Luận án tiến sĩ nghiên cứu một số mô hình học ontology và ứng dụng trong miền dầu khí

Luận án tiến sĩ nghiên cứu các mô hình học ontology và ứng dụng trong ngành dầu khí nhằm nâng cao hiệu quả khai thác và quản lý dữ liệu.

• Tác giả: Vũ Ngọc Trình
• Người hướng dẫn: Hà Quang Thụy
• Trường học: Trường Đại học Công nghệ - Đại học Quốc gia Hà Nội
• Chuyên ngành: Công nghệ thông tin
• Đề tài: Nghiên cứu một số mô hình học ontology và ứng dụng trong miền dầu khí
• Loại tài liệu: Luận án tiến sĩ
• Năm xuất bản: 2019
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. GIỚI THIỆU CHUNG VỀ ONTOLOGY, HỌC ONTOLOGY VÀ ĐỘ ĐO GOOGLE
• 1.1.1. GIỚI THIỆU CHUNG VỀ ONTOLOGY
• 1.1.1.1. Khái niệm ontology
• 1.1.1.2. Phân loại ontology
• 1.1.1.3. Một ví dụ về ontology miền
• 1.1.1.4. Nguyên lý và quy trình thiết kế ontology miền. Công cụ xây dựng ontology
• 1.1.2. GIỚI THIỆU CHUNG VỀ HỌC ONTOLOGY
• 1.1.2.1. Khung nhìn học ontology
• 1.1.2.2. Kỹ thuật và tài nguyên được sử dụng trong học ontology
• 1.1.2.3. Liên hệ nghiên cứu của luận án vào các khung nhìn khái quát về học ontology
• 1.1.2.4. Bộ các độ đo đánh giá mô hình phân lớp
• 1.1.3. ĐỘ ĐO KHOẢNG CÁCH GOOGLE
• 1.1.3.1. Độ phức tạp Kolmogorov, khoảng cách thông tin và khoảng cách thông tin chuẩn hóa
• 1.1.3.2. Khoảng cách nén chuẩn hóa
• 1.1.3.3. Khoảng cách Google và tính chất
• 1.1.4. Kết luận Chương 1
• 2. CHƯƠNG 2: MÔ HÌNH HỌC ONTOLOGY TÍCH HỢP VÀ ĐOÁN NHẬN THỰC THỂ
• 2.1. PHÁT BIỂU BÀI TOÁN VÀ MÔ HÌNH GIẢI QUYẾT
• 2.1.1. Phát biểu bài toán
• 2.1.2. Tập tài nguyên xây dựng ontology biểu hiện y sinh mở rộng
• 2.1.3. Ba tài nguyên biểu hiện y sinh làm tập dữ liệu kiểm thử
• 2.1.4. Mô hình hai pha giải quyết bài toán
• 2.1.5. Thành phần xây dựng và tích hợp các kho ngữ liệu thực thể biểu hiện y sinh
• 2.1.6. Mô hình tích hợp hai ontology biểu hiện y sinh
• 2.1.7. Thành phần xây dựng kho ngữ liệu HPO_NC
• 2.1.8. Thành phần xây dựng kho ngữ liệu MPO_NC
• 2.1.9. Thành phần phát hiện quan hệ bắc cầu (bổ sung quan hệ) trong ontology kết quả
• 2.1.10. Kết quả tích hợp hai ontology
• 2.2. XÂY DỰNG MÔ HÌNH HỌC MÁY MAXIMUM ENTROPY – BEAM SEARCH NHẬN DẠNG THỰC THỂ BIỂU HIỆN Y SINH
• 2.2.1. Mô hình học máy Maximum Entropy
• 2.2.2. Mô hình học máy Maximum Entropy - Beam Search nhận dạng thực thể biểu hiện y sinh
• 2.2.3. Dữ liệu thực nghiệm và công cụ
• 2.2.4. Kết quả và đánh giá
