CHƯƠNG 1 - TỔNG QUAN VỀ SEMANTIC WEB 1. Giới thiệu Internet ra đời và đã mau chóng trở thành một kho thông tin khổng lồ. Hiện nay, trên Internet có hàng tỉ các trang Web được hàng trăm triệu người trên khắp thể giới sử dụng [18,20,24]. Tuy nhiên, khi lượng thông tin trên Internet ngày càng tăng thì cũng đồng nghĩa với việc tìm kiếm, khai thác, tổ chức, truy cập và duy trì thông tin ngày càng trở nên khó khăn hơn đối với người sử dụng.
Chúng ta xem xét một ví dụ. Trong một trường hợp tìm kiếm trên Internet, người sử dụng muốn tìm kiếm trang chủ của Mr và Mrs. Tất cả những thông tin mà người sử dụng có thể nhớ được là tên họ của hai người này là Cook, cả hai người đó cùng làm việc cho một ông chủ, là một người có liên quan tới một tổ chức có tên là “ARPA-123-4567”. Đây chắc chắn là những thông tin hữu ích để tìm ra trang chủ của những người này, theo một cơ sở tri thức có cấu trúc hợp lý chứa đựng tất cả các nhân tố có liên quan.
Có vẻ như điều đó đã đủ những thông tin để tìm ra trang chủ của họ bằng cách tìm kiếm trên World Wide Web. Nhưng khi tìm kiếm, lại xảy ra các tình trạng sau: - Sử dụng danh mục Web có sẵn, người sử dụng có thể tìm ra trang chủ của ARPA nhưng ở đó có hàng trăm người “thầu phụ” và các “nhóm nghiên cứu” đang làm việc cho chi nhánh “123-4567” - Nếu tìm kiếm theo từ khoá “Cook” thì kết quả sẽ trả lại hàng nghìn trang Web nói về “Nấu ăn”. Vũ Bội Hằng-Luận văn cao học-Trường Đại học Công nghệ-2005 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 10 Phát hiện quan hệ ngữ nghĩa Nguyên nhân-Kết quả từ các văn bản. - Nếu tìm kiếm một trong hai cụm từ “ARPA ” và “123-4567” thì có hàng trăm kết quả trả về.
Còn nếu tìm kiếm cho cả ba từ khoá trên thì sẽ trả về kết quả rỗng. Vậy thì giải quyết trường hợp này như thế nào? Tình trạng trên là khá phổ biến đối với nhiều trường hợp tìm kiếm trên World Wide Web [18,19]. Vấn đề chính ở đây là do dữ liệu Web có quá ít sự tổ chức ngữ nghĩa. Khi mà Web càng ngày càng được mở rộng thì việc thiếu tổ chức ngữ nghĩa như vậy sẽ làm cho việc tìm kiếm thông tin càng ngày càng khó, thậm chí nếu có thêm cả những kỹ nghệ xử lý ngôn ngữ tự nhiên, cơ chế đánh chỉ mục… Tóm lại, hiện nay vẫn chưa có một cách tìm kiếm hiệu quả nào trên WWW [18,19] để trả lời câu truy vấn có dạng như : Find webpage for all x,y and e such that X is a person, y is a person, z is a person Where lastName (x,”Cook”) and lastName (y, “Cook”) and employee (z,x) and employee (z,y) and married (x,y) and involvedIn (z, “ARPA 123-4567”) Vũ Bội Hằng-Luận văn cao học-Trường Đại học Công nghệ-2005 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 11 Phát hiện quan hệ ngữ nghĩa Nguyên nhân-Kết quả từ các văn bản.
