CHƯƠNG 1: TỔNG QUAN VỀ ĐỀ TÀI 1. Giới thiệu tổng quan về vấn đề nghiên cứu 1. Nhu cầu và thực trạng tìm kiếm theo ngữ nghĩa trên kho tài liệu Hiện nay, việc tổ chức một kho tài liệu học tập về một chuyên ngành, một lĩnh vực đặc biệt như CNTT với chức năng tìm kiếm liên quan đến thông tin tri thức hay nội dung tài liệu là một nhu cầu cấp thiết trong thực tiễn của việc giảng dạy, học tập và nghiên cứu. Đã có một số công trình liên quan đến vấn đề tổ chức quản lý và xử lý tìm kiếm theo nội dung.
Tuy nhiên những kết quả đạt được vẫn còn hạn chế và chưa đủ để đáp ứng cho nhu cầu khai thác thông tin của người sử dụng. Các giải pháp cũng như công nghệ phổ biến hiện nay tuy có nhiều hỗ trợ cho ứng dụng quản lý tài nguyên học tập, nhưng còn chủ yếu ở mức xử lý dữ liệu. Do đó vẫn chưa đủ khả năng diễn giải, kết hợp tài nguyên theo ngữ nghĩa nội dung hay tri thức liên quan. Vì thế các tính năng của hệ thống chưa đủ đáp ứng các yêu cầu sử dụng ngày càng cao, đặc biệt là việc tổ chức và xử lý tích hợp dữ liệu, thông tin và tri thức.
Trong lĩnh vực của khoa học máy tính, hiện đang có một sự chuyển hướng dần đến những thứ mà có thể gọi là sự hướng tri thức hoặc xử lý ngữ nghĩa. Theo đó, những hệ thống tìm kiếm dựa trên khái niệm được nghiên cứu phát triển nhằm thay thế cho những hệ thống truyền thống vốn đã bộc lộ nhiều khuyết điểm lớn. Khảo sát một số giải pháp và ứng dụng tìm kiếm ngữ nghĩa trên kho tài liệu hiện nay 1. Về một số động cơ tìm kiếm thông dụng hiện nay Đối với nhu cầu tìm kiếm thông tin nói chung, hầu hết đều nghĩ đến cái tênGoogle.
Tuy nhiên, thị trường các công cụ tìm kiếm thông tin trên máy tính vẫn đang ngày càng trở nên đông đảo và gia tăng không ngừng. Trên lĩnh vực tìm kiếm 2 trên internet, người khổng lồ Google bị bám đuổi và cạnh tranh gay gắt từ các dịch vụ như Yahoo search (yahoo.com), Microsoft Bing (bing.com), Ask (ask. Các động cơ tìm kiếm này đã nổi tiếng trên toàn thế giới, ngôn ngữ được hỗ trợ chính là tiếng Anh nhưng cũng sử dụng được với các ngôn ngữ khác. Ngoài ra, với tham vọng là xây dựng các động cơ tìm kiếm tận dụng những lợi thế địa phương của quốc gia về ngôn ngữ và văn hóa, các công ty quốc gia cũng xây dựng các động cơ tìm kiếm riêng cho mình như Baidu (baidu.com) của Trung Quốc, Heeya (heeya.com) của Hàn Quốc hay Yandex (yandex.com) của Nga, v.
Nếu bàn về tìm kiếm theo từ khóa, Google đã gần như không có đối thủ. Tuy nhiên, nếu người dùng không biết rõ về từ khóa họ cần cung cấp cho máy tìm kiếm, họ cần máy tìm kiếm “hiểu” ý của họ thông qua ngữ nghĩa hàm ý trong câu truy vấn. Đây là điểm mà một số đối thủ của Google như Lexxe (lexxe.com), Factbites (factbites.com), Swoogle (swoogle.edu), Kngine (kngine.com), DuckDuckGo (duckduckgo.com), Wolfram Alpha (wolframalpha.com) nhắm vào. Với khả năng đoán ý, hiểu nghĩa của từ hay cụm từ để cho ra kết quả gần nhất với ý định tìm kiếm của người dùng, các động cơ tìm kiếm ngữ nghĩa kể trên có khả năng sẽ tạo sự đột phá cho thị trường tìm kiếm hiện nay.
Có thể xem khả năng tìm kiếm ngữ nghĩa như là một cách tốt hơn để cung cấp cho người dùng thông tin họ cần, đảm bảo kết quả thu được có liên quan đến thông tin cần tìm hơn dựa trên khả năng hiểu được nghĩa của từ hoặc cụm từ đang được tìm kiếm. Với các công nghệ ngữ nghĩa, máy tính sẽ hiểu rõ hơn những mối quan hệ giữa nhiều thông tin khác nhau hơn là chỉ chuyển tiếp các liên kết dựa trên từ khóa tìm kiếm. Các hệ thống quản lý tài liệu Ngoài việc tìm kiếm thông tin trên mạng Internet, người dùng còn một nguồn tài liệu khác đó là các bộ sưu tập sẵn có. Tuy khối lượng thông tin trong một bộ sưu tập sẵn có chắc chắn sẽ có giới hạn nhưng việc này vô tình có thể giúp người dùng tránh được tình trạng quá tải thông tin.
Đồng thời các kho tài liệu sẵn có 3 thường tập trung nhiều tài liệu đặc chủng và chuyên ngành không dễ có thể tìm thấy trên Internet. Hiện nay người dùng thường có một số lựa chọn sau khi tìm nguồn thông tin từ các bộ sưu tập sẵn có: Các thư viện điện tử: Thông thường, đây là địa điểm đầu tiên cần nghĩ đến khi tìm kiếm tài liệu tham khảo khoa học. Nhiều thư viện lớn hiện nay đã tin học hoá thư mục để có thể tra cứu qua các cổng thông tin trực tuyến với nhiều chức năng tìm kiếm theo tên tác giả, tựa tài liệu, từ khoá, chủ đề, .Các hệ thống thư viện thường có tài liệu được tổ chức quy cũ, chặt chẽ và tính đặc thù chuyên môn cao. Các cơ sở dữ liệu tài liệu: Các cơ sở dữ liệu thông tin khoa học kĩ thuật thường được các công ty, tổ chức lớn xây dựng, bằng cách tập hợp thông tin tóm tắt từ rất nhiều các tạp chí chuyên ngành khác nhau, sắp xếp và tổ chức sao cho việc tìm kiếm thông tin được dễ dàng hơn.
Vấn đề quan trọng nhất đối với các hệ thống này là tổ chức lưu trữ và tìm kiếm thông tin. Đối với việc lưu trữ tài liệu, các hệ thống sử dụng các chuẩn siêu dữ liệu như MARC, LOM, IMS, Dublin Core,. để hỗ trợ việc sắp xếp và tìm kiếm. Tuy nhiên các chuẩn này chỉ đơn thuần tạo siêu dữ liệu với các trường mô tả đơn giản như tiêu đề, bản quyền, tác giả,.
và tập từ vựng riêng biệt còn hạn chế, do đó vẫn chưa đủ khả năng biểu diễn các tài nguyên theo ngữ nghĩa hay nội dung. Đối với vấn đề tìm kiếm, việc tìm kiếm chủ yếu vẫn dựa vào từ khóa, độ chính xác và độ bao phủ của hệ thống không cao. Giải pháp quản lý tài nguyên còn chủ yếu ở mức xử lý dữ liệu và vì thế các tính năng của hệ thống còn nhiều hạn chế trong việc áp dụng các yêu cầu sử dụng ngày càng cao, đặc biệt là việc tổ chức và xử lý tích hợp dữ liệu, thông tin và tri thức. Chính nhược điểm này đòi hỏi hướng tiếp cận theo ngữ nghĩa mà theo đó các hệ thống phải được xây dựng hướng tới việc quản lý tri thức kết hợp với quản lý và xử lý các thông tin ngữ nghĩa liên quan đến nội dung của tài liệu.
