Chương 1. TỔNG QUAN Chương này trình bày về các khái niệm văn bản phi cấu trúc và có cấu trúc. Giới thiệu về cơ sở dữ liệu quan hệ, các mệnh đề đơn giản trong cơ sở dữ liệu, mệnh đề hội và tuyển sơ cấp, các dạng chuẩn tắc, tính tương đương giữa các biểu thức logic và mệnh đề chuẩn hội, chuẩn tuyển, sau đó là các công cụ tìm kiếm cơ bản Google search, Yahoo search, một số lệnh tìm kiếm trong các ngôn ngữ lập trình bậc cao 1. Cơ sở dữ liệu [2][9][10] Nếu dữ liệu được lưu trong máy theo một quy định nào đó (để có thể cập nhật: truy nhập, truy xuất) sẽ được gọi là Cơ Sở Dữ Liệu - Database (sẽ viết tắt là CSDL) Các mô hình Cơ Sở Dữ Liệu: i- Mô hình đẳng cấp Mô hình đẳng cấp được thiế tkế theo dạng hình cây (Tree) nên đôi khi còn gọi là mô hình cây.
ii- Mô hình mạng Một Cơ Sở Dữ Liệu mạng là một tập hợp các mắt xích (nodes) và các mối nối (links), như thế một mắt xích bất kỳ có thể được nối với một mắt xích khác, và có thể nối nhiều lần. Tuy nhiên các tác vụ như nhập dữ liệu và xuất dữ liệu trong trường hợp này sẽ rất phức tạp. iii- Mô hình quan hệ Các dữ liệu của cùng cấp sẽ được tổ chức thành một bảng, các bảng sẽ được đặt quan hệ bởi các khoá. Khi gọi đến một khoá của bảng mẹ, dữ liệu của các bảng con tương ứng với khoá đó sẽ được tham chiếu đến.
Kiến trúc một hệ Cơ Sở Dữ Liệu Một Cơ Sở Dữ Liệu được phân thành các mức: - Phần Cơ Sở Dữ Liệu Vật lý (mức Vật lý) là các tệp dữ liệu theo một cấu trúc nào đó và được lưu trên các thiết bị nhớ thứ cấp (đĩa từ, băng từ,.) - Phần Cơ Sở Dữ Liệu khái niệm là sự biểu diễn trừu tượng của Cơ Sở Dữ Liệu Vật lý, - Phần Khung nhìn là cách nhìn, là quan niệm sử dụng đối với Cơ Sở Dữ Liệu mức khái niệm TIEU LUAN MOI download : skknchat@gmail.com 8 Một Cơ Sở Dữ Liệu đã được thiết kế, người ta thường quan tâm đến bộ khung (cấu trúc – Structure) của Cơ Sở Dữ Liệu đó (ví dụ cấu trúc của bảng DBF trong FOXPRO chẳng hạn). Khái niệm văn bản phi cấu trúc và có cấu trúc Văn bản dạng có cấu trúc là loại văn bản mà khi cập nhật bằng thủ công hay máy tính đều có khuôn mẫu sẵn ví dụ như các công văn, quyết định, các mẫu biểu thống kê, điều tra dân số, …Đặc điểm của loại văn bản này là chúng ta có thể cơ sở dữ liệu hóa theo các chuẩn Cơ sở dữ liệu quan hệ, Cơ sở dữ liệu hướng đối tượng và Cơ sở dữ liệu dạng khối,…. Các văn bản ngược với loại văn bản trên được gọi là phi cấu trúc. Trong thời đại bùng nổ công nghệ thông tin, nhiều linh vực trên thế giới đã và đang tận dụng giá trị thông diệp của nguồn dữ liệu phi cấu trúc khổng lồ mà linh vực kinh tế tài chính cũng không là ngoại lệ.