ð Sự thiếu khả năng hiểu khung cảnh của các từ và các mối quan hệ giữa các thuật ngữ tìm kiếm giải thích tại sao trong nhiều trường hợp máy tìm kiếm lại trả về kết quả tìm kiếm sai trong khi lại không tìm thấy những tài liệu mong muốn [18,19,20,24]. ð Nếu các máy tìm kiếm có thể hiểu được nội dung ngữ nghĩa của các từ, hoặc hơn thế nữa, nó có thể hiểu được cả mối quan hệ về mặt ngữ nghĩa giữa các từ đó thì độ chính xác tìm kiếm sẽ được cải thiện rất nhiều [19,24]. ð Đây chính là một trong những nguyên nhân dẫn đên sự ra đời của thế hệ Web thứ ba: Semantic Web[24]. Khái niệm Semantic Web Tim Berners-Lee (người phát minh ra Web) đưa ra định nghĩa Semantic Web như sau: “Bước đầu tiên là đặt dữ liệu trên Web theo một định dạng mà máy tính có thể hiểu được, hoặc chuyển thành định dạng mà máy tính có thể hiểu được.
Điều này tạo ra một loại Web gọi là Semantic Web - là một Web dữ liệu mà có thể được xử lý được trực tiếp hoặc gián tiếp bằng máy tính. Vũ Bội Hằng-Luận văn cao học-Trường Đại học Công nghệ-2005 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 12 Phát hiện quan hệ ngữ nghĩa Nguyên nhân-Kết quả từ các văn bản. Semantic Web không phải chỉ dành cho World Wide Web. Nó kèm theo một tập hợp các công nghệ mà cũng có thể làm việc trên intranet của nội bộ các công ty, doanh nghiệp…[20,24] 1.
Các ứng dụng của Sematic Web Semantic Search engine. Cải thiện tìm kiếm là một trong rất nhiều những lợi ích tiềm năng của Sematic Web. Hầu hết các cơ chế tìm kiếm hiện nay trên World Wide Web thường là một trong ba cách tiếp cận sau: + Đánh chỉ mục cho các từ khoá [1,4,16]. + Phân mục bằng tay [11,16].
+ Sử dụng các cơ chế đặc biệt để thu thập các thông tin ngữ nghĩa từ các trang Web (nhưng rất bị hạn chế) [2,14,16]. Mỗi cách tiếp cận trên đều có nhược điểm. Đánh chỉ mục các từ khoá thì chỉ liên kết với các từ vựng mà không hiểu được ngữ nghĩa của chúng nên có thể gây ra sự nhầm lẫn (như trong ví dụ ở phần giới thiệu chương). Trong khi đó, việc phân mục bằng tay đòi hỏi phải tiêu tốn rất nhiều nhân công và thời gian.
Còn việc sử dụng một số cơ chế đặc biệt để thu thập thông tin ngữ nghĩa thì lại rất bị hạn chế do các trang Web mang rất ít thông tin ngữ nghĩa hoặc còn phải phụ thuộc vào cách bố trí theo một số cấu trúc nhất định của các trang Web. Không có một cách tiếp cận nào trong số những cách tiếp cận ở trên (trừ cách tiếp cận cuối cùng nếu xét trong một miền ứng dụng cụ thể) cho phép suy luận được mối quan hệ của các trang Web (ngoại trừ mối quan hệ giữa các Vũ Bội Hằng-Luận văn cao học-Trường Đại học Công nghệ-2005 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 13 Phát hiện quan hệ ngữ nghĩa Nguyên nhân-Kết quả từ các văn bản. Vì vậy mà các truy vấn theo kiểu như trong ví dụ ở phần giới thiệu là không thể thực hiện được. => Giải pháp cho vấn đề này chính là Semantic Web.
Thay vì cố gắng để thu thập các tri thức từ các trang HTML hiện tại, chúng ta hãy kết gán trực tiếp các thông tin ngữ nghĩa cho các trang HTML, làm cho nó trở thành đơn giản để máy tính có thể tự xử lý các thông tin về mặt ngữ nghĩa mà không cần tới sự hỗ trợ của con người [6,19,20]. Agent Internet [19,24]: Các Agent Internet, là các chương trình tự trị mà tương tác với Internet, cũng có thể có hiệu quả hơn nhiều nếu chúng được hoạt động trên môi trường Sematic Web. Để thực hiện một mục đích nào đó, một Agent Internet có thể yêu cầu phải hiểu các trang Web để thi hành các dịch vụ Web. Về mặt lý thuyết, một agent như thế có thể thực hiện việc bán hàng, tham gia trong một cuộc bán đấu giá hoặc xếp lịch cho một kỳ nghỉ…Ví dụ: một Agent có thể được yêu cầu đặt chỗ cho một chuyến du lịch ở Jamaica, và Agent sẽ đặt vé máy bay, tìm một xe car để thuê và đặt một phòng ở khách sạn.
