Chương 1, các chương tiếp theo của quyển báo cáo này sẽ trình bày chi tiết các ý tưởng và giải pháp để đạt được các mục tiêu nói trên của đề tài. Các chương được tổ chức như sau. Chương 2 trình bày các nghiên cứu liên quan và kiến trúc hệ thống VN-KIM của đề tài.1 giới thiệu về Web có ngữ nghĩa và cho thấy vị trí của đề tài đối với các hướng phát triển hiện nay trong lĩnh vực này.2 tóm tắt các công nghệ liên quan, bao gồm các phần mềm mã nguồn mở mà đề tài kế thừa và phát triển.3 trình bày hệ thống KIM, một ứng dụng quan trọng cho Web có ngữ nghĩa tiếng Anh, với các chức năng tương tự với hệ thống mà đề tài xây dựng.4 mô tả kiến trúc hệ thống của đề tài cùng các thành phần chính yếu trong đó. Chương 3 trình bày việc xây dựng Ontology và cơ sở tri thức của VN-KIM.1 phân tích các đặc tính của Ontology và cơ sở tri thức của hệ thống KIM mà đề tài tham khảo.2 trình bày việc thiết kế chi tiết các lớp trong Ontology của VN-KIM.3 mô tả các phương thức và quá trình thu thập tri thức.4 đề cập đến vấn đề các tên khác nhau của cùng một thực thể, và việc thu thập và chuẩn hoá các bí danh này.
Nội dung của chương này là sự bổ sung và cập nhật của [16]. Chương 4 trình bày việc rút trích và chú thích lớp của các thực thể có tên trong VN-KIM.1 giải quyết vấn đề nhận dạng mã kí tự và các khối văn bản tin trên các trang Web tiếng Việt.2 trình bày bước gán nhãn từ loại và nhận dạng tên riêng trong quá trình rút trích thông tin.3 thiết kế và hiện thực các luật và giải thuật nhận dạng thực thể.4 bàn về vấn đề đồng tham chiếu và mập mờ thực thể của các tên thực thể. Chương này dựa trên các kết quả của [77], [78], [98], [99], [102], [105], và [109]. Chương 5 trình bày việc truy vấn cơ sở tri thức và kho các trang Web đã chú thích trong VN-KIM.1 mô tả các ngôn ngữ và phương thức để truy vấn cơ sở tri thức.2 định nghĩa các độ đo so trùng gần đúng các đồ thị tri thức, bao gồm độ tương tự và độ bao phủ.3 giới thiệu kỹ thuật biến đổi truy vấn để tìm câu trả lời gần đúng cho truy vấn.4 trình bày việc lưu trữ, lập chỉ mục, và truy hồi các trang Web đã 8 được chú thích theo các thực thể có tên.
Nội dung của chương này là sự tổng hợp của [18], [19], [20], [21], [41], [58] và [97]. Chương 6 trình bày việc xây dựng hệ thống máy chủ và xử lý song song các yêu cầu cho VN-KIM.1 thiết kế và hiện thực mô hình xử lý song song các yêu cầu rút trích và truy hồi thông tin.2 phát triển các dịch vụ trên máy chủ để rút trích và chú thích lớp của các thực thể.3 phát triển các dịch vụ truy vấn cơ sở tri thức và kho các trang Web có ngữ nghĩa trên máy chủ. Chương này tóm tắt các kết quả đã được trình bày chi tiết trong [97], [100], [103], và [109]. Chương 7 trình bày việc phát triển các phần mềm công cụ và ứng dụng của VN-KIM.1 giới thiệu phần mềm công cụ phổ dụng để xây dựng và quản trị cơ sở tri thức.2 giới thiệu phần mềm ứng dụng trên Windows cho phép truy vấn cơ sở tri thức bằng đồ thị khái niệm.3 giới thiệu phần mềm Plug-in để nhận dạng thực thể trên Web tiếng Việt, và truy vấn cơ sở tri thức và kho trang Web đã được chú thích của VN-KIM.