• 2.2.5. Phân tích lỗi
• 2.3. KẾT LUẬN CHƯƠNG 2
• 3. CHƯƠNG 3: KỸ THUẬT HỌC ONTOLOGY DỰA TRÊN CÁC ĐỘ ĐO
• 3.1. MỘT MÔ HÌNH HỌC ONTOLOGY THEO TỪ VỰNG DỰA TRÊN ĐỘ ĐO KHOẢNG CÁCH GOOGLE
• 3.1.1. Phát biểu bài toán
• 3.1.2. Mô hình đối sánh các thuộc tính của hai khái niệm thuộc hai ontology miền
• 3.1.3. Mô hình đối sánh các khái niệm và học hai ontology dựa trên độ đo khoảng cách Google
• 3.1.4. Ví dụ minh họa đối sánh khái niệm
• 3.2. MÔ HÌNH HỌC ONTOLOGY ANH - VIỆT DỰA TRÊN KỸ THUẬT HỌC MÁY VỚI CHỈ DỮ LIỆU DƯƠNG
• 3.2.1. Wikipedia là một nguồn tài nguyên xây dựng ontology
• 3.2.2. Phát biểu bài toán
• 3.2.3. Chiến lược hai bước phân lớp dữ liệu với chỉ dữ liệu dương
• 3.2.4. Mô hình đề xuất. Thực nghiệm và đánh giá kết quả
• 3.2.5. Phát triển mô hình đề xuất
• 3.3. KẾT LUẬN CHƯƠNG 3
• 4. CHƯƠNG 4: KHUNG HỢP NHẤT NIỀM TIN THU NHẬN Ý KIẾN CHUYÊN GIA MIỀN
• 4.1. THU NHẬN Ý KIẾN CHUYÊN GIA TRONG XÂY DỰNG ONTOLOGY
• 4.1.1. Vai trò của chuyên gia trong xây dựng ontology
• 4.1.2. Mô hình tranh luận trong xây dựng ontology
• 4.2. CƠ SỞ NIỀM TIN PHÂN TẦNG, HỢP NHẤT NIỀM TIN VÀ KHUNG TRANH LUẬN
• 4.2.1. Cơ sở niềm tin phân tầng. Hợp nhất niềm tin
• 4.2.2. Khung tranh luận
• 4.3. KHUNG HỢP NHẤT NIỀM TIN DỰA TRÊN TRANH LUẬN
• 4.3.1. Giao thức tranh luận cho hợp nhất niềm tin
• 4.3.2. Lập luận hợp nhất niềm tin. Mô hình hợp nhất niềm tin dựa trên tranh luận
• 4.4. ÁP DỤNG VÀO ONTOLOGY DẦU KHÍ ANH - VIỆT
• 4.5. KẾT LUẬN CHƯƠNG 4
• 5. CHƯƠNG 5: MỘT QUY TRÌNH XÂY DỰNG ONTOLOGY DẦU KHÍ ANH - VIỆT TẠI VIỆN DẦU KHÍ VIỆT NAM
• 5.1. MỘT QUY TRÌNH BẢY BƯỚC XÂY DỰNG ONTOLOGY DẦU KHÍ ANH - VIỆT
• 5.1.1. Xác định mục đích và phạm vi của Ontology dầu khí Anh - Việt
• 5.1.2. Thu thập tài nguyên Ontology dầu khí Anh – Việt sẵn có
• 5.1.3. Tích hợp các ontology dầu khí Tiếng Anh
• 5.1.4. Làm giàu khái niệm dầu khí Tiếng Việt tiềm năng
• 5.1.5. Đối sánh khái niệm miền dầu khí Tiếng Việt
• 5.1.6. Bổ sung thành phần Tiếng Việt vào ontology dầu khí Tiếng Anh
• 5.1.7. Hiệu chỉnh ontology dựa trên khung hợp nhất niềm tin qua tranh luận thu thập ý kiến chuyên gia
• 5.2. TRIỂN KHAI THỰC HIỆN
• 5.2.1. Thu thập và tiền xử lý dữ liệu
• 5.2.2. Thực thi ontology dầu khí Anh - Việt trên hệ thống máy tính
• 5.3. KẾT LUẬN CHƯƠNG 5
• DANH MỤC CÔNG TRÌNH KHOA HỌC CỦA TÁC GIẢ LIÊN QUAN TỚI LUẬN ÁN
• TÀI LIỆU THAM KHẢO
• 1. Tài liệu tiếng Việt
• 2. Tài liệu tiếng Anh

