, “sinh viên Elearning” là cơ sở để tìm ra được câu trả lời phù hợp.
Mục đích của câu hỏi này là tìm ra được điều kiện để có thể công nhận tốt nghiệp cho sinh viên chứ không phải là điều kiện vượt qua môn học hay điều kiện để đạt học bổng học tập dành cho sinh viên của Elearning. Một câu hỏi khác như “Xem thông tin tuyển sinh đào tạo Elearning ở đâu?” thì câu trả lời tiềm năng phải là một nơi công bố chính thức thông tin tuyển sinh. Địa điểm đó có thể là vị trí của cơ quan, tổ chức làm việc hoặc qua một vị trí ảo trên mạng Internet - một website điện tử. Câu trả lời cho câu hỏi này có thể là địa chỉ Tầng 3 Nhà A - B101 - Đường Nguyễn Hiền - Quận Hai Bà Trưng - Hà Nội hoặc địa chỉ website http://tuyensinh.
Trong phân lớp câu hỏi, việc xác định ngữ nghĩa rõ ràng của câu hỏi mang lại một lợi ích to lớn. Tuy nhiên, các câu hỏi không phải lúc nào cũng đơn giản mà thường chúng rất phức tạp và có nhiều ngữ nghĩa mập mờ, không xác định. Nếu như biết được ngữ nghĩa thì câu hỏi có thể được phân loại vào các lớp chi tiết hơn. Nhưng công việc xác định chính xác ngữ nghĩa cho câu hỏi là một thách thức không hề nhỏ.
Chẳng hạn đối với câu hỏi “Chương trình đào tạo Elearning hoạt động theo quy chế nào?”, một câu trả lời liên quan tới lớp “quy chế đào tạo” sẽ có ích hơn là chỉ biết câu hỏi thuộc lớp quy chế. Quy chế bao gồm rất nhiều loại như quy chế đào tạo, quy chế tuyển sinh, quy chế học tập và xử lý vi phạm, quy chế thi và những quy chế khác. Nếu hệ thống đã xác định được mục đích câu hỏi là về quy chế đào tạo thì không gian tìm kiếm câu trả lời sẽ giảm đi rất nhiều. Trong quá trình phân lớp câu hỏi, một hạn chế làm ảnh hưởng tới hiệu suất phân lớp là hệ thống phải dự đoán quá nhiều lớp cho một câu hỏi trong một thời điểm.
Nếu hệ thống hạn chế được số lượng lớp phải dự đoán thì hiệu suất phân lớp sẽ tăng lên. Vì vậy, ngoài việc xác định ngữ nghĩa câu hỏi, thì việc lựa 4 chọn sử dụng mô hình phân lớp nào cũng rất quan trọng. Đó là bước đầu thực sự cần trong nhiệm vụ phân lớp.2 Tìm hiểu các loại câu hỏi Xác định loại câu hỏi mang một ý nghĩa to lớn trong việc phân tích các câu hỏi bởi mỗi loại câu hỏi sẽ có những đặc trưng và cách tiếp cận khác nhau. Có nhiều loại câu hỏi như: câu hỏi định nghĩa, liệt kê, mô tả, sự kiện, tổng hợp, đánh giá, … Ví dụ câu hỏi định nghĩa như “Học trực tuyến là gì”, câu hỏi liệt kê “Những thuận lợi trong học trực tuyến là gì”.
Trong một câu hỏi, người ta có thể sử dụng những từ ngữ phức tạp và đa dạng để diễn đạt cùng nội dung làm cho việc xác định lớp câu hỏi phù hợp trở lên khó khăn. Các loại câu hỏi này cần được đưa về thành hai dạng chung nhất là loại câu hỏi đơn giản và loại câu hỏi phức tạp. Mỗi loại câu hỏi cần có chiến lược phân lớp phù hợp. Hệ thống có thể không cần xử lý thêm đối với loại câu hỏi đơn giản nhưng lại yêu cầu xử lý tinh vi hơn đối với loại câu hỏi phức tạp.
Việc đơn giản hóa các câu hỏi phức tạp là một chiến lược đáng được xem xét. Câu hỏi phức tạp sẽ được định nghĩa bằng tập các câu hỏi đơn giản. Câu trả lời nào trong các câu trả lời tiềm năng đáp ứng cho tập các câu hỏi đơn giản đó có thể là câu trả lời phù hợp. Vì vậy, việc xác định loại câu hỏi có ý nghĩa trong việc lựa chọn các đặc trưng phân lớp.3 Taxonomy câu hỏi Trong nhiều lĩnh vực khoa học và thực tiễn, khái niệm taxonomy mang nhiều ý nghĩa khác nhau.
Nhưng về bản chất, taxonomy là sự định danh, phân loại một số tính chất, đặc điểm. Taxonomy được xem là một hình thức của hệ phân cấp và có chứa các phần tử gọi là các nút. Mối quan hệ chủ yếu giữa các nút là quan hệ cha – con và giữa các nút con đồng cấp với nhau thì không tồn tại mối quan hệ nào. Taxonomy là một cây phân cấp các khái niệm, trong đó các nút (trừ nút gốc) biểu diễn một khái niệm và mỗi nút con có quan hệ is-a-kind-of (là một kiểu/loại của nút cha) với nút cha.