Chương này dựa trên nội dung của [19], [41], [109] và [127]. Chương 8 tổng kết báo cáo.1 tóm tắt các kết quả đã đạt được, bao gồm các phần mềm, bài báo khoa học, luận án tốt nghiệp Kỹ sư, Thạc sĩ, và Tiến sĩ.2 đề xuất hướng phát triển tiếp của đề tài trong tương lai. 9 Ch−¬ng 2 Tham kh¶o c¸c nghiªn cøu liªn quan vµ thiÕt kÕ hÖ thèng 10 Chương 2 Tham khảo các nghiên cứu liên quan và thiết kế hệ thống 2.1 Web có ngữ nghĩa Theo Berners-Lee ([6]), các nguyên lý chính của Web có ngữ nghĩa là: 1. Mọi thứ đều có thể được định danh bởi các danh hiệu tài nguyên phổ dụng (Universal Resource Identifier – URI): Các URI bảo đảm rằng mỗi khái niệm không chỉ là các từ trong một tài liệu mà còn được ràng buộc với một định nghĩa riêng biệt mà ai cũng có thể tìm thấy trên Web.
Các định vị tài nguyên phổ dụng (Universal Resourse Locator – URL) của Web hiện tại là một trường hợp riêng và phổ biến của URI. Các tài nguyên và mối liên kết có thể có kiểu loại: Web hiện tại bao gồm các tài nguyên và mối liên kết giữa chúng, tuy nhiên máy tính không hiểu được kiểu loại của các tài nguyên và mối liên kết đó là gì. Ví dụ, giả sử có một URL của một người liên kết với một URL của một quyển sách do người đó viết. Tuy nhiên máy tính không hiểu được đối tượng của URL đầu là một “con người”, đối tượng của URL sau là một “quyển sách”, và loại của mối liên kết là “tác giả của”.
Chấp nhận thông tin không đầy đủ: Cũng như Web hiện tại, Web có ngữ nghĩa không bị giới hạn, tức là một tài nguyên có thể liên kết với một tài nguyên bất kỳ khác bất chấp tài nguyên đó còn tồn tại hay không. Tuy nhiên, trong trường hợp như vậy, khi truy cập đến tài nguyên được liên kết đó, Web hiện tại sẽ báo lỗi “404 File Not Found”. Ở Web có ngữ nghĩa, các tính toán suy luận vẫn được tiến hành để dẫn ra kết luận mặc dù một số mối liên kết đã bị mất. Không cần sự thật tuyệt đối: Không phải tất cả mọi thông tin trên Web đều là sự thật, và sự đúng đắn của chúng được đánh giá bởi từng ứng dụng cụ thể xử lý thông tin đó.
Web có ngữ nghĩa vì vậy phải có khả năng suy luận với các thông tin không chắc chắn, không chính xác, và có thể mâu thuẫn nữa. Theo Tim Berners-Lee, logic cổ điển không làm được điều này, mà cần đến logic mờ (Fuzzy Logic) ([140]). Hỗ trợ sự tiến hoá: Các khái niệm tương tự nhau thường được định nghĩa bởi nhiều nhóm người khác nhau, ở những nơi khác nhau, hoặc bởi cùng một nhóm người nhưng ở những thời điểm khác nhau. Web có ngữ nghĩa vì vậy cần cho phép việc mở rộng và kết hợp các công việc độc lập sử dụng các từ vựng khác nhau, cũng như việc thêm thông tin mới mà không luôn buộc phải sửa đổi thông tin cũ.
Thiết kế tối thiểu: Để có thể chia sẻ và tích hợp thông tin, Web có ngữ nghĩa cần có những ngôn ngữ hay hệ thống được chuẩn hoá. Tuy nhiên các tiêu chuẩn này phải là tối thiểu để không ràng buộc quá nhiều việc phát triển các ứng dụng trên đó. Trust Proof Logic Ontology Digital Signature RDF XML Unicode URI Hình 2.1 Các tầng của Web có ngữ nghĩa 12 Các nguyên lý nói trên được hiện thực bằng các tầng của Web có ngữ nghĩa như ở Hình 2. Tầng Unicode và URI xác định các kí tự và phương tiện để định danh các đối tượng.
Tầng XML (eXtensible Markup Language) cung cấp một ngôn ngữ chung để biểu diễn dữ liệu. Tầng RDF (Resource Description Framework) cung cấp một ngôn ngữ chung để biểu diễn siêu dữ liệu (Metadata), ví dụ như kiểu loại của các tài nguyên và mối liên kết. Tầng Ontology cung cấp các từ vựng và tiên đề cho các khái niệm và quan hệ được sử dụng. Tầng logic cho phép biểu diễn các luật.
Tầng chứng minh (Proof) cho phép suy luận trên các luật. Tầng tin tưỏng (Trust) cung cấp các cơ chế để các ứng dụng biết có thể tin vào một chứng minh cụ thể nào đó không. Tầng chữ ký điện tử (Digital Signature) dùng để phát hiện sự thay đổi trong các tài liệu ở các tầng ngang nó như trên hình vẽ. Với kiến trúc mô tả ở trên, các hoạt động nghiên cứu về Web có ngữ nghĩa tập trung vào ba hướng chính sau đây ([70]): 1.
Chuẩn hoá các ngôn ngữ biểu diễn dữ liệu (XML) và siêu dữ liệu (RDF) trên Web: Nhóm làm việc RDFCore, bao gồm các thành viên từ nhiều trường và công ty khác nhau trên thế giới, của tổ chức World Wide Web Consortium (W3C) chủ trì công việc này. Mục tiêu chính của nhóm là nghiên cứu cải thiện và chuẩn hoá từng thành phần trong các ngôn ngữ XML và RDF, dựa trên các ý kiến phản hồi từ những người hiện thực. Đến nay, nhóm đã hoàn tất các khái niệm RDF và mô hình dữ liệu trừu tượng, đặc tả cú pháp RDF/XML, lược đồ RDF, và ngữ nghĩa RDF. Chuẩn hoá các ngôn ngữ biểu diễn Ontology cho Web có ngữ nghĩa: Nhóm WebOnt của W3C chủ trì công việc này.
Mục tiêu của nhóm là dựa trên và mở rộng các lược đồ RDF để có thể biểu diễn các quan hệ phức tạp hơn giữa các đối tượng. Dự án DAML+OIL, kết hợp của dự án DAML ở Trường Đại học Stanford, Mỹ, và dự án OIL của Trường Đại học Vrije, Hà Lan, đã khởi động cho hướng nghiên cứu này. Nhóm đã hoàn tất phiên bản đầu tiên của ngôn ngữ OWL (Web Ontology Language). Phát triển nâng cao Web có ngữ nghĩa (Semantic Web Advanced Development - SWAD): Hướng này nhằm để nghiên cứu thực hiện các dự án phát triển thêm các thành phần cơ sở hạ tầng cho Web có ngữ nghĩa, cụ thể như tạo các công cụ cho người phát triển hệ thống, rút trích thông tin và chú thích ngữ nghĩa một cách tự động, suy diễn và chứng minh luận lý, tích hợp Ontology và chia sẻ thông tin,.
Hiện tại hai dự án SWAD tiêu biểu có quy mô lớn và mang tính dài hạn là SWAD-Europe và SWAD Oxygen. SWAD-Europe bao gồm 15 gói công việc khác nhau nghiên cứu những vấn đề như các dịch vụ Web có ngữ nghĩa, tích hợp thông tin với công nghệ XML, các hệ thống tin tưởng phân bố,. Trong khi đó SWAD Oxygen ở Viện Công nghệ Massachusetts, Mỹ, đang nghiên cứu kết hợp các công nghệ khác nhau về xử lý tiếng nói, hình ảnh, chú thích ngữ nghĩa,. để tạo ra một môi trường hợp tác tốt hơn giữa người và máy.
Trong ba hướng nghiên cứu chính nói trên, chúng tôi nghĩ rằng hướng thứ ba là hướng thích hợp với hoàn cảnh và điều kiện của Việt Nam, vì theo hai hướng đầu chúng ta khó có thể cạnh tranh được với các nhóm nghiên cứu lớn và uy tín cao trên thế giới trong việc đề nghị các ngôn ngữ chuẩn.