Tóm tắt

I. Cách tổng quan mô hình học ontology ứng dụng trong dầu khí

Mô hình học ontology là một phương pháp tiên tiến trong lĩnh vực trí tuệ nhân tạo, giúp xây dựng và quản lý tri thức một cách hệ thống và có cấu trúc. Trong ngành dầu khí, mô hình học ontology đóng vai trò quan trọng trong việc biểu diễn các khái niệm, thực thể và quan hệ đặc thù của lĩnh vực này. Việc áp dụng ontology trong dầu khí giúp chuẩn hóa ngôn ngữ chuyên ngành, tăng cường khả năng chia sẻ và tái sử dụng tri thức, đồng thời hỗ trợ các hệ thống thông tin trong việc phân tích và xử lý dữ liệu phức tạp. Theo nghiên cứu của Vũ Ngọc Trình (2019), xây dựng một hệ thống tri thức dầu khí dựa trên ontology giúp giải quyết các thách thức về quản lý tri thức và tích hợp dữ liệu đa nguồn trong ngành. Các nguyên lý thiết kế ontology miền, bao gồm xác định mục đích, phạm vi, và tái sử dụng các ontology sẵn có, là nền tảng để phát triển các mô hình học ontology hiệu quả cho ngành dầu khí. Đồng thời, việc sử dụng các công cụ như Protégé hỗ trợ việc xây dựng và quản lý ontology một cách trực quan và hiệu quả.

1.1. Giới thiệu khái niệm mô hình học ontology và vai trò trong dầu khí

Mô hình học ontology là quá trình tự động hoặc bán tự động xây dựng các ontology miền dựa trên khai phá dữ liệu văn bản và học máy. Trong ngành dầu khí, mô hình này giúp xác định các khái niệm, thực thể và quan hệ đặc thù, từ đó tạo ra một mô hình tri thức miền dầu khí có cấu trúc rõ ràng. Việc áp dụng công nghệ ontology giúp chuẩn hóa thuật ngữ, giảm thiểu sự mơ hồ và tăng cường khả năng tích hợp dữ liệu từ nhiều nguồn khác nhau như báo cáo kỹ thuật, dữ liệu địa chất, và tài liệu nghiên cứu.

1.2. Tổng quan về hệ thống tri thức dầu khí và quản lý tri thức trong ngành

Hệ thống tri thức dầu khí dựa trên ontology cung cấp một nền tảng để quản lý tri thức hiệu quả, bao gồm lưu trữ, truy xuất và chia sẻ thông tin chuyên ngành. Quản lý tri thức trong dầu khí đòi hỏi sự tích hợp dữ liệu đa dạng và phức tạp, từ dữ liệu địa chất, địa vật lý đến các quy trình khai thác và vận chuyển. Quản lý tri thức trong dầu khí sử dụng ontology giúp tạo ra các mô hình dữ liệu có cấu trúc, hỗ trợ phân tích dữ liệu và ra quyết định chính xác hơn. Các nghiên cứu đã chỉ ra rằng việc xây dựng mô hình hóa tri thức dựa trên ontology giúp nâng cao hiệu quả công tác quản lý và vận hành trong ngành.

II. Hướng dẫn giải quyết thách thức trong ứng dụng ontology ngành dầu khí

Ứng dụng ontology trong ngành dầu khí gặp nhiều thách thức do tính phức tạp và đa dạng của dữ liệu cũng như sự khác biệt trong ngôn ngữ chuyên ngành. Một trong những khó khăn lớn là việc tích hợp các nguồn dữ liệu khác nhau, bao gồm dữ liệu tiếng Anh và tiếng Việt, cũng như các ontology miền sẵn có. Ngoài ra, việc thu nhận và hợp nhất ý kiến chuyên gia miền để hiệu chỉnh và nâng cao chất lượng ontology cũng là một vấn đề quan trọng. Nghiên cứu của Vũ Ngọc Trình đề xuất sử dụng khung hợp nhất niềm tin dựa trên tranh luận để thu nhận ý kiến chuyên gia, giúp cải thiện độ chính xác và tính nhất quán của ontology dầu khí. Việc áp dụng các kỹ thuật học máy và khai phá dữ liệu văn bản cũng góp phần giải quyết các thách thức trong việc xây dựng và mở rộng ontology miền dầu khí.