Ví dụ, nút khái niệm “number” có các nút con chứa các khái niệm “code”, “count”, “date”, “distance”, “money”, “order”. Một taxonomy được mô tả theo cấu trúc hình cây, trên đỉnh của cấu trúc là nút gốc và dưới nó là các nút con, tập nút con của các nút cha không giao nhau. Khi duyệt cây từ nút cha đến các nút con, thông tin tại các nút con chi tiết và rõ ràng hơn nút cha. Khi xác định được nút cha, các nút con cũng sẽ được xác định.
Điều này mang lại hiệu quả trong tìm kiếm, truy vấn dữ liệu vì dựa vào nút cha, việc xác định miền thông tin cần tìm rõ ràng hơn và được giới hạn. Cùng nghiên cứu về vấn đề này, hai nhà nghiên cứu Li và Roth [14, tr.5] đã đưa ra một taxonomy câu hỏi phân cấp trong hội nghị TREC. Taxonomy câu hỏi cùng bộ dữ 5 liệu đã được gán nhãn gồm hơn 5000 câu hỏi có độ phủ lớn các vấn đề trong thực tế. Chi tiết được thể hiện ở Bảng 1.
Taxonomy câu hỏi của Li và Roth Số lượng câu Số lượng kiểm Nhãn lớp Ý Nghĩa hỏi tra ABBREV Sự tóm tắt abbreviation Tóm tắt 16 1 expansion ý nghĩa viết tắt 70 8 ENTITY Thực thể animal Động vật 112 16 body Cơ thể 16 2 color Màu sắc 40 10 creative Sự sáng tạo 207 0 currency Tiền tệ 4 6 disease/ medical Bệnh tật và y học 103 2 event Sự kiện 56 2 food Thực phẩm 103 4 instrument Dụng cụ chơi nhạc 10 1 language Ngôn ngữ 16 2 letter Ký tự 9 0 other Thực thể khác 217 12 plant Thực vật 13 5 product Sản phẩm 42 4 religion Tín ngưỡng 4 0 sport Thể thao 62 1 substance Nguyên tố 41 15 symbol Ký hiệu 11 0 technique Kỹ thuật 38 1 term Thuật ngữ 93 7 6 Phương tiện giao vehicle 27 4 thông word Từ ngữ 26 0 DESCRIPTION Mô tả definition Định nghĩa 421 123 description Mô tả 274 7 manner Bộ dạng cử chỉ 276 2 reason Lý do 191 6 HUMAN Con người group Nhóm 189 6 individual Cá nhân, cá thể 962 55 title Danh nghĩa 25 1 description Mô tả 47 3 LOCATION Địa điểm city Thành phố 129 18 country Đất nước 155 3 mountain Ngọn núi 21 3 other Địa điểm khác 464 50 state Bang, tỉnh thành 66 7 NUMERIC Số học code Mã 9 0 count Số lượng 363 9 date Ngày tháng 218 47 distance Khoảng cách 34 16 money Giá cả 71 3 order Thứ hạng 6 0 other Khác 52 12 period Giai đoạn 75 8 percent Phần trăm 27 3 7 speed Tốc độ 9 6 temperature Nhiệt độ 8 5 size Kích thước 13 0 weight Cân nặng 11 4 1.4 Mục tiêu của luận văn Trong nhiều nghiên cứu về phân lớp câu hỏi, các nhà khoa học đã đề xuất áp dụng nhiều mô hình phân lớp trên các miền dữ liệu khác nhau. Ban đầu, phân lớp câu hỏi chỉ tập trung vào phân lớp phẳng nhưng sau đó có nhiều vấn đề nảy sinh cần phải được giải quyết nên phân lớp phẳng trở lên không còn phù hợp mà thay vào đó là các mô hình phân lớp khác như phân lớp cục bộ (Local Classifier), phân lớp toàn cục (Global Classifier hay Big-Bang), phân lớp phân cấp (Hierarchical Classifier), … Mỗi hướng tiếp cận đều có những tính chất và đặc điểm khác nhau. Hướng tiếp cận phân lớp phẳng đơn giản và dễ hiểu nhưng có một nhược điểm lớn là việc phải xây dựng một bộ phân lớp để phân biệt với số lượng lớp là rất lớn. Phân lớp phẳng sử dụng toàn bộ các lớp trong một lần dự đoán nhãn lớp câu hỏi.
Hướng tiếp cận phân lớp cấp bậc là một phương pháp tốt giúp tổ chức lượng lớn thông tin. Trong những năm gần đây, hướng tiếp cận này đã nhận được ngày càng nhiều sự quan tâm đặc biệt của các nhà nghiên cứu trên thế giới. Trong hướng tiếp cận phân lớp cục bộ, thông tin được coi là trung tâm và được sử dụng để xây dựng các bộ phân lớp cục bộ theo những phương cách khác nhau. Để phân loại các phân lớp cục bộ, các nhà nghiên cứu dựa vào các cách sử dụng thông tin cục bộ là phân lớp cục bộ cho từng nút, phân lớp cục bộ cho từng nút cha, phân lớp cục bộ cho từng cấp.
Phân lớp cục bộ sẽ sử dụng vòng lặp đệ quy để dự đoán các cấp độ tiếp theo. Việc phân lớp chỉ dừng lại cho đến khi một dự đoán đặc biệt được thực hiện. Nhưng vấn đề là tại các nút lá, việc dự đoán có thể không xảy ra. Điều này gây ra lỗi và nó sẽ ảnh hưởng xuống cấp nhỏ hơn tiếp theo nếu không xử lý ngăn chặn điều này.
Với hướng tiếp cận phân lớp toàn cục, có hai vấn đề là cần xem toàn bộ các lớp phân cấp cùng một thời điểm và thiếu các module huấn luyện cục bộ.