Tất cả phải dựa trên giá cả rẻ nhất hiện có và phù hợp với nhu cầu. Mặc dù đã tồn tại những Agent có thể thực hiện được một vài nhiệm vụ như vậy, nhưng chúng được xây dựng để hoạt động trên chỉ một tập hữu hạn các trang Web biết trước và phải phụ thuộc nhiều vào cấu trúc cố định của các trang Web này. Vì vậy, sẽ tốt hơn rất nhiều nếu như với bất kỳ một trang Web, các Agent có thể xem xét ngữ nghĩa của các trang Web thay vì xem xét cấu trúc bố trí cố định của trang Web này. Stovepipe system [24]: stovepipe system là một hệ thống mà ở đó thì tất cả các thành phần đều là các mạch điện tử làm việc với nhau.
Vì vậy, các Vũ Bội Hằng-Luận văn cao học-Trường Đại học Công nghệ-2005 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 14 Phát hiện quan hệ ngữ nghĩa Nguyên nhân-Kết quả từ các văn bản. thông tin chỉ là các dòng trong các stovepipe mà không thể được chia sẻ bởi một hệ thống khác hoặc một tổ chức khác mà cần những thông tin đó. Phân tích các hệ thống stovepipe là cần thiết ở tất cả các tầng kiến trúc thông tin doanh nghiệp. Công nghệ Semantic Web là hiệu quả nhất để phân tích các hệ thống CSDL stovepipe.
Các công nghệ cần thiết cho Semantic Web Cách để làm cho dữ liệu có thể xử lý được bằng máy tính là làm cho dữ liệu “thông minh hơn” (“smarter”). Hình vẽ sau thể hiện các cấp độ trạng thái phát triển của “dữ liệu thông minh” (“smart data”) [24]. Hình 1: Các giai đoạn phát triển của "smart data" Vũ Bội Hằng-Luận văn cao học-Trường Đại học Công nghệ-2005 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 15 Phát hiện quan hệ ngữ nghĩa Nguyên nhân-Kết quả từ các văn bản. Các văn bản Text và các cơ sở dữ liệu (tiền XML).
Hầu hết dữ liệu là độc quyền trong các ứng dụng. Ở đây khái niệm “smart” là khái niệm của ứng dụng chứ không phải của dữ liệu. Các tài liệu XML sử dụng các từ vựng đơn lẻ. Dữ liệu độc lập với ứng dụng trong một phạm vi ứng dụng cụ thể.
Dữ liệu bây giờ thì đủ thông minh để chuyển đổi giữa các ứng dụng trong phạm vi đó. Ví dụ: các chuẩn XML trong: công nghiệp y tế, công nghiệp bảo hiểm… Sự phân loại bằng XML và các tài liệu với các từ vựng phức. Dữ liệu có thể được kết hợp từ nhiều miền khác nhau và được phân lớp một cách chính xác trong một bảng phân cấp danh mục. Trong thực tế, sự phân lớp có thể được sử dụng để khai thác dữ liệu.
Các mối quan hệ giữa các phân mục trong bảng phân cấp danh mục có thể được sử dụng để kết nối dữ liệu. Vì vậy, dữ liệu ở giai đoạn này đủ thông minh để khai thác và kết nối với dữ liệu khác Ontology và các luật. Ở giai đoạn này, các dữ liệu mới có thể được suy ra từ các dữ liệu đang tồn tại bằng cách sử dụng các luật logic. Điều cốt yếu ở đây là dữ liệu bây giờ đã đủ thông minh để được mô tả cùng với những mối quan hệ cụ thể, và bằng các hình thức tinh vi, phức tạp mà có thể áp dụng được các tính toán logic.
Điều này cho phép tách dữ liệu thành các thành phần nhỏ hơn và có thể phân tích sâu hơn.