Chương 1: GIỚI THIỆU VẤN ĐỀ Chƣơng này sẽ trình bày tổng quan về so trùng lƣợc đồ khái niệm trong tìm kiếm thông tin trên thƣ viện điện tử và việc áp dụng phƣơng pháp argumentation để hòa giải xung đột trong quá trình so trùng lƣợc đồ khái niệm. Cuối cùng là trình bày mục tiêu và ý nghĩa của đề tài.1 Giới thiệu đề tài Trong thời đại bùng nổ internet nhu cầu tìm kiếm thông tin của con ngƣời ngày càng tăng cao. Đặc biệt, trong lĩnh vực nghiên cứu việc tìm kiếm các thông tin học thuật là rất quan trọng. Những thông tin này có thể đƣợc lƣu trữ rải rác trên các các website và chúng ta có thể tìm kiếm chúng khá dễ dàng thông qua các công cụ tìm kiếm nhƣ Yahoo, Google hoặc có thể đƣợc lƣu trữ một cách có hệ thống trên các thƣ viện điện tử.
Trên các thƣ viện điện tử, thông tin đƣợc lƣu trữ dƣới dạng kỹ thuật số và mỗi thƣ viện lại có kiến trúc và cách hiện thực khác nhau. Do đó, để có thể truy cập và tìm kiếm thông tin ngƣời dùng cần có kiến thức riêng biệt cho từng thƣ viện điện tử khác nhau. Đây thực sự là một sự trở ngại cho việc phát triển của hệ thống thƣ viện điện tử. Do đó các giao thức chuẩn (ví dụ nhƣ Z39.50) đƣợc đề xuất để có giải quyết vấn đề trên.
Thông qua các giao thức nhƣ Z39.50 các hệ thống máy tính có thể truy vấn thông tin từ các thƣ viện điện tử. Các thông tin của thƣ viện điện tử đƣợc tổ chức trong lƣợc đồ cơ sở dữ liệu, nó mô tả các khái niệm học thuật và mối quan hệ của chúng đƣợc lƣu trữ trong thƣ viện điện tử. Trong thực tế, mặc dù mỗi thƣ viện điện tử có một lƣợc đồ riêng nhƣng có những khái niệm tƣơng đồng đƣợc định danh khác nhau trong những thƣ viện khác nhau. Trong Hình1-1 là một ví dụ minh họa, thông tin tác giả Authors đƣợc trình bày khác nhau ở các lƣợc đồ khác nhau.
Khái niệm Authors xuất hiện ở một lƣợc đồ, nhƣng ở một lƣợc đồ khác định nghĩa Other Authors và một lƣợc đồ khác lại chia nó làm hai khái niệm phụ Conference Name và Personal Name. Các ánh xạ của cùng một khái niệm trên các lƣợc đồ khác nhau. Con ngƣời có thể dễ dàng nhận ra sự giống nhau của những thuộc tính nhƣ vậy. Tuy nhiên, đối với hệ thống tự động tìm kiếm thông tin từ nhiều thƣ viện điện tử khác nhau, việc không thống nhất từ khóa làm nảy sinh một vấn đề nghiêm trọng.
Một hƣớng nghiên cứu nổi tiếng để giải quyết vần đề này là so trùng lược đồ (schema matching). Đã có những thuật toán khác nhau thực hiện tự động việc so trùng lƣợc đồ. Nhƣng hầu hết các thuật toán đều dựa trên dự đoán để giải quyết việc đồng nhất từ khóa, do đó khi áp dụng trên những bộ dữ liệu khác nhau sẽ cho ra kết quả khác nhau hoặc thậm chí là mâu thuẫn với nhau [27]. Ví dụ, trong Hình 1-1, một thuật toán so trùng Authors với Other Authors (ánh xạ c1), và một thuật toán khác chỉ ra rằng có thể so trùng Authors với cả 2 khái niệm Personal Name và Conference Name (ánh xạ c2 và c4).
Để có đƣợc kết quả chính xác từ các thuật toán so trùng lƣợc đồ khái niệm, trên thực tế, các nhà chuyên gia sẽ phải điều chỉnh các kết quả ánh xạ. Nhƣng đối với sự gia tăng về quy mô dữ liệu và kết quả ánh xạ, quá trình này sẽ không còn khả thi. Để giải quyết vấn đề này, chúng tôi trình bày một phƣơng pháp dựa trên hòa giải xung đột (conflict reconciliation), trong đó các quyết định so trùng các khái niệm đƣợc phát biểu nhƣ là các lập luận (arguments). Dựa trên các lập luận, chúng tôi có thể phát hiện ra những xung đột (conflicts) và lựa chọn lập luận hợp lý hơn để giải quyết các xung đột.2 Mục tiêu và phạm vi nghiên cứu của đề tài Đề tài tập trung vào xây dựng một ứng dụng minh họa cho hệ thống truy xuất thông tin từ nhiều thƣ viện điện tử, trong đó đặc biệt sử dụng phƣơng pháp tiếp cận argumentation để giải quyết xung đột từ kết quả của bài toán so trùng lƣợc đồ khái niệm.
Đề tài áp dụng vào việc truy xuất thông tin học thuật từ nhiều thƣ viện điện tử trên internet. Nhƣ đã nêu ở trên, do sự khác nhau về kiến trúc và cách hiện thực của các thƣ viện điện tử. Phƣơng pháp argumentation đƣợc đƣa ra để giải quyết bài toán so trùng lƣợc đồ khái niệm của các thƣ viện điện tử giúp truy xuất thông tin từ nhiều thƣ viện điện tử một cách hiệu quả.3 Ý nghĩa của đề tài 1.1 Ý nghĩa khoa học Một khía cạnh quan trọng mà đề tài quan tâm đó là hòa giải xung đột bằng phƣơng pháp argumentation. Khi sử dụng từng thuật toán so trùng lƣợc đồ riêng biệt kết quả thƣờng không đầy đủ hoặc có sai sót.
Và khi sử dụng nhiều thuật toán so trùng lƣợc đồ khác nhau, do sự không đồng nhất về kiến thức sẽ dẫn tới việc các kết quả trả về khác nhau thậm chí là mâu thuẫn với nhau. Những phƣơng pháp tiếp cận trƣớc đó [18] cần có sự tham gia của các chuyên gia để điều chỉnh các ánh xạ kết quả cho chính xác. Thêm vào đó sự gia tăng về quy mô dữ liệu làm cho quá trình giải quyết xung đột bằng tay sẽ không còn khả thi. Đó là lý do đề tài áp dụng phƣơng pháp argumentation vào hòa giải xung đột trong quá trình so trùng lƣợc đồ khái niệm một cách tự động, mặc dù phải trả giá bằng việc độ chính xác bị giảm tuy nhiên kết quả cho thấy F-measure vẫn cao.
So với việc sử dụng từng thuật toán so trùng lƣợc đồ khái niệm riêng lẻ. Hƣớng tiếp cận của luận văn tuy đơn giản nhƣng khả thi để hỗ trợ cho quá trình tích hợp thông tin, giúp hệ thống tìm kiếm thông tin trên thƣ viện điện tử hoạt động một cách dễ dàng và cho kết quả chính xác.2 Ý nghĩa thực tiễn Trong nghiên cứu khoa học việc tìm kiếm các tài liệu học thuật là hết sức quan trọng. Nó ảnh hƣởng lớn đến thời gian, công sức cũng nhƣ kết quả của quá trình 3 nghiên cứu. Việc tìm kiếm thông tin chính xác giúp cho các nhà nghiên cứu có định hƣớng và tiết kiệm thời gian tìm kiếm.
Phƣơng pháp argumentation giúp hòa giải xung đột kết quả các phƣơng pháp so trùng lƣợc đồ tạo thuận lợi cho quá trình tích hợp thông tin, từ đó giúp việc tìm kiếm thông tin từ nhiều nguồn thƣ viện điện tử đạt đƣợc kết quả chính xác hơn. 4 Chương 2: CƠ SỞ LÝ THUYẾT Chƣơng 2 trình bày cơ sở lý thuyết của đề tài bao gồm các khái niệm cơ bản phục vụ cho các phần kế tiếp, các lý thuyết về so trùng lƣợc đồ khái niệm và phƣơng pháp argumentation.1 Thƣ viện điện tử và giao thức truy xuất thông tin Z39.50 Thƣ viện điện tử (Electronic library) hay còn đƣợc gọi là thƣ viện số (Digital library) là một thƣ viện chứa các bộ sƣu tập đƣợc lƣu trữ dƣới dạng số hóa và nó cho phép các hệ thống máy tính có thể truy cập và truy xuất thông tin. Thƣ viện điện tử không phải là sự thay thế cho thƣ viện truyền thống mà thƣ viện điện tử là một hình thức phát triển của thƣ viện truyền thống. Một số ƣu điểm của thƣ viện điện tử: Khả năng lƣu trữ một khối lƣợng lớn các tài nguyên thông tin khác nhau.
Khả năng truy cập thông tin một cách đồng thời. Cung cấp khả năng truy xuất, quản lý các tài nguyên thông tin phân tán. Đáp ứng nhu cầu truy cập của ngƣời dùng liên tục 24/7. Quản lý tài nguyên thông tin đa ngôn ngữ.
Bên cạnh những ƣu điểm nổi bật, thƣ viện điện tử cũng còn tồn tại những nhƣợc điểm. Nổi bật nhất là khó khăn trong việc bảo vệ bản quyền tác giả, quyền sao chép hợp pháp tác phẩm. Với thƣ viện điện tử, các tài liệu ở dạng dữ liệu số nên rất dễ dàng đƣợc sao chép, lƣu trữ một cách dễ dàng và nhanh chóng. Đặc biệt trong một môi trƣờng mở nhƣ internet, các thông tin có giá trị lại càng có nguy cơ bị tấn công và đánh cắp một cách bất hợp pháp cao hơn.
Vì thế, các thƣ viện thƣờng thực hiện rất nhiều cơ chế bảo mật bảo vệ thông tin nhằm hạn chế các tấn công, xâm phạm từ bên ngoài.50 là một tiêu chuẩn truy xuất thông tin đƣợc đƣa ra bởi tố chức Chuẩn Thông Tin Quốc Gia – viện Tiêu Chuẩn Quốc Gia Mĩ (NISO/ANSI) vào năm 1988.50 đƣợc thiết kế để hỗ trợ cho việc tìm kiếm và truy xuất thông tin trong môi 5 trƣờng mạng phân tán (nhƣ full text documents, bibliographic data, images, multimedia). Giao thức này cho phép một ngƣời dùng sử dụng một chƣơng trình máy tính (client) để gửi yêu cầu tìm kiếm thông đến nhiều máy chủ dữ liệu (server) khác nhau mà không cần phải biết cách tìm kiếm trên từng máy chủ dữ liệu đó. Sau đó các client sẽ xử lý các kết quả từ các server này và hiển thị chúng với ngƣời dùng.2 Lý thuyết về so trùng lƣợc đồ So trùng lƣợc đồ (schema matching) đã đƣợc công nhận là một trong những hoạt động quan trọng nhất theo yêu cầu của quá trình tích hợp dữ liệu. Nhiều kỹ thuật và các công cụ [4] đã đƣợc đề xuất để làm điều đó bằng cách trực tiếp so trùng từng cặp.
Tuy nhiên, nhƣ kết quả đầu ra vốn đã không chắc chắn, vẫn còn rất nhiều sai lệch và không thích hợp về những ràng buộc nhất quán các phƣơng pháp so trùng lƣợc đồ. Tóm lại, một mạng lƣới so trùng lƣợc đồ bao gồm một tập hợp các lƣợc đồ và một tập hợp các phƣơng pháp so trùng đƣợc tạo ra giữa chúng. Công việc chính là phát hiện ràng buộc vi phạm trong mạng và từng bƣớc giải quyết những hành vi vi phạm. Định nghĩa một mạng so trùng nhƣ là một bộ (S, Gs, , C), với S là tập các lƣợc đồ, Gs là đồ thị tích hợp tƣơng ứng.
là tập các ràng buộc, C là tập các dự tuyển tƣơng ứng. Tập các lƣợc đồ: Một lƣợc đồ S = {a1, a2, a3, …, an} là một tập hữu hạn các thuộc tính. Tập hợp các lƣợc đồ S = {S1,S2,…,Sn} đƣợc xây dựng từ những thuộc tính duy nhất. Ví dụ Si Sj=∅ với 1 i, j n và i.
Đồ thị tích hợp Gs: Đại diện cho lƣợc đồ đƣợc so trùng trong mạng.