Theo Turner (2013, tr.1), “Thông tin phi cấu trúc, một cách thừa nhận, truyền đạt nhiều tri thức ý nghĩa cho con nguời…không còn gói gọn trong lĩnh vực công nghệ thông tin mà còn lan rộng trong lĩnh vực tài chính ngân hàng. Nghiên cứu sử dụng nguồn dữ liệu văn bản trên Báo cáo thuờng niên và nguồn tin tức trực tuyến của các doanh nghiệp Việt Nam, một cách tiếp cận mới dựa trên nguồn dữ liệu phi cấu trúc, vào việc dự báo kiệt quệ tài chính. Thông tin phi cấu trúc được sử dụng riêng biệt hoặc kết hợp với các yếu tố dự báo khác dựa trên dữ liệu cấu trúc truyền thống, huớng tới mục tiêu cải thiện khả năng dự báo của các mô hình. Kết quả nghiên cứu cho thấy xét một cách độc lập thông tin phi cấu trúc có khả năng truyền tải nhiều thông điệp có ý nghia trong dự báo tình trạng kiệt quệ tài chính của các công ty niêm yết tại Việt Nam, đồng thời việc kết hợp giữa dữ liệu này và dữ liệu cấu trúc đại diện bởi các nhân tố truyền thống (tỷ số tài chính, đặc điểm quản trị công ty, chỉ số vi mô) giúp cải thiện độ chính xác của dự báo.
Dữ liệu có cấu trúc, thuờng là số liệu kế toán, giá cổ phiếu, dòng tiền, chỉ số thị truờng, là dạng thông tin có khả năng lưu trữ trong các cơ sở dữ liệu quan hệ (Relational Database), trong đó các thực thể và thuộc tính đã được định nghĩa sẵn, thuờng được thu thập trên Báo cáo tài chính (BCTC). Nguợc lại với dữ liệu cấu trúc, dữ liệu phi cấu trúc được định nghĩa là dạng dữ liệu không có cấu trúc định nghĩa sẵn và không thể biểu diễn duới dạng bảng số liệu quan hệ. Phổ biến nhất là các dạng dữ liệu văn bản dạng chữ (Text), ngoài ra còn có các dạng khác như tập tin video, tập tin ảnh, tập tin âm thanh. Theo Healy và Palepu (2001), thông tin văn bản phi cấu trúc của doanh nghiệp được chia thành hai nguồn thông tin nội bộ và đại chúng.
Nguồn thông tin nội bộ của doanh nghiệp được phân định thành các công bố phi tài chính bằng TIEU LUAN MOI download : skknchat@gmail.com 9 văn bản dạng bắt buộc theo quy định hoặc tự nguyện, hầu hết thuộc Báo cáo thuờng niên (BCTN). Nguồn thông tin phi cấu trúc bên ngoài doanh nghiệp tồn tại đa dạng hơn, bao gồm các nguồn như tin đồn, các tin vắn công bố về cổ phiếu trên các Sở giao dịch và các diễn đàn cổ phiếu, các phân tích tài chính độc lập, bình luận của các chuyên gia kinh tế, tạp chí tài chính, công bố của bên thứ ba (công ty kiểm toán) hoặc các bên Với khả năng hàm chứa các thông điệp có giá trị, thông tin phi cấu trúc có thể được sử dụng trong nhiều lĩnh vực nghiên cứu bao gồm cả việc cảnh báo sớm kết quả tài chính (KQTC) cũng như các sự kiện tiêu cực khác. Quá trình phát hiện tri thức từ nguồn dữ liệu văn bản này được gọi là Phân tích thông điệp văn bản hoặc Phân tích văn bản (Textual analysis), tương ứng với kĩ thuật khai thác văn bản (Text mining). Trong đó, nhiều tác giả sử dụng quy trình này trên nguồn thông tin phi cấu trúc nội bộ của doanh nghiệp trong xây dựng mô hình dự báo như Shirata và Sakagami (2009) dự báo KQTC theo quá trình phân tích thông tin phi cấu trúc dựa trên Báo cáo thuờng niên của các doanh nghiệp Nhật Bản ứng dụng kĩ thuật phân tích hình thái học cho bộ ký tự Kanji.