Trong những năm gần đây, kỹ thuật tìm kiếm tài liệu có nhiều thay đổi và cải tiến, xu hướng tìm kiếm hiện nay đang dịch chuyển từ mang tính chất cú pháp 4 (syntax), cấu trúc (structure), thành mang tính chất ngữ nghĩa (semantic), từ tìm kiếm trên từ khóa (keyword) trở thành tìm kiếm trên khái niệm (concept). Các phương pháp truy hồi thông tin dựa trên khái niệm và ngữ nghĩa nhắm đến việc mô phỏng một ở một mức độ giới hạn khả năng hiểu về ý nghĩa của từ, cụm từ hay văn bản mà người dùng cung cấp tương ứng với những gì người dùng nghĩ. Trong đó nổi bật là hướng tiếp cận sử dụng ontology về tri thức của từng lĩnh vực để biểu diễn, xử lý nội dung và ý nghĩa của các tài liệu. Có thể nói ontology đang dần trở thành một công cụ phổ biến trong giới nghiên cứu khi giải quyết các vấn đề đòi hỏi việc biểu diễn tri thức miền.
Ontology được sử dụng để tăng cường khả năng của hệ thống tìm kiếm theo ngữ nghĩa thông qua việc biểu diễn và lưu trữ tri thức trong miền lĩnh vực, từ đó tạo ra nền tảng trong việc biểu diễn nội dung và lập chỉ mục cho tài liệu, cho phép tìm kiếm tài liệu chính xác hơn dựa trên nội dung. Bênh cạnh sự phát triển của ontology, nhiều mô hình biểu diễn hiện đại cũng được áp dụng ngày càng nhiều trong việc biểu diễn tài liệu. Các tài liệu này không chỉ dựa trên từ vực mà dựa trên cả quan hệ ngữ nghĩa giữa các từ như mô hình mạng ngữ nghĩa (semantic net), đồ thị khái niệm (conceptual graph), đồ thị keyphrase,. Thông qua các mô hình biểu diễn đó, việc so khớp giữa tài liệu và yêu cầu tìm kiếm có thể được thực hiện dựa trên nhiều thông tin về ngữ nghĩa hơn.
Các kỹ thuật đánh giá độ tương đồng ngữ nghĩa hay còn gọi là so khớp ngữ nghĩa (semantic matching) đang tỏ ra rất hứa hẹn trong việc thay đổi một cách nền tảng kỹ thuật truy hồi thông tin với độ chính xác và độ bao phủ cao hơn. Mục tiêu và phạm vi nghiên cứu Trên cơ sở nghiên cứu tìm hiểu các phương pháp, kỹ thuật biểu diễn, xử lý ngữ nghĩa của tài liệu, đặc biệt là hướng tiếp cận dựa trên Ontology cho việc quản lý kho tài nguyên học tập về lĩnh vực CNTT theo ngữ nghĩa, bao gồm các mô hình, vấn đề, thuật giải, kỹ thuật, qui trình để tổ chức một kho tài liệu quản lý được các thông tin ngữ nghĩa liên quan đến nội dung của tài liệu cũng như hỗ trợ biểu diễn và xử lý ngữ 5 nghĩa trong tìm kiếm. Ứng dụng các giải pháp được nghiên cứu, hướng tới việc xây dựng một hệ thống quản lý kho tài nguyên học tập về lĩnh vực CNTT trong phạm vi thư viện của Trường cao đẳng Kinh tế công nghệ TpHCM. Luận văn đặt mục tiêu đưa ra được một số cải tiến trong mô hình biểu diễn và nhất là các phương pháp kỹ thụật giải quyết các vấn đề của bài toán đánh giá độ tương đồng ngữ nghĩa của tài liệu.
Các đề xuất sẽ nhắm đến việc cải thiện hiệu quả khâu tìm kiếm theo ngữ nghĩa trên cả hai bình diện cải tiến sự hiệu quả (thông qua hai độ đo precision và recall) lẫn cải thiện thời gian thực thi. Quá trình thực hiện luận văn sẽ bao gồm việc thu thập dữ liệu, tổ chức, quản lý thử nghiệm và xây dựng một ứng dụng thử nghiệm dưới dạng một hệ thống truy hồi tài liệu theo ngữ nghĩa trên nền web. Ứng dụng thử nghiệm này hướng đến mục đích phục vụ cho việc tìm kiếm tài liệu học tập của sinh viên tại thư viện trường cao đẳng Kinh tế công nghệ TpHCM. Phương pháp nghiên cứu Xuất phát từ việc phân tích các phương pháp và kỹ thuật đã có, đặc biệt là kỹ thuật được đề xuất trong [1], luận văn cố gắng đưa ra những đóng góp phát triển và đề xuất mới về mặt kỹ thuật với khả năng xử lý chính xác và hiệu quả hơn.