2.1. Thách thức trong tích hợp dữ liệu dầu khí và quản lý tri thức

Dữ liệu trong ngành dầu khí thường phân tán và đa dạng về định dạng, ngôn ngữ và nguồn gốc. Việc tích hợp các dữ liệu này đòi hỏi một mô hình chuẩn hóa và có khả năng mở rộng cao. Tích hợp dữ liệu dầu khí sử dụng ontology giúp kết nối các khái niệm và thực thể từ các nguồn khác nhau, tạo thành một hệ thống tri thức thống nhất. Tuy nhiên, sự khác biệt về ngôn ngữ và cấu trúc dữ liệu là những thách thức lớn cần được giải quyết thông qua các mô hình học ontology tiên tiến và các kỹ thuật đối sánh khái niệm hiệu quả.

2.2. Thu nhận ý kiến chuyên gia và hợp nhất tri thức trong xây dựng ontology

Việc thu nhận ý kiến chuyên gia miền là yếu tố then chốt để đảm bảo tính chính xác và phù hợp của ontology dầu khí. Khung hợp nhất niềm tin dựa trên tranh luận được đề xuất nhằm thu thập và xử lý các ý kiến đa chiều từ các chuyên gia, giúp hiệu chỉnh các quan hệ và khái niệm trong ontology. Phương pháp này không chỉ nâng cao chất lượng ontology mà còn tạo điều kiện cho việc cập nhật và phát triển liên tục mô hình tri thức trong ngành.

III. Phương pháp học máy và khai phá dữ liệu trong mô hình học ontology dầu khí

Phương pháp học máy và khai phá dữ liệu đóng vai trò trung tâm trong việc xây dựng và phát triển mô hình học ontology cho ngành dầu khí. Các kỹ thuật như học máy Maximum Entropy kết hợp Beam Search được sử dụng để nhận dạng thực thể miền dầu khí từ các tài liệu chuyên ngành. Ngoài ra, việc sử dụng các độ đo khoảng cách như độ đo Google giúp đánh giá và tích hợp các khái niệm từ nhiều ontology miền khác nhau. Các mô hình học ontology này không chỉ giúp phát hiện các khái niệm mới mà còn hỗ trợ mở rộng và làm giàu ontology miền dầu khí, đặc biệt là trong việc tích hợp dữ liệu tiếng Việt từ các nguồn như Wikipedia tiếng Việt.

3.1. Mô hình học máy Maximum Entropy Beam Search nhận dạng thực thể dầu khí

Mô hình học máy Maximum Entropy kết hợp Beam Search được áp dụng để nhận dạng các thực thể biểu hiện trong miền dầu khí từ các tài liệu văn bản. Phương pháp này sử dụng dữ liệu huấn luyện được xây dựng từ các kho ngữ liệu biểu hiện y sinh và được đánh giá trên các bộ dữ liệu chuẩn. Kết quả cho thấy mô hình có khả năng nhận dạng chính xác các thực thể dầu khí, góp phần quan trọng trong việc xây dựng và mở rộng ontology miền.

3.2. Ứng dụng độ đo khoảng cách Google trong tích hợp ontology miền dầu khí

Độ đo khoảng cách Google là một công cụ hiệu quả để đánh giá sự tương đồng giữa các khái niệm và thuộc tính trong các ontology miền khác nhau. Bằng cách sử dụng thông tin thống kê từ các trang web được lập chỉ mục bởi Google, độ đo này giúp xác định mức độ liên quan và tương đồng ngữ nghĩa giữa các thuật ngữ dầu khí. Việc áp dụng độ đo Google trong mô hình học ontology giúp tích hợp các tập khái niệm miền sẵn có thành một tập khái niệm lớn hơn và phong phú hơn, nâng cao chất lượng và tính toàn diện của ontology dầu khí.

3.3. Học ontology với dữ liệu dương và không gán nhãn từ Wikipedia tiếng Việt

Một trong những thách thức trong xây dựng ontology tiếng Việt là thiếu hụt dữ liệu huấn luyện có gán nhãn. Luận án đề xuất mô hình học máy sử dụng chỉ dữ liệu dương kết hợp với dữ liệu không gán nhãn từ kho tài nguyên Wikipedia tiếng Việt để bổ sung các khái niệm mới cho ontology miền dầu khí. Thuật toán DISTANCE được phát triển nhằm xử lý hiệu quả dữ liệu không gán nhãn, giúp mở rộng và làm giàu ontology tiếng Việt một cách tự động và chính xác.

IV. Bí quyết ứng dụng thực tiễn mô hình học ontology trong ngành dầu khí Việt Nam

Việc ứng dụng mô hình học ontology trong thực tiễn ngành dầu khí Việt Nam đã được triển khai thông qua quy trình xây dựng ontology dầu khí Anh-Việt tại Viện Dầu khí Việt Nam. Quy trình này bao gồm bảy bước từ xác định mục đích, thu thập tài nguyên, tích hợp ontology tiếng Anh, làm giàu khái niệm tiếng Việt, đến hiệu chỉnh dựa trên ý kiến chuyên gia. Kết quả là một ontology dầu khí Anh-Việt thực nghiệm được xây dựng, phục vụ công tác nghiệp vụ và nghiên cứu trong ngành. Việc tích hợp các mô hình học ontology với thu nhận ý kiến chuyên gia giúp nâng cao chất lượng và tính ứng dụng của hệ thống tri thức dầu khí, đồng thời tạo nền tảng cho các ứng dụng trí tuệ nhân tạo và học máy trong ngành.

4.1. Quy trình bảy bước xây dựng ontology dầu khí Anh Việt tại Viện Dầu khí

Quy trình xây dựng ontology dầu khí Anh-Việt bao gồm: (1) xác định mục đích và phạm vi, (2) thu thập tài nguyên ontology sẵn có, (3) tích hợp các ontology tiếng Anh, (4) làm giàu khái niệm tiếng Việt, (5) đối sánh khái niệm miền tiếng Việt, (6) bổ sung thành phần tiếng Việt vào ontology tiếng Anh, và (7) hiệu chỉnh ontology dựa trên khung hợp nhất niềm tin qua tranh luận thu thập ý kiến chuyên gia. Quy trình này đảm bảo tính toàn diện, chính xác và phù hợp với đặc thù ngành dầu khí Việt Nam.

4.2. Triển khai thực hiện và ứng dụng mô hình học ontology trong quản lý tri thức dầu khí

Sau khi xây dựng, ontology dầu khí Anh-Việt được triển khai trên hệ thống máy tính tại Viện Dầu khí Việt Nam, hỗ trợ công tác quản lý tri thức và nghiệp vụ. Việc tích hợp các mô hình học ontology với các công cụ khai phá dữ liệu và học máy giúp tự động hóa quá trình cập nhật và mở rộng tri thức, nâng cao hiệu quả tìm kiếm và phân tích dữ liệu chuyên ngành. Ứng dụng này góp phần thúc đẩy chuyển đổi số và phát triển công nghệ thông tin trong ngành dầu khí.

V. Phương pháp phát triển tương lai mô hình học ontology trong ngành dầu khí

Tương lai của mô hình học ontology ứng dụng trong dầu khí hướng tới việc phát triển các phương pháp bán tự động và tự động hoàn toàn dựa trên khai phá dữ liệu lớn, học máy sâu và trí tuệ nhân tạo. Việc tích hợp sâu hơn giữa ontology và trí tuệ nhân tạo sẽ giúp nâng cao khả năng phân tích, dự đoán và ra quyết định trong ngành. Đồng thời, phát triển các công cụ hỗ trợ đa ngôn ngữ, đặc biệt là tiếng Việt, sẽ giúp mở rộng phạm vi ứng dụng và tăng cường khả năng chia sẻ tri thức trong cộng đồng dầu khí. Nghiên cứu cũng hướng tới việc xