Luận văn: Ứng dụng Trích Rút Thông Tin Xây Dựng Hệ Thống Hỏi Đáp từ Dữ Liệu Văn Bản

Luận văn ứng dụng trích rút thông tin xây dựng hệ thống hỏi đáp từ văn bản. Nghiên cứu giải pháp hiệu quả, tối ưu hóa truy vấn thông tin và nâng cao trải nghiệm người dùng.

• Tác giả: Hoàng Thị Thu Hiền
• Người hướng dẫn: PGS.TS. Lê Thanh Hương
• Trường học: Trường Đại Học Bách Khoa Hà Nội
• Chuyên ngành: Công Nghệ Thông Tin
• Đề tài: Ứng Dụng Trích Rút Thông Tin Vào Xây Dựng Hệ Thống Hỏi Đáp Từ Tập Dữ Liệu Dạng Văn Bản
• Loại tài liệu: Luận Văn Thạc Sĩ Kỹ Thuật
• Năm xuất bản: 2016
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• DANH MỤC CÁC TỪ VIẾT TẮT
• DANH MỤC CÁC BẢNG
• DANH MỤC HÌNH VẼ
• LỜI MỞ ĐẦU
• 1. PHẦN 1: ĐẶT VẤN ĐỀ VÀ ĐỊNH HƯỚNG GIẢI PHÁP
• 1.1. GIỚI THIỆU VỀ HỆ THỐNG HỎI ĐÁP TỰ ĐỘNG
• 1.1.1. Hệ thống hỏi đáp tự động
• 1.2. Phân loại hệ thống hỏi đáp tự động
• 1.2.1. Phân loại theo miền ứng dụng
• 1.2.2. Phân loại theo khả năng trả lời câu hỏi
• 1.2.3. Phân loại theo hướng tiếp cận
• 1.3. Các bước cơ bản của hệ thống hỏi đáp tự động
• 1.4. Một số vấn đề quan tâm khi thiết kế hệ thống
• 1.5. Một số hệ thống hỏi đáp tiêu biểu
• 2. CHƯƠNG II: NGHIÊN CỨU CÁC KỸ THUẬT PHÂN TÍCH CÂU HỎI THEO NGÔN NGỮ TỰ NHIÊN
• 2.1. Nội dung của phân tích câu hỏi
• 2.2. Khó khăn của phân tích câu hỏi
• 2.3. Khảo sát các phương pháp phân tích câu hỏi cho các loại câu hỏi khác nhau
• 2.3.1. Câu hỏi đơn giản (factual-base)
• 2.3.2. Câu hỏi định nghĩa (definition question)
• 2.4. Một số phương pháp phân tích câu hỏi
• 2.4.1. Phương pháp phân lớp sử dụng học máy thống kê
• 2.4.2. Phương pháp phân tích câu hỏi bằng cách xử lí ngôn ngữ tự nhiên
• 2.4.3. Phương pháp xác định loại câu hỏi sử dụng mẫu quan hệ
• 3. CHƯƠNG 3: NGHIÊN CỨU CÁC KỸ THUẬT TRÍCH RÚT THÔNG TIN DỰA TRÊN QUAN HỆ NGỮ NGHĨA
• 3.1. Khái quát bài toán trích rút quan hệ ngữ nghĩa
• 3.1.1. Quan hệ ngữ nghĩa
• 3.1.2. Các loại quan hệ ngữ nghĩa
• 3.2. Bài toán trích rút mẫu quan hệ ngữ nghĩa
• 3.3. Các phương pháp trích rút mẫu quan hệ
• 3.3.1. Phương pháp DIPRE
• 3.3.2. Phương pháp Snowball
• 3.3.3. Phương pháp trích xuất mẫu tự động sử dụng máy tìm kiếm
• 3.3.4. Phương pháp KnowTLAll
• 3.3.5. Phương pháp TextRunner
• 3.3.6. So sánh
• 4. PHẦN 2: KẾT QUẢ ĐẠT ĐƯỢC
• 5. CHƯƠNG 4: THỰC NGHIỆM XÂY DỰNG HỆ THỐNG HỎI ĐÁP PHÒNG VÀ CHỮA BỆNH CHO TRẺ EM
• 5.1. Đặt vấn đề và giải pháp
• 5.2. Xây dựng cơ sở dữ liệu
• 5.2.1. Dữ liệu về danh sách các loại bệnh
• 5.2.2. Dữ liệu về định nghĩa các loại bệnh
• 5.2.3. Dữ liệu về nguyên nhân gây ra bệnh
• 5.2.4. Dữ liệu về triệu chứng các loại bệnh
• 5.2.5. Dữ liệu về cách phòng các loại bệnh
• 5.2.6. Dữ liệu về cách chữa các loại bệnh
• 5.3. Tạo mẫu câu hỏi
• 5.3.1. Từ từ khóa
• 5.3.2. Sơ khớp mẫu câu hỏi
• 5.4. Trích xuất câu trả lời
• 5.5. Kết quả và đánh giá
• 5.5.1. Giao diện chương trình
• 5.5.2. Nhận xét, đánh giá
• TÀI LIỆU THAM KHẢO
• LỜI CẢM ƠN

Tóm tắt

I. Tổng quan Luận văn ứng dụng Trích rút thông tin Hệ thống Hỏi Đáp

Hệ thống hỏi đáp (Question Answering System) là một lĩnh vực nghiên cứu quan trọng trong xử lý ngôn ngữ tự nhiên (Natural Language Processing - NLP). Mục tiêu là xây dựng các hệ thống có khả năng tự động trả lời câu hỏi của người dùng bằng cách trích rút thông tin từ một tập dữ liệu lớn. Luận văn này tập trung vào việc ứng dụng các kỹ thuật trích rút thông tin để xây dựng một hệ thống hỏi đáp hiệu quả từ dữ liệu văn bản. Bài toán này ngày càng trở nên cấp thiết khi lượng thông tin trực tuyến tăng trưởng với tốc độ chóng mặt, đòi hỏi các công cụ có khả năng tiếp cận và tổng hợp thông tin một cách nhanh chóng và chính xác. Các mô hình ngôn ngữ tiên tiến như BERT và GPT đang được sử dụng rộng rãi để cải thiện hiệu suất của các hệ thống này. Các bước cơ bản của hệ thống hỏi đáp tự động bao gồm: phân tích câu hỏi, truy vấn thông tin, trích rút thông tin và tổng hợp câu trả lời. Việc đánh giá hệ thống hỏi đáp thường dựa trên các tiêu chí như độ chính xác và độ bao phủ. Luận văn của Hoàng Thị Thu Hiền đã đóng góp vào lĩnh vực này bằng cách đề xuất một phương pháp tiếp cận cụ thể và triển khai thực nghiệm ứng dụng thực tế trong lĩnh vực y tế. Theo nghiên cứu, xu hướng nghiên cứu về Q&A ngày càng tăng và đa dạng, phản ánh tầm quan trọng của lĩnh vực này.

1.1. Giới thiệu bài toán xây dựng hệ thống hỏi đáp tự động Q A

Bài toán xây dựng hệ thống hỏi đáp tự động (Q&A) là một bài toán phức tạp, đòi hỏi sự kết hợp của nhiều kỹ thuật xử lý ngôn ngữ tự nhiên (NLP). Yêu cầu đặt ra là hệ thống phải có khả năng hiểu câu hỏi của người dùng, tìm kiếm thông tin liên quan trong cơ sở dữ liệu, trích rút thông tin cần thiết và tổng hợp câu trả lời một cách mạch lạc và dễ hiểu. Các hệ thống Q&A hiện đại thường sử dụng các mô hình học sâu như BERT và GPT để cải thiện khả năng hiểu ngôn ngữ và trích rút thông tin một cách chính xác. Một số hướng tiếp cận phổ biến bao gồm: sử dụng knowledge graph, áp dụng các kỹ thuật information retrieval và text mining, và xây dựng các mô hình ngôn ngữ chuyên biệt cho từng lĩnh vực ứng dụng. Việc xây dựng một cơ sở dữ liệu văn bản chất lượng cao là yếu tố then chốt để đảm bảo hiệu suất của hệ thống.

1.2. Tầm quan trọng của trích rút thông tin trong hệ thống hỏi đáp

Trích rút thông tin đóng vai trò then chốt trong bất kỳ hệ thống hỏi đáp (Q&A) nào. Giai đoạn này tập trung vào việc xác định và lấy ra những phần thông tin chính xác và liên quan từ văn bản nguồn để có thể trả lời câu hỏi. Nếu không có trích rút thông tin hiệu quả, hệ thống sẽ không thể cung cấp các câu trả lời chính xác, ngay cả khi nó hiểu rõ câu hỏi và tìm kiếm đúng văn bản. Việc này có thể được thực hiện bằng nhiều cách, chẳng hạn như sử dụng các quy tắc, mẫu hoặc các mô hình học máy. Các kỹ thuật như Named Entity Recognition (NER), Part-of-Speech Tagging (POS Tagging) và Relation Extraction thường được sử dụng trong quá trình này. Hiệu suất của giai đoạn trích rút thông tin ảnh hưởng trực tiếp đến độ chính xác và tính hữu ích của toàn bộ hệ thống. Chính vì vậy, việc nghiên cứu và cải tiến các phương pháp trích rút thông tin luôn là một ưu tiên hàng đầu trong lĩnh vực này.

II. Thách thức Phân tích Ngôn ngữ Tự nhiên cho Hệ thống Hỏi Đáp

Phân tích ngôn ngữ tự nhiên (NLP) đóng vai trò then chốt trong việc xây dựng một hệ thống hỏi đáp (Q&A) hiệu quả. Tuy nhiên, quá trình này không hề dễ dàng và gặp phải nhiều thách thức lớn. Một trong những thách thức đó là sự phức tạp của ngôn ngữ tự nhiên, bao gồm tính mơ hồ, đa nghĩa và sự biến đổi ngữ cảnh. Một câu hỏi có thể được diễn đạt bằng nhiều cách khác nhau, và một từ có thể mang nhiều nghĩa tùy thuộc vào ngữ cảnh sử dụng. Để giải quyết những thách thức này, các nhà nghiên cứu đã phát triển nhiều kỹ thuật xử lý ngôn ngữ tự nhiên (NLP) tiên tiến, bao gồm phân tích cú pháp, phân tích ngữ nghĩa, và mô hình hóa ngôn ngữ. Các mô hình Transformer như BERT và GPT đã mang lại những bước tiến đáng kể trong việc hiểu ngôn ngữ tự nhiên, nhưng vẫn còn nhiều vấn đề cần được giải quyết. Một khó khăn khác là việc xử lý các câu hỏi phức tạp, đòi hỏi hệ thống phải có khả năng suy luận và tổng hợp thông tin từ nhiều nguồn khác nhau. Cuối cùng, việc xây dựng một cơ sở dữ liệu văn bản lớn và đa dạng cũng là một thách thức không nhỏ, đặc biệt đối với các lĩnh vực chuyên biệt.

2.1. Vấn đề về sự mơ hồ và đa nghĩa trong ngôn ngữ tự nhiên

Sự mơ hồ và đa nghĩa là những đặc điểm cố hữu của ngôn ngữ tự nhiên, gây ra không ít khó khăn cho các hệ thống xử lý ngôn ngữ tự nhiên (NLP), đặc biệt là trong hệ thống hỏi đáp (Q&A). Một từ có thể có nhiều nghĩa khác nhau (đa nghĩa), và một câu có thể được hiểu theo nhiều cách khác nhau (mơ hồ). Để giải quyết vấn đề này, các hệ thống cần có khả năng hiểu ngữ cảnh và sử dụng các kỹ thuật phân tích ngữ nghĩa để xác định ý nghĩa chính xác của từ và câu. Ví dụ, từ "bank" có thể có nghĩa là ngân hàng hoặc bờ sông, tùy thuộc vào ngữ cảnh sử dụng. Việc sử dụng các knowledge graph và các nguồn tri thức bên ngoài có thể giúp hệ thống phân biệt các nghĩa khác nhau và đưa ra câu trả lời chính xác. Các phương pháp học sâu cũng đang được sử dụng để cải thiện khả năng giải quyết sự mơ hồ và đa nghĩa trong ngôn ngữ.

2.2. Xử lý các loại câu hỏi phức tạp trong hệ thống hỏi đáp

Các hệ thống hỏi đáp không chỉ phải xử lý các câu hỏi đơn giản, mà còn phải đối mặt với những câu hỏi phức tạp, đòi hỏi khả năng suy luận và tổng hợp thông tin từ nhiều nguồn khác nhau. Những câu hỏi này thường chứa nhiều mệnh đề, điều kiện hoặc yêu cầu so sánh, ví dụ: "Những triệu chứng nào phân biệt bệnh A với bệnh B?". Để trả lời những câu hỏi này, hệ thống cần phải có khả năng phân tích cú pháp sâu sắc, hiểu được mối quan hệ giữa các thành phần trong câu và truy vấn thông tin từ nhiều nguồn khác nhau. Các kỹ thuật như Relation Extraction và Semantic Analysis có thể được sử dụng để xác định mối quan hệ giữa các thực thể và thuộc tính trong câu hỏi. Việc kết hợp máy học và học sâu cũng giúp cải thiện khả năng xử lý các câu hỏi phức tạp.

III. Phương pháp Trích rút Thông tin Dựa trên Quan hệ Ngữ Nghĩa

Phương pháp trích rút thông tin dựa trên quan hệ ngữ nghĩa là một hướng tiếp cận hiệu quả để xây dựng hệ thống hỏi đáp (Q&A). Phương pháp này tập trung vào việc xác định và khai thác các mối quan hệ giữa các thực thể trong văn bản, ví dụ: "A là nguyên nhân của B", "A là triệu chứng của B", hoặc "A là phương pháp điều trị của B". Việc sử dụng knowledge graph và các nguồn tri thức bên ngoài có thể giúp hệ thống xác định và biểu diễn các quan hệ ngữ nghĩa một cách rõ ràng và mạch lạc. Các kỹ thuật như Relation Extraction và Semantic Analysis đóng vai trò quan trọng trong việc trích rút các quan hệ này từ văn bản. Một số phương pháp phổ biến bao gồm: DIPRE, Snowball và TextRunner. Mỗi phương pháp có những ưu điểm và nhược điểm riêng, tùy thuộc vào đặc điểm của dữ liệu và yêu cầu của ứng dụng. Việc so sánh và đánh giá các phương pháp khác nhau là cần thiết để lựa chọn phương pháp phù hợp nhất.

3.1. Khái niệm và các loại quan hệ ngữ nghĩa trong văn bản

Quan hệ ngữ nghĩa là mối liên kết giữa các khái niệm, thực thể và sự kiện trong văn bản, thể hiện ý nghĩa và thông tin mà tác giả muốn truyền đạt. Các quan hệ này có thể là: quan hệ nhân quả (ví dụ: "vi rút gây ra bệnh"), quan hệ thuộc tính (ví dụ: "màu đỏ là thuộc tính của quả táo"), quan hệ định nghĩa (ví dụ: "máy tính là thiết bị điện tử"), và nhiều loại quan hệ khác. Việc xác định và phân loại các quan hệ ngữ nghĩa là một bước quan trọng trong quá trình trích rút thông tin, giúp hệ thống hiểu sâu hơn về ý nghĩa của văn bản và trả lời câu hỏi một cách chính xác. Các nguồn tri thức như WordNet và UMLS cung cấp thông tin về các quan hệ ngữ nghĩa phổ biến, giúp hệ thống cải thiện khả năng trích rút thông tin.

3.2. Các phương pháp trích rút mẫu quan hệ DIPRE Snowball TextRunner

Có nhiều phương pháp trích rút mẫu quan hệ, mỗi phương pháp có những ưu điểm và nhược điểm riêng. DIPRE là một phương pháp dựa trên mẫu, sử dụng các mẫu quan hệ đã biết để trích rút các quan hệ mới từ văn bản. Snowball là một phương pháp tự động, bắt đầu với một tập hợp nhỏ các thực thể và quan hệ đã biết, sau đó mở rộng tập hợp này bằng cách trích rút các quan hệ tương tự từ văn bản. TextRunner là một phương pháp dựa trên cú pháp, sử dụng phân tích cú pháp để xác định các quan hệ giữa các thực thể trong câu. Việc lựa chọn phương pháp phù hợp nhất phụ thuộc vào đặc điểm của dữ liệu và yêu cầu của ứng dụng. Theo luận văn, bảng so sánh các phương pháp trích rút mẫu cung cấp cái nhìn tổng quan về ưu điểm và nhược điểm của từng phương pháp.

IV. Ứng dụng Xây dựng Hệ thống Hỏi Đáp Phòng và Chữa Bệnh cho Trẻ Em

Luận văn đã triển khai thực nghiệm một ứng dụng thực tế của phương pháp trích rút thông tin trong lĩnh vực y tế, cụ thể là xây dựng một hệ thống hỏi đáp về phòng và chữa bệnh cho trẻ em. Hệ thống này sử dụng một cơ sở dữ liệu về các loại bệnh, triệu chứng, nguyên nhân và phương pháp điều trị cho trẻ em. Hệ thống có khả năng trả lời các câu hỏi như "Bệnh sởi là gì?", "Triệu chứng của bệnh thủy đậu là gì?", hoặc "Cách phòng ngừa bệnh cúm cho trẻ em?". Việc xây dựng một hệ thống hỏi đáp chuyên biệt cho lĩnh vực y tế đòi hỏi sự chú trọng đến tính chính xác và độ tin cậy của thông tin. Hệ thống cần phải sử dụng các nguồn thông tin đáng tin cậy và tuân thủ các quy trình kiểm soát chất lượng nghiêm ngặt. Kết quả thử nghiệm cho thấy hệ thống có độ chính xác khá cao đối với một số loại câu hỏi, nhưng vẫn cần được cải thiện để đáp ứng nhu cầu thực tế.

4.1. Xây dựng cơ sở dữ liệu tri thức về bệnh cho trẻ em

Việc xây dựng một cơ sở dữ liệu tri thức chất lượng cao là yếu tố then chốt để đảm bảo hiệu suất của hệ thống hỏi đáp về phòng và chữa bệnh cho trẻ em. Cơ sở dữ liệu này cần bao gồm thông tin về các loại bệnh, triệu chứng, nguyên nhân, phương pháp điều trị và phòng ngừa, cũng như các thông tin liên quan khác. Thông tin trong cơ sở dữ liệu cần được thu thập từ các nguồn đáng tin cậy, như sách giáo khoa, tạp chí khoa học và trang web của các tổ chức y tế uy tín. Việc tổ chức thông tin một cách rõ ràng và mạch lạc cũng rất quan trọng, giúp hệ thống truy vấn và trích rút thông tin một cách nhanh chóng và chính xác. Ngoài ra, việc cập nhật thông tin thường xuyên là cần thiết để đảm bảo tính chính xác và độ tin cậy của hệ thống.

4.2. Đánh giá độ chính xác và hiệu quả của hệ thống hỏi đáp

Đánh giá hệ thống hỏi đáp là bước quan trọng để xác định hiệu quả của hệ thống và tìm ra những điểm cần cải thiện. Các tiêu chí đánh giá thường bao gồm độ chính xác, độ bao phủ, và tốc độ trả lời. Độ chính xác đo lường tỷ lệ câu trả lời đúng mà hệ thống đưa ra. Độ bao phủ đo lường khả năng của hệ thống trong việc trả lời các câu hỏi khác nhau. Tốc độ trả lời đo lường thời gian mà hệ thống cần để đưa ra câu trả lời. Các phương pháp đánh giá có thể bao gồm thử nghiệm trên một tập hợp các câu hỏi đã biết, so sánh với các hệ thống khác, và thu thập phản hồi từ người dùng. Bảng đánh giá độ chính xác hệ thống cho từng loại câu hỏi trong luận văn cung cấp thông tin chi tiết về hiệu suất của hệ thống.

V. Kết luận và Hướng phát triển cho Hệ thống Hỏi Đáp Tự động

Luận văn đã trình bày một phương pháp tiếp cận hiệu quả để xây dựng hệ thống hỏi đáp (Q&A) dựa trên trích rút thông tin từ dữ liệu văn bản. Phương pháp này đã được triển khai thực nghiệm trong lĩnh vực y tế, cho thấy tiềm năng ứng dụng rộng rãi của hệ thống hỏi đáp tự động. Tuy nhiên, vẫn còn nhiều thách thức cần được giải quyết để cải thiện hiệu suất và tính hữu ích của hệ thống. Các hướng phát triển trong tương lai có thể bao gồm việc sử dụng các mô hình ngôn ngữ tiên tiến hơn, áp dụng các kỹ thuật học sâu để cải thiện khả năng hiểu ngôn ngữ, và mở rộng cơ sở dữ liệu tri thức để tăng độ bao phủ của hệ thống. Ngoài ra, việc phát triển các giao diện người dùng thân thiện và dễ sử dụng cũng là một yếu tố quan trọng để thu hút người dùng.

5.1. Tổng kết những đóng góp của luận văn về hệ thống hỏi đáp

Luận văn này đã đóng góp vào lĩnh vực hệ thống hỏi đáp thông qua việc đề xuất và triển khai một phương pháp tiếp cận cụ thể dựa trên trích rút thông tin và quan hệ ngữ nghĩa. Luận văn cũng đã xây dựng một hệ thống hỏi đáp thực nghiệm trong lĩnh vực y tế, cung cấp một ví dụ cụ thể về cách ứng dụng các kỹ thuật xử lý ngôn ngữ tự nhiên (NLP) để giải quyết các bài toán thực tế. Kết quả nghiên cứu cho thấy tiềm năng của phương pháp tiếp cận này, đồng thời cũng chỉ ra những hạn chế cần được khắc phục trong tương lai. Nghiên cứu này cũng cung cấp một cơ sở dữ liệu văn bản và một tập hợp các mẫu câu hỏi, có thể được sử dụng cho các nghiên cứu tiếp theo.

5.2. Các hướng nghiên cứu và phát triển hệ thống hỏi đáp trong tương lai

Lĩnh vực hệ thống hỏi đáp vẫn còn nhiều tiềm năng để phát triển và cải tiến. Một hướng nghiên cứu quan trọng là việc sử dụng các mô hình ngôn ngữ tiên tiến hơn, như BERT và GPT, để cải thiện khả năng hiểu ngôn ngữ và trích rút thông tin. Một hướng khác là việc kết hợp hệ thống hỏi đáp với các nguồn tri thức bên ngoài, như knowledge graph và Semantic Web, để tăng độ bao phủ và tính chính xác của hệ thống. Ngoài ra, việc phát triển các giao diện người dùng thân thiện và dễ sử dụng cũng là một yếu tố quan trọng để thu hút người dùng. Cuối cùng, việc nghiên cứu các phương pháp đánh giá hiệu quả hơn cũng là cần thiết để đánh giá và so sánh các hệ thống khác nhau.

Trích đoạn nội dung tài liệu

BO GIAO DUC VA DAO TAO TRUONG BAI HOC BACH KHOA HA NOI * Họ vả tên tác giả luận văn: Hoàng Thị Thu Hiền UNG DUNG TRICH RUT THONG TIN VAO XAY DỰNG HE THONG HOI DAP TU TAP DU LIEU DANG VAN BAN LUẬN VĂN THẠC SĨ KỸ THUẬT NGANII CONG NGITÿ THÔNG TIN Hã nội - năm 2016 BO GIAO DUC VA DAO TAO TRUONG DALHOC BACH KHOA HA NOL * Ilo và tên tác giả luận văn: Hoàng Thị Thu Hiền UNG DUNG TRICH RUT THÔNG TIN VÀO XÂY DỰNG TIE THONG TOI DAP TY TAP DU LIEU DANG VAN BAN LUẬN VAN THAC SIKY THUAT NGANH CONG NGHE THONG TIN Người hướng dẫn khoa hoe: PGS. T'S Lé ‘Thanh Huong Ha ni - năm 2016 LUC Trang LOL CAM GONE. eeccccnscsesssssesseseussseisersisssisassiinstseeisiisseeessottnssetasstiaasetrssiedh LOT CAM DOAN - 7 - 7 - 5 DANII MỤC CÁC TỬ VIẾT TẤT.2c222scccceeret tHeeseeeeoo-Ði DANH MỤC CÁC BẰNG. ĐANH MỤC HÌNH VẼ.

- - - - 8 LỜI MỞ DẪU. SH nung oe 9 PHAN 1: DAT VAN DB VA DINH HUGNG GIAI PHAP. GIGI THIBU VE HE THONG HOT PAP TU PONG 11 1. Hệ thống hỏi đáp tự động,.

11 2, Phan loại hệ thông, hói đáp tự dộng,.cooccooc0ccccecrrree Xe, T3Ì 3. Phân loại theo miễn ímg dụng 13 3. Phân loại theo khá năng trả lời câu hón. Phản loại theo hưởng tiếp cận.

Các bước cơ bản của hệ thống hỏi đáp tự đông - - 16 4. Một số vẫn đề quan tâm khi thiết kế hệ thống Q4kA. Một số hệ thông hỏi đáp tiêu biểu. CHƯƠNG II: NGHIÊN CỨU CÁC KỸ THUẬT PHÂN TÍCH CÂU HOI THEO 'NGÔN NGỮ TỰ NHIÊN 19 1.

Nội đụng của phân tích câu hồi 19 2. Khó khăn của phân tích 8 hoi. ees cee cence 3. Khảo sát các phương pháp phân tích côn hội cho các loại cầu hỏi khác nhan 30 3.

Câu hỏi đơn giãn (faotual-base). Câu hỏi dinh nghia (definition question). cece eter BD 4. Một số phương pháp phân tích câu hỏi - 35 4.

Phương pháp phân lớp sử đựng học máy thông kê 25 4. Phương pháp phân tích câu hỏi bằng cách xử lí ngôn ngữ tự nhiền. Phương pháp xóc định loại câu hôi sử dụng mẫu quan hệ. NGIIÈN CỬU CÁC KỸ TIƯẶT TRÍCH RUT THONG TIN DUA TREN QUAN HE NGU NGHTA.

Khái quát bài toàn trích rút quan hệ ngữ ng lữa. Quan hệ ngữ ngÌữa. Các loại quan hệ ngữ nghĩa - 30 1. Bài toán trích rút mỗi quan hệ ngữ ngÌữa.

Các phương pháp trích rút mẫu quan hệ. Phương pháp DIPRE. Phuong phap Snowball 237 2.3, Phuong phap trích xuất ruẫu tự dộng sử dụng máy tìm kiếm. Phương pháp KnowTLAll 40 3.

Phương pháp TexfRunner. So sánh - - - 43 PIIAN 2: KUT QUA DAT DUGC. - - 45 CUUONG 4: THỰC NGIHHM XÂY DỤNG LIỆ THÔNG LIÔI DẤP PHÒNG VÀ CHUA BENH 6 TRE EM. Đặt vẫn đề và giải pháp,.

Xây dụng cơ sở đữ liệu: -. Dữ liệu về đanh sách các loại bệnh: 56 3. Dữ liệu về dịnh nghĩa các loại bệnÌ::. neo 7 DANII MUC CAC BANG.

Rang mdi quan hệ ngữ nghĩa trong WordNet Bảng 2. Ví dụ trích rút mẫu Bang 3. So sánh các phương, pháp trích rút mẫu. Từ điển định nghĩa mỗi quan hệ với các loại bệnh.

Tập quan hệ cúng các mẫu tương ứng. Một số kết quả thử nghiệm chương trình hỏi đáp chữa bệnh cho trễ em Bảng7. Đánh giá độ chính xác hệ thống cho từng loại câu hỏi DANII MUC CAC BANG. Rang mdi quan hệ ngữ nghĩa trong WordNet Bảng 2.

Ví dụ trích rút mẫu Bang 3. So sánh các phương, pháp trích rút mẫu. Từ điển định nghĩa mỗi quan hệ với các loại bệnh. Tập quan hệ cúng các mẫu tương ứng.

Một số kết quả thử nghiệm chương trình hỏi đáp chữa bệnh cho trễ em Bảng7. Đánh giá độ chính xác hệ thống cho từng loại câu hỏi 3. Câu hỏi dinh nghia (definition question). cece eter BD 4.

Một số phương pháp phân tích câu hỏi - 35 4. Phương pháp phân lớp sử đựng học máy thông kê 25 4. Phương pháp phân tích câu hỏi bằng cách xử lí ngôn ngữ tự nhiền. Phương pháp xóc định loại câu hôi sử dụng mẫu quan hệ.

NGIIÈN CỬU CÁC KỸ TIƯẶT TRÍCH RUT THONG TIN DUA TREN QUAN HE NGU NGHTA. Khái quát bài toàn trích rút quan hệ ngữ ng lữa. Quan hệ ngữ ngÌữa. Các loại quan hệ ngữ nghĩa - 30 1.

Bài toán trích rút mỗi quan hệ ngữ ngÌữa. Các phương pháp trích rút mẫu quan hệ. Phương pháp DIPRE. Phuong phap Snowball 237 2.3, Phuong phap trích xuất ruẫu tự dộng sử dụng máy tìm kiếm.

Phương pháp KnowTLAll 40 3. Phương pháp TexfRunner. So sánh - - - 43 PIIAN 2: KUT QUA DAT DUGC. - - 45 CUUONG 4: THỰC NGIHHM XÂY DỤNG LIỆ THÔNG LIÔI DẤP PHÒNG VÀ CHUA BENH 6 TRE EM.

Đặt vẫn đề và giải pháp,. Xây dụng cơ sở đữ liệu: -. Dữ liệu về đanh sách các loại bệnh: 56 3. Dữ liệu về dịnh nghĩa các loại bệnÌ::.

neo 7 DANH MỤC HÌNH VE Tĩnh1. Xu hướng nghiên cứu về Q&A. Các bước của hệ thông Qá&A Tỉnh 3. Kiên trúc cho xử lý cau héi factual-base Tình 4.

Xác định loại câu hỏi sử dụng kĩ thuật xở lý ngôn ngữ tự nhiên linh 5. Mỗi liên hệ giữa từ “car” với các từ khác thông qua các méi quan hé. Kiến trúc hệ thông Snowball. Các thành phần chính của KnowItA11 Hình 8.

Mô hình của hệ thông hỏi đáp Lự động _ Hình 9. Mô hình xử lí cho pha phân tích cầu hội và trích xuất câu Hinh10. Co 36 dit ách phòng và chữa bệnh ở t Linh 11, Giao diện chương trình hỏi đáp phòng và chữa bệnh cho tré em. DANII MUC CAC BANG.

Rang mdi quan hệ ngữ nghĩa trong WordNet Bảng 2. Ví dụ trích rút mẫu Bang 3. So sánh các phương, pháp trích rút mẫu. Từ điển định nghĩa mỗi quan hệ với các loại bệnh.

Tập quan hệ cúng các mẫu tương ứng. Một số kết quả thử nghiệm chương trình hỏi đáp chữa bệnh cho trễ em Bảng7. Đánh giá độ chính xác hệ thống cho từng loại câu hỏi DANA MUC CAC TY VIET TAT STT Từ viết tắt Chỉ tiết Nghĩa 1 Q&A Question and answer | Hé théng hé: dap 2 NP Noun Phrase Cụm đanh từ 3 UMLS Unilied Medical Thông nhất hệ thông Language System. ngôn ngữ y tế 4 IR information retrieval Truy vẫn thông tin pointwise mutual ‘Thong tin chang dựa.

5 PMI information trên điểm 6 SHI Search Engine Giao diện Interface may tim kiém 77 SVM Support Veetor Machines Máy : hỗya trợ Vector 8 kNN k Near Neighbors | Táng giếng gấn nhất 3. Dữ liệu về nguyên nhân gây ra bệnh. Dữ liệu về triệu chứng các loại bệnh: in a 3. Dữ liệu về cách phòng cáo loại bệnh: 3.

Dữ liệu vẻ cách chữa các loại bệnh:. Tạo mẫu câu hỏi. Tùu từ khóa. Sơ khớp mẫu câu hồi 6.

Trích xuất câu trả lời:.Kết quả và đánh giả.1 Giao điện chương trình 7.3 Nhận xét, đảnh giá. 69 TÀI LTEU THAM KHÁO. 71 LOI CAM DOAN Téi xin cam đoan đây là công trình nghiên cứu của bản thân dưới sư hướng dẫn khoa học của PGS. Lê Thanh Hương, xuất phát từ yêu câu phát sinh trong, cuộc sống hàng ngày để hình thành hướng nghiên cửu.

Các số liệu có nguồn gée 13 ràng tuân thủ đứng nguyên tắc và kết quả trình bày trong luận văn được thu thập trong quá trình nghiển cửa lá trung thực chưa từng được ai công bê rước đây Nếu phát hiện có bắt kỳ sự gian lận nào tôi xin hoán toàn chịu trách nhiệm về nội dung luận văn của mình. Hà Nội, tháng 10 nấm 2016 Tác giá luận văn Hoang Thi Thu Hiền 3. Dữ liệu về nguyên nhân gây ra bệnh. Dữ liệu về triệu chứng các loại bệnh: in a 3.

Dữ liệu về cách phòng cáo loại bệnh: 3. Dữ liệu vẻ cách chữa các loại bệnh:. Tạo mẫu câu hỏi. Tùu từ khóa.

Sơ khớp mẫu câu hồi 6. Trích xuất câu trả lời:.Kết quả và đánh giả.1 Giao điện chương trình 7.3 Nhận xét, đảnh giá. 69 TÀI LTEU THAM KHÁO. 71 LOI CAM ON! Trước tiên, em xi lời cắm on va long biết ơn sâu sắc nhất đến PG8.T5 Lê Thanh IIrơng người đã tận tình chỉ bảo em suốt quá trình làm luận văn tốt nghiệp.

Em xin cam ơn các thay cô và cán bộ trường Đại học Bách Khoa đã tạo điều kiện thuận lợi đê em học tập và nghiên cửu. Cuồi cùng, em muền gủi lời cảm ơn tới gia đình và bạn hè, những người thân yêu luôn bên cạnh, động viên em trong suốt quá trình thực hiện khóa luận tốt nghiệp Tầm xm chân thành câm ơn Í 3. Câu hỏi dinh nghia (definition question). cece eter BD 4.

Một số phương pháp phân tích câu hỏi - 35 4. Phương pháp phân lớp sử đựng học máy thông kê 25 4. Phương pháp phân tích câu hỏi bằng cách xử lí ngôn ngữ tự nhiền. Phương pháp xóc định loại câu hôi sử dụng mẫu quan hệ.

NGIIÈN CỬU CÁC KỸ TIƯẶT TRÍCH RUT THONG TIN DUA TREN QUAN HE NGU NGHTA. Khái quát bài toàn trích rút quan hệ ngữ ng lữa. Quan hệ ngữ ngÌữa. Các loại quan hệ ngữ nghĩa - 30 1.

Bài toán trích rút mỗi quan hệ ngữ ngÌữa. Các phương pháp trích rút mẫu quan hệ. Phương pháp DIPRE. Phuong phap Snowball 237 2.3, Phuong phap trích xuất ruẫu tự dộng sử dụng máy tìm kiếm.

Phương pháp KnowTLAll 40 3. Phương pháp TexfRunner. So sánh - - - 43 PIIAN 2: KUT QUA DAT DUGC. - - 45 CUUONG 4: THỰC NGIHHM XÂY DỤNG LIỆ THÔNG LIÔI DẤP PHÒNG VÀ CHUA BENH 6 TRE EM.

Đặt vẫn đề và giải pháp,. Xây dụng cơ sở đữ liệu: -. Dữ liệu về đanh sách các loại bệnh: 56 3. Dữ liệu về dịnh nghĩa các loại bệnÌ::.

neo 7 LOI CAM ON! Trước tiên, em xi lời cắm on va long biết ơn sâu sắc nhất đến PG8.T5 Lê Thanh IIrơng người đã tận tình chỉ bảo em suốt quá trình làm luận văn tốt nghiệp. Em xin cam ơn các thay cô và cán bộ trường Đại học Bách Khoa đã tạo điều kiện thuận lợi đê em học tập và nghiên cửu. Cuồi cùng, em muền gủi lời cảm ơn tới gia đình và bạn hè, những người thân yêu luôn bên cạnh, động viên em trong suốt quá trình thực hiện khóa luận tốt nghiệp Tầm xm chân thành câm ơn Í LOI CAM ON! Trước tiên, em xi lời cắm on va long biết ơn sâu sắc nhất đến PG8.T5 Lê Thanh IIrơng người đã tận tình chỉ bảo em suốt quá trình làm luận văn tốt nghiệp. Em xin cam ơn các thay cô và cán bộ trường Đại học Bách Khoa đã tạo điều kiện thuận lợi đê em học tập và nghiên cửu.