Luận Văn: Phát Triển Kỹ Thuật Xây Dựng Và Khai Thác Thông Tin Web Có Ngữ Nghĩa

**SEO Description for the Article** Luận văn nghiên cứu phát triển kỹ thuật xây dựng và khai thác thông tin web có ngữ nghĩa, ứng dụng trong công nghệ thông tin và trí tuệ nhâ...

• Tác giả: Cao Hoàng Trụ
• Người hướng dẫn: Cao Hoàng Trụ
• Trường học: Đại học Bách Khoa TP. Hồ Chí Minh
• Chuyên ngành: Công nghệ thông tin
• Đề tài: Nghiên cứu phát triển các kỹ thuật xây dựng và khai thác thông tin Web có ngữ nghĩa
• Loại tài liệu: Báo cáo tổng kết đề tài cấp nhà nước
• Năm xuất bản: 2006
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• Tóm tắt
• Danh mục hình
• Danh mục bảng
• 1. Chương 1: Giới thiệu
• 1.1. Thông tin tóm tắt về đề tài
• 1.2. Động cơ thực hiện đề tài
• 1.3. Phạm vi và mục tiêu của đề tài
• 1.4. Cấu trúc của quyển báo cáo
• 2. Chương 2: Tham khảo các nghiên cứu liên quan và thiết kế hệ thống
• 2.1. Web có ngữ nghĩa
• 2.2. Các công nghệ và ngôn ngữ hỗ trợ
• 2.3. Hệ thống KIM
• 2.4. Kiến trúc của VN-KIM
• 3. Chương 3: Xây dựng Ontology và cơ sở tri thức
• 3.1. Ontology và cơ sở tri thức của KIM
• 3.2. Thiết kế và xây dựng Ontology
• 3.3. Xây dựng cơ sở tri thức
• 4. Chương 4: Rút trích và chú thích lớp của các thực thể có tên
• 4.1. Nhận dạng mã tiếng Việt và khối văn bản tin
• 4.2. Gán nhãn từ loại và nhận biết danh từ riêng
• 4.3. Nhận biết lớp thực thể
• 4.4. Vấn đề đồng tham chiếu và mập mờ thực thể
• 5. Chương 5: Truy vấn cơ sở tri thức và kho các trang Web có ngữ nghĩa
• 5.1. Truy vấn cơ sở tri thức
• 5.2. Độ tương tự và độ bao phủ
• 5.3. Truy vấn gần đúng
• 5.4. Truy vấn kho các trang Web có ngữ nghĩa
• 6. Chương 6: Xây dựng hệ thống máy chủ và xử lý song song các yêu cầu
• 6.1. Thiết kế và hiện thực mô hình xử lý song song
• 6.2. Phát triển dịch vụ chú thích ngữ nghĩa
• 6.3. Phát triển dịch vụ truy hồi tri thức và tài liệu
• 6.4. Thử nghiệm tải của các dịch vụ
• 7. Chương 7: Phát triển các phần mềm công cụ và ứng dụng
• 7.1. Phần mềm xây dựng và quản trị cơ sở tri thức
• 7.2. Phần mềm truy hồi thông tin
• 7.3. Plug-in rút trích và truy hồi thông tin
• 8. Chương 8: Tổng kết
• 8.1. Tóm tắt các kết quả đạt được
• 8.2. Hướng phát triển
• Tài liệu tham khảo
• Phụ lục: Các báo cáo kỹ thuật, hướng dẫn sử dụng phần mềm, bài báo khoa học

Tóm tắt

I. Kỹ thuật xây dựng web

Kỹ thuật xây dựng web là nền tảng cơ bản để phát triển các hệ thống web hiện đại. Trong nghiên cứu này, các phương pháp xây dựng web được tập trung vào việc tạo ra các trang web có khả năng lưu trữ và truyền tải thông tin một cách hiệu quả. Web có ngữ nghĩa được đề cập như một bước tiến mới, giúp máy tính hiểu được thông tin trên web thay vì chỉ dựa vào con người. Các công nghệ như Ontology và cơ sở tri thức được sử dụng để xây dựng các hệ thống web thông minh hơn.