Nghiên cứu cũng đưa ra những nhóm từ mới có tính đại diện cao cho nhóm công ty không kiệt quệ nhu “R&D”, “đầu tư vốn”, “ kinh doanh mới”…Cecchini (2010) phát triển phương pháp phân tích nội dung thông điệp dạng từ điển từ nhằm dự báo KQTC trên phần thông tin văn bản trong mục Thảo luận và Phân tích của Ban quản trị thuộc BCTN. Tác giả tìm thấy việc dùng riêng các thông tin phi cấu trúc nhằm dự báo các sự kiện tài chính đạt được những kết quả tích cực (dự báo chính xác 75% cho nhóm công ty kiệt quệ), đồng thời trích lập được nhóm từ khóa đặc trưng cho phần thông tin mềm của nhóm công ty KQTC như “giảm lợi nhuận gộp”, “ảnh huởng lạm phát”, “lợi ích”, “nỗ lực công ty”. Ngoài ra, Lu, Shen và Wei (2013) sử dụng nguồn thông tin mềm đại Lựa chọn nguồn dữ liệu phi cấu trúc Nguồn dữ liệu văn bản phi cấu trúc nội bộ đuợc thu thập trong các phần phản ánh các nội dung về kế hoạch, triến luợc phát triển hoặc dự báo tương lai của doanh nghiệp trên BCTN. Các phần chi tiết được thu thập bao gồm: Những thông tin phải công bố theo quy định của Thông tu 52/2012/TT-BTC bao gồm: - Triển vọng và kế hoạch phát triển tương lai thuộc báo cáo của Hội đồng quản trị (HÐQT) - Kế hoạch phát triển trong tương lai thuộc báo cáo của Ban giám đốc.
Những thông tin công bố tự nguyện gồm các phát biểu dự báo tương lai của công ty trong các BCTN được lựa chọn theo tiêu chí của Vu, Tower và Scully (2011) bao gồm: TIEU LUAN MOI download : skknchat@gmail.com 10 - Dự báo doanh thu, phần diễn giải văn bản định tính. - Dự báo thu nhập, phần diễn giải văn bản định tính. - Thảo luận về các nhân tố bên ngoài ảnh huởng đến tình trạng hoạt động tương lai của công ty (kinh tế, chính trị và công nghệ). - Thảo luận về các nguồn quỹ và kinh phí của công ty trong tương lai.
Giới thiệu cơ sở dữ liệu quan hệ 1. Các khái niệm của mô hình quan hệ a) Miền, thuộc tính, bộ và quan hệ Một miền D là một tập hợp các giá trị nguyên tử, điều đó có nghĩa là mỗi giá trị trong miền là không thể phân chia được trong phạm vi mô hình quan hệ. Để đặc tả một miền, người ta chỉ ra một tên, một kiểu dữ liệu và khuôn dạng dữ liệu. Một lược đồ quan hệ R, ký hiệu là R(A1,A2,., An), được tạo nên từ một quan hệ R gồm danh sách các thuộc tính A1,A2,…, An.
Mỗi một thuộc tính Ai là tên vai trò của một miền D nào đó trong lược đồ quan hệ R. D được gọi là miền giá trị của Ai và được ký hiệu là Dom(Ai). Một lược đồ quan hệ được sử dụng để mô tả một quan hệ; R được gọi là tên của quan hệ đó. Cấp của một quan hệ là số các thuộc tính của lược đồ quan hệ của nó.
Ví dụ, ta có lược đồ cho quan hệ cấp 5: SINHVIEN(Maso, Hoten, Ngaysinh, Gioitinh, Diachi). Với lược đồ quan hệ này, SINHVIEN là tên của quan hệ. Một quan hệ (hoặc trạng thái quan hệ) r của lược đồ quan hệ R(A1,A2,…, An) được ký hiệu là r(R), là tập hợp các n-bộ r(R) = {t1, t2,. Mỗi n-bộ t là một danh sách có thứ tự của n giá trị, t = < v1, v2, …, vn>, trong đó mỗi vi,1<= i <= n, là một phần tử của Dom(Ai) hoặc là một giá trị không xác định (null value).
Giá trị thứ i của bộ t, tương ứng với thuộc tính Ai được ký hiệu là t[Ai]. Định nghĩa quan hệ ở trên có thể phát biểu lại như sau: Một quan hệ r(R) là một quan hệ toán học cấp n trên các miền giá trị dom(A1), dom(A2),…, dom(An), đó là tập con của tích Đề các của các miền giá trị xác định R: r(R) (dom(A1) x dom(A2) x …dom(An)) b) Các đặc trưng của các quan hệ Thứ tự của các bộ trong một quan hệ: Một quan hệ được định nghĩa như một tập hợp các bộ.