1.1. Xây dựng Ontology

Ontology là công cụ quan trọng trong việc định nghĩa các mối quan hệ và cấu trúc dữ liệu trên web. Nghiên cứu này tập trung vào việc thiết kế và xây dựng Ontology cho các thực thể có tên như con người, tổ chức, và địa điểm. Các Ontology này giúp máy tính hiểu được ngữ nghĩa của thông tin, từ đó hỗ trợ việc khai thác dữ liệu một cách tự động.

1.2. Cơ sở tri thức

Cơ sở tri thức được xây dựng dựa trên Ontology, lưu trữ thông tin về các thực thể phổ biến ở Việt Nam. Nghiên cứu này sử dụng các phần mềm mã nguồn mở để quản lý và cập nhật cơ sở tri thức, đảm bảo tính chính xác và hiệu quả trong việc khai thác thông tin.

II. Khai thác thông tin web

Khai thác thông tin web là quá trình thu thập, xử lý và phân tích dữ liệu từ các trang web. Nghiên cứu này tập trung vào việc phát triển các kỹ thuật để rút trích thông tin từ các tài liệu web tiếng Việt. Web có ngữ nghĩa đóng vai trò quan trọng trong việc giúp máy tính hiểu và xử lý thông tin một cách tự động, từ đó nâng cao hiệu quả khai thác.

2.1. Rút trích thông tin

Nghiên cứu này phát triển các kỹ thuật rút trích thông tin từ các trang web tiếng Việt, bao gồm việc nhận dạng các thực thể có tên và gán nhãn ngữ nghĩa. Các phương pháp xử lý ngôn ngữ tự nhiên được áp dụng để cải thiện độ chính xác của quá trình rút trích.

2.2. Chú thích ngữ nghĩa

Chú thích ngữ nghĩa là quá trình gán các thông tin ngữ nghĩa cho các thực thể trên web. Nghiên cứu này tập trung vào việc tự động hóa quá trình chú thích, giúp máy tính hiểu được nội dung của các trang web và hỗ trợ việc khai thác thông tin một cách hiệu quả.

III. Hiệu quả web ngữ nghĩa

Hiệu quả web ngữ nghĩa được đánh giá thông qua khả năng xử lý và khai thác thông tin một cách tự động. Nghiên cứu này tập trung vào việc tối ưu hóa các kỹ thuật xây dựng và khai thác web, đảm bảo rằng các hệ thống web có thể hoạt động một cách hiệu quả và chính xác. Công nghệ web ngữ nghĩa được sử dụng để nâng cao khả năng hiểu và xử lý thông tin của máy tính.

3.1. Tối ưu hóa web ngữ nghĩa

Nghiên cứu này đề xuất các phương pháp tối ưu hóa để cải thiện hiệu suất của các hệ thống web ngữ nghĩa. Các kỹ thuật như xử lý song song và truy vấn gần đúng được áp dụng để nâng cao tốc độ và độ chính xác của quá trình khai thác thông tin.

3.2. Ứng dụng thực tiễn

Các kết quả nghiên cứu được áp dụng vào thực tiễn thông qua việc phát triển các phần mềm và dịch vụ web. Các ứng dụng này giúp người dùng khai thác thông tin từ các trang web một cách hiệu quả, đồng thời hỗ trợ việc quản lý và phân tích dữ liệu trên quy mô lớn.

Nội dung chính

Nghiên cứu Kỹ thuật Xây dựng và Khai thác Thông tin Web có Ngữ nghĩa (VN-KIM): Đột phá Nền tảng Semantic Web Tiếng Việt

Báo cáo tổng kết Đề tài Nghiên cứu Khoa học cấp Nhà nước (Mã số: KC.01.21)
Chủ nhiệm đề tài: PGS. TS. Cao Hoàng Trụ | Cơ quan chủ trì: Trường Đại học Bách Khoa – ĐHQG TP.HCM

---

Tóm tắt nghiên cứu (Research Summary)

• Câu hỏi nghiên cứu chính (Research Question): Làm thế nào để xây dựng một cơ sở hạ tầng công nghệ hoàn chỉnh cho Web có Ngữ nghĩa (Semantic Web) bằng tiếng Việt, cho phép máy tính tự động "hiểu", chú thích ngữ nghĩa (Semantic Annotation), liên kết và truy hồi thông tin dựa trên lớp thực thể có tên (Named Entities) từ các tài liệu Web văn bản thô?
• Phương pháp luận (Methodology Snapshot): Đề tài thiết kế và hiện thực hóa hệ thống VN-KIM dựa trên việc mở rộng kiến trúc quốc tế (KIM, GATE, Sesame, Lucene). Nghiên cứu xây dựng bộ Ontology tiếng Việt (VN-KIMO) gồm ~200 lớp thực thể và ~60.000 cá thể; phát triển pipeline xử lý ngôn ngữ tự nhiên (NLP) tiếng Việt đa tầng (phân đoạn từ, gán nhãn từ loại kết hợp luật và xác suất, văn phạm so trùng mẫu JAPE, khử nhập nhằng và đồng tham chiếu); ứng dụng đồ thị khái niệm (Conceptual Graphs) cho phép truy vấn gần đúng; và tối ưu hóa thời gian thực trên cụm máy chủ xử lý song song.
• Kết quả chính (Key Findings): Hệ thống VN-KIM đạt độ chính xác (Precision) và độ đầy đủ (Recall) trung bình xấp xỉ 80% trong tác vụ tự động rút trích và chú thích thực thể trên các trang tin tức tiếng Việt thực tế. Đồ thị khái niệm được dịch tự động sang SeRQL hỗ trợ truy vấn chính xác và gần đúng dựa trên độ tương tự (similarity) và độ bao phủ (subsumption).
• Ý nghĩa thực tiễn (Implications): Đề tài là công trình tiên phong cấp quốc gia đặt nền móng lý thuyết và công nghệ cho Semantic Web tại Việt Nam, mở đường cho các ứng dụng tìm kiếm thông minh, trợ lý đọc tin và quản trị tri thức số hóa.

---

Bối cảnh và tầm quan trọng (Context & Significance)

Thực trạng tri thức và bùng nổ thông tin Web

Sau gần hai thập kỷ phát triển từ năm 1989, World Wide Web (WWW) đã trở thành kho tàng tri thức khổng lồ của nhân loại. Tuy nhiên, kiến trúc Web truyền thống (Syntactic Web) chủ yếu lưu trữ dữ liệu dưới dạng văn bản thô (HTML text), hình ảnh và âm thanh – định dạng được thiết kế riêng cho con người đọc và cảm nhận. Máy tính chỉ đóng vai trò lưu trữ và hiển thị chứ không hiểu được bản chất ngữ nghĩa của nội dung.

Khi thông tin bùng nổ theo cấp số nhân, các công cụ tìm kiếm dựa trên từ khóa (như Google, Yahoo thời kỳ đầu) bộc lộ hạn chế cố hữu: trả về hàng triệu kết quả dựa trên sự trùng lặp ký tự mà không phân biệt được ngữ cảnh (ví dụ: không phân biệt được từ "Sài Gòn" trong "UBND TP. Sài Gòn", "Đội bóng Cảng Sài Gòn" hay "Công ty May Sài Gòn"). Để giải quyết nút thắt này, Tim Berners-Lee – cha đẻ của WWW – đã khởi xướng tầm nhìn Web có Ngữ nghĩa (Semantic Web), nơi thông tin được gán nhãn siêu dữ liệu (Metadata) có cấu trúc, cho phép máy móc tự động phân tích, suy luận và tích hợp dữ liệu.

+---------------------------------------------------------+
|                  Trust (Độ tin cậy)                     |
+---------------------------------------------------------+
|                  Proof (Suy luận / Chứng minh)          |
+---------------------------------------------------------+
|       Logic          |     Digital Signature            |
+----------------------+----------------------------------+
|      Ontology (OWL)  |           Rules                  |
+---------------------------------------------------------+
|      RDF + RDF Schema (Mô hình dữ liệu ngữ nghĩa)        |
+---------------------------------------------------------+
|      XML + XML Schema                                   |
+---------------------------------------------------------+
|      URI (Định danh tài nguyên) + UNICODE (Bộ ký tự)    |
+---------------------------------------------------------+

Khoảng trống nghiên cứu tại Việt Nam

Trên thế giới, các dự án lớn như KIM (Ontotext), SemTag, S-CREAM hay các sáng kiến SWAD (Semantic Web Advanced Development) đã bước đầu đạt thành tựu quan trọng cho tiếng Anh. Tuy nhiên, việc áp dụng Semantic Web vào Việt Nam gặp phải những rào cản mang tính đặc thù:

1. Rào cản ngôn ngữ học: Tiếng Việt là ngôn ngữ đơn lập, ranh giới từ không phân tách bằng khoảng trắng đơn thuần như tiếng Anh (một từ có thể gồm nhiều âm tiết ghép lại: công ty, nghiên cứu khoa học), hiện tượng đồng âm, đa nghĩa và viết tắt rất phức tạp.
2. Thiếu hụt tài nguyên tri thức bản địa: Chưa có hệ thống Ontology và Cơ sở tri thức (Knowledge Base) chuẩn hóa về các thực thể địa phương (đơn vị hành chính, tên lãnh đạo, tổ chức cơ quan nhà nước, danh lam thắng cảnh Việt Nam).
3. Công cụ xử lý tiếng Việt chưa chuẩn hóa: Các module phân đoạn từ, gán nhãn từ loại và nhận dạng tên riêng (NER) tiếng Việt thời điểm bấy giờ còn rất sơ khai, phân tán và thiếu tính tái sử dụng.

Tính cấp thiết và tác động dài hạn

Đề tài cấp Nhà nước KC.01.21 do PGS. TS. Cao Hoàng Trụ chủ nhiệm được triển khai nhằm giải quyết trực diện khoảng trống công nghệ này. Nghiên cứu không chỉ tiếp thu và làm chủ các công nghệ tiên tiến trên thế giới mà còn tạo ra bộ công cụ hoàn chỉnh được tối ưu hóa riêng cho tiếng Việt, giúp Việt Nam bắt kịp làn sóng công nghệ Web thế hệ thứ hai mà không bị phụ thuộc hoàn toàn vào công nghệ nhập ngoại.

---

Phương pháp luận và cách tiếp cận (Methodology & Technical Approach)

Đề tài áp dụng phương pháp nghiên cứu tích hợp liên ngành giữa Khoa học máy tính, Kỹ nghệ tri thức (Knowledge Engineering), Xử lý ngôn ngữ tự nhiên (NLP) và Tính toán song song (Parallel Computing).

  [Tài liệu Web tiếng Việt (HTML/Text)]

1. Kiến trúc tổng thể hệ thống VN-KIM

Hệ thống VN-KIM được thiết kế theo mô hình phân tầng hướng module, tích hợp và mở rộng từ các framework mã nguồn mở chuẩn quốc tế:

• GATE (General Architecture for Text Engineering): Đóng vai trò khung nền tảng cho việc tổ chức tài nguyên xử lý ngôn ngữ và văn phạm so trùng mẫu JAPE.
• Sesame: Hệ quản trị cơ sở tri thức chịu trách nhiệm lưu trữ, suy diễn và truy vấn đồ thị dữ liệu RDF/RDFS thông qua ngôn ngữ SeRQL.
• Apache Lucene: Công cụ tìm kiếm toàn văn hiệu năng cao, được tùy biến để lập chỉ mục đồng thời cả từ khóa và các thực thể ngữ nghĩa đã được chú thích.

2. Thiết kế Ontology và xây dựng Cơ sở tri thức (VN-KIMO)

Nhóm nghiên cứu đã chuẩn hóa và mở rộng bộ Ontology của KIM (KIMO) thành VN-KIMO, bổ sung các phân cấp đặc thù của Việt Nam:

• Cấu trúc phân tầng: Phân định rõ 3 nhánh gốc gồm Object (người, địa danh, tổ chức), Happening (sự kiện, chức vụ) và Abstract (nghề nghiệp, lĩnh vực).
• Bản địa hóa sâu sắc: Bổ sung các lớp thực thể hành chính đặc thù Việt Nam (như Thành phố trực thuộc Trung ương, Ủy ban Nhân dân, Hội đồng Nhân dân, các cấp quận/huyện/phường/xã).
• Quy mô tri thức: Thu thập và chuẩn hóa hơn 60.000 thực thể cùng hơn 120.000 bí danh/tên biến thể (tên viết tắt, tên phiên âm, tên lịch sử) tập trung vào 10 miền thông tin chủ đạo: Nhân vật, Tổ chức chính trị - xã hội, Doanh nghiệp, Tỉnh/Thành phố, Đơn vị hành chính, Sông ngòi, Núi non, Địa điểm đặc biệt...

3. Động cơ rút trích thông tin và chú thích ngữ nghĩa (VN-KIM IE)

Quy trình trích xuất thực thể tiếng Việt được module hóa độc lập giữa phân tích ngôn ngữ và tra cứu tri thức:

• Phân đoạn từ và gán nhãn từ loại (POS): Ứng dụng mô hình lai (Hybrid Approach) kết hợp giữa luật ngữ pháp (Rule-based) và mô hình xác suất thống kê (Statistical Models) qua đồ thị chuyển trạng thái.
• Văn phạm so trùng JAPE (Java Annotation Patterns Engine): Xây dựng các tập luật ưu tiên đa pha, sử dụng các Macro tiền tố/hậu tố để nhận diện chính xác các thực thể phức hợp.
• Phân giải đồng tham chiếu và khử mập mờ (Disambiguation): Thuật toán đối chiếu ngữ cảnh văn bản với các liên kết ngữ nghĩa sẵn có trong Cơ sở tri thức (Knowledge Base) để xác định chính xác danh tính thực thể (ví dụ: xác định một con đường trùng tên thuộc địa phương nào dựa vào các công ty/địa điểm xuất hiện lân cận).

4. Cơ chế truy vấn bằng Đồ thị Khái niệm và Truy vấn gần đúng

Nhằm mang lại trải nghiệm truy vấn thân thiện hơn cú pháp dòng lệnh SeRQL, đề tài đã:

• Hiện thực hóa giao diện Đồ thị Khái niệm (Conceptual Graph) trực quan, cho phép người dùng mô hình hóa câu hỏi thành các nút thực thể và cạnh quan hệ.
• Xây dựng giải thuật chuyển dịch tự động từ Đồ thị Khái niệm sang biểu thức truy vấn SeRQL tương đương có độ dài đường dẫn tùy ý.
• Đề xuất các độ đo Độ tương tự (Similarity) và Độ bao phủ (Subsumption) để thực hiện kỹ thuật Biến đổi truy vấn (Query Relaxation), giúp hệ thống trả về kết quả gần đúng một cách chính xác khi không có câu trả lời khớp tuyệt đối.

5. Kiến trúc máy chủ xử lý song song (SWG Server Cluster)

Để đảm bảo thời gian đáp ứng thực tế trong môi trường đa người dùng, đề tài triển khai hệ thống Supernode với cụm 4 máy chủ đa xử lý đối xứng (SMP) chuyên dụng:

• 1 Master Server: Đóng vai trò Request Router, tiếp nhận và cân bằng tải thông minh ở mức yêu cầu (Request-level load balancing).
• 3 Worker Servers: Chạy song song các dịch vụ chuyên biệt: Dịch vụ chú thích ngữ nghĩa (Annotation Service), Dịch vụ truy vấn cơ sở tri thức Sesame (Knowledge Service), và Dịch vụ truy hồi tài liệu Lucene (Document Retrieval Service).

---

Phát hiện và kết quả chính (Major Findings)

Nghiên cứu đã đạt được các chỉ tiêu kinh tế - kỹ thuật theo đăng ký với Bộ Khoa học và Công nghệ, mang lại nhiều kết quả thực nghiệm nổi bật:

1. Hiệu năng rút trích thực thể tiếng Việt tương đương chuẩn quốc tế

Thử nghiệm độc lập trên tập ngữ liệu hàng trăm bản tin thời sự thực tế từ các cơ quan báo chí (Báo Người Lao Động, VietnamNet) và tài liệu du lịch (VYC) cho thấy:

• Độ chính xác (Precision) và Độ đầy đủ (Recall) của VN-KIM IE đạt mức trung bình ~80% trên các lớp thực thể cơ sở (Person, Organization, Location).
• Đây là tỷ lệ tương đương với hiệu năng của hệ thống KIM nguyên bản khi xử lý tiếng Anh trên các trang tin lớn như Financial Times hay The Guardian.

Hạng mục đánh giá	Chỉ tiêu đề tài đăng ký	Kết quả thực nghiệm VN-KIM
Số lượng lớp thực thể trong Ontology	~ 200 lớp	200+ lớp (phân cấp chi tiết)
Số lượng thuộc tính & quan hệ	~ 80 thuộc tính	80+ thuộc tính ngữ nghĩa
Quy mô thực thể trong Cơ sở tri thức	~ 60.000 thực thể	> 60.000 thực thể (+120.000 bí danh)
Độ chính xác & đầy đủ rút trích (F-score)	~ 80%	~ 80% (trên văn bản tin tức chuẩn)
Khả năng xử lý song song	Cụm 4 server đa xử lý	Giảm 50% - 70% thời gian đáp ứng

2. Giải quyết triệt để bài toán nhập nhằng ngữ nghĩa tiếng Việt

Thực nghiệm chứng minh phương pháp tiếp cận kết hợp giữa bộ từ điển thực thể (Gazetteer) và mô hình suy diễn dựa trên Ontology tri thức giúp loại bỏ hiệu quả các lỗi nhận diện phổ biến trong tiếng Việt:

• Phân biệt chính xác giữa tên người và địa danh khi viết hoa chữ đầu.
• Nhận diện chính xác các tổ chức có cấu trúc tên phức hợp nhiều âm tiết lồng nhau.
• Liên kết thành công các bí danh (aliases), từ viết tắt (VND, TP.HCM, ĐHQG) về cùng một định danh tài nguyên duy nhất (URI).

3. Đột phá trong truy vấn ngữ nghĩa gần đúng

Khác với các hệ thống truy vấn cứng nhắc theo khuôn mẫu cố định, thuật toán biến đổi đồ thị khái niệm của VN-KIM cho phép:

• Trả về các kết quả có liên quan về mặt khái niệm ngay cả khi từ khóa không khớp trực tiếp (nhờ quan hệ bao hàm cha-con trong Ontology).
• Xếp hạng kết quả trả về chính xác dựa trên điểm số tương tự ngữ nghĩa trong khoảng $[0, 1]$.

4. Nâng cao năng lực đáp ứng nhờ kiến trúc xử lý song song

Kết quả thử nghiệm đo tải hệ thống (Stress Test) trên cụm máy chủ SWG 4 node cho thấy:

• Thời gian hoàn thành tác vụ chú thích ngữ nghĩa cho tài liệu Web giảm từ 45% đến 60% so với xử lý tuần tự đơn máy.
• Thời gian phản hồi các truy vấn đồ thị phức tạp trên Sesame Server và Lucene Server duy trì ổn định dưới mức 1.5 giây trong điều kiện nhiều yêu cầu đồng thời.

---

Đóng góp khoa học và giá trị ứng dụng (Contributions & Impact)

Đóng góp về mặt lý thuyết và phương pháp luận

1. Phương pháp luận mô hình hóa tri thức bản địa: Đề xuất khung ánh xạ khái niệm đa ngôn ngữ (Anh - Việt), giải quyết sự bất tương xứng về phạm trù từ vựng giữa ngôn ngữ phương Tây và tiếng Việt trong biểu diễn Ontology.
2. Lý thuyết so trùng bán phần trên Đồ thị Khái niệm: Định nghĩa hình thức các độ đo tương tự ngữ nghĩa và độ bao phủ, thiết lập giải thuật tổng quát hóa truy vấn logic mờ trên nền tảng RDF/SeRQL.
3. Mô hình kiến trúc tách biệt trong rút trích thông tin: Thiết lập mô hình cho phép phát triển độc lập giữa tài nguyên tri thức ngữ nghĩa và công cụ phân tích ngôn ngữ tự nhiên, tăng tính module hóa của hệ thống.

Sản phẩm phần mềm và ứng dụng thực tiễn

Đề tài đã hoàn thành và đóng gói bộ sản phẩm phần mềm hoàn chỉnh:

• VN-KIM Ontology Builder & KB Manager: Bộ công cụ đồ họa giúp các nhà quản trị tri thức dễ dàng định nghĩa lớp, thuộc tính và nhập liệu hàng chục nghìn thực thể.
• VN-KIM QER (Query Editor & Retrieval): Phần mềm hỗ trợ người dùng cuối soạn thảo câu hỏi trực quan bằng đồ thị khái niệm và nhận kết quả ngữ nghĩa kèm tài liệu liên quan.
• VN-KIM Web Browser Plug-in: Tiện ích tích hợp thẳng vào trình duyệt, tự động phân tích trang báo điện tử người dùng đang xem, đánh dấu nổi bật các thực thể có tên và hiển thị bảng tóm tắt lý lịch/thông tin liên quan chỉ qua một cú nhấp chuột.

Giá trị đào tạo và phát triển nguồn nhân lực

Đề tài KC.01.21 là cái nôi đào tạo học thuật lớn:

• Hỗ trợ thực hiện thành công nhiều luận án Tiến sĩ, luận văn Thạc sĩ và hàng chục khóa luận tốt nghiệp Kỹ sư CNTT tại Đại học Bách Khoa TP.HCM, ĐH Quốc gia TP.HCM và các trường đại học quốc tế liên kết (ĐH Texas - Austin, ĐH Công nghệ Nanyang - NTU).
• Đăng tải nhiều bài báo khoa học chất lượng cao trên các tạp chí và kỷ yếu hội thảo quốc tế chuyên ngành về Web ngữ nghĩa và Xử lý ngôn ngữ tự nhiên.

---

Đối tượng quan tâm và hưởng lợi (Target Audience)

• Các nhà nghiên cứu và học giả (Academic Researchers): Các nhóm nghiên cứu trong lĩnh vực Xử lý ngôn ngữ tự nhiên (NLP), Trí tuệ nhân tạo (AI), Biểu diễn tri thức và Dữ liệu liên kết (Linked Data) có thể kế thừa bộ phân loại VN-KIMO, các thuật toán phân giải thực thể và phương pháp đo độ tương tự đồ thị khái niệm.
• Kỹ sư phát triển phần mềm và Doanh nghiệp công nghệ: Các công ty phát triển công cụ tìm kiếm, cổng thông tin điện tử, doanh nghiệp báo chí truyền thông, du lịch số và thương mại điện tử có thể ứng dụng các module VN-KIM để xây dựng tính năng tự động gán thẻ (tagging), gợi ý nội dung thông minh và trích xuất dữ liệu có cấu trúc từ văn bản.
• Cơ quan quản lý và chuyển đổi số (Government & Policy Makers): Cung cấp giải pháp nền tảng cho việc xây dựng cơ sở dữ liệu quốc gia có cấu trúc ngữ nghĩa, tích hợp dữ liệu liên cơ quan trong các đề án Chính phủ điện tử và Đô thị thông minh.

---

Câu hỏi thường gặp (FAQ)

1. Phát hiện và thành tựu quan trọng nhất của đề tài là gì?

Thành tựu cốt lõi của đề tài là xây dựng thành công VN-KIM – nền tảng Web ngữ nghĩa toàn diện đầu tiên cho tiếng Việt, bao gồm bộ cơ sở tri thức đồ sộ (>60.000 thực thể, 200 lớp Ontology) và động cơ rút trích thông tin tự động đạt hiệu năng tương đương chuẩn quốc tế (~80%), giải quyết thành công rào cản xử lý ngôn ngữ tiếng Việt trong môi trường Semantic Web.

2. Phương pháp của VN-KIM có điểm gì đặc biệt so với các hệ thống quốc tế?

Khác với các hệ thống thuần tiếng Anh, VN-KIM sở hữu pipeline xử lý tiếng Việt chuyên sâu kết hợp mô hình lai (luật văn phạm JAPE + thống kê xác suất), đồng thời hỗ trợ ngôn ngữ truy vấn trực quan bằng Đồ thị Khái niệm và cơ chế tìm kiếm gần đúng (thay vì chỉ so trùng cứng nhắc hoặc dùng cú pháp SeRQL/SPARQL phức tạp).

3. Kết quả nghiên cứu có thể tổng quát hóa cho các miền tri thức khác không?

Hoàn toàn có thể. Mặc dù dữ liệu thực nghiệm tập trung vào 10 miền tin tức phổ biến, nhưng cấu trúc tầng Ontology của VN-KIMO và động cơ rút trích VN-KIM IE được thiết kế theo dạng module mở. Người phát triển có thể dễ dàng mở rộng Ontology sang các lĩnh vực chuyên sâu như Y tế, Pháp luật, Nông nghiệp, Tài chính bằng cách bổ sung lớp và từ điển thực thể tương ứng.

4. Hướng phát triển tiếp theo của nghiên cứu này là gì?

Các hướng phát triển mở rộng bao gồm: tự động hóa hoàn toàn quá trình học Ontology từ văn bản web; mở rộng trích xuất toàn bộ các mối quan hệ phức hợp (không chỉ dừng lại ở mức lớp thực thể có tên); và tích hợp công nghệ tính toán đám mây để nâng cao khả năng mở rộng phục vụ hàng triệu người dùng.

5. Người dùng cuối nhận được lợi ích cụ thể gì từ ứng dụng của đề tài?

Thông qua tiện ích VN-KIM Plug-in, người đọc báo có thể hiểu sâu ngữ cảnh mọi bản tin: khi gặp một địa danh, tổ chức hay nhân vật lạ, hệ thống sẽ tự động hiển thị thông tin trích ngang, vai trò, vị trí địa lý và các tài liệu liên quan mà không cần phải mở tab tìm kiếm thủ công.

---

Kết luận (Conclusion)

Đề tài cấp Nhà nước KC.01.21 do PGS. TS. Cao Hoàng Trụ làm chủ nhiệm đã hoàn thành xuất sắc các mục tiêu đặt ra, đánh dấu bước chuyển mình quan trọng của ngành Khoa học Máy tính Việt Nam trong lĩnh vực Web có Ngữ nghĩa và Xử lý ngôn ngữ tự nhiên. Bằng việc làm chủ công nghệ, xây dựng cơ sở hạ tầng tri thức VN-KIMO chuẩn mực và phát triển hệ thống công cụ VN-KIM hoàn chỉnh từ lõi máy chủ phân tán đến giao diện người dùng, nghiên cứu đã chứng minh tính khả thi và tiềm năng to lớn của việc khai thác tri thức số hóa bằng tiếng Việt.

Trong kỷ nguyên Trí tuệ nhân tạo và Dữ liệu lớn hiện nay, những nguyên lý nền tảng về Ontology, Đồ thị Tri thức (Knowledge Graphs) và Chú thích ngữ nghĩa từ công trình này tiếp tục là tài liệu tham khảo khoa học vô giá, tạo tiền đề vững chắc cho việc xây dựng các hệ thống AI hiểu ngôn ngữ tự nhiên và chuyển đổi số toàn diện tại Việt Nam.

Trích đoạn nội dung tài liệu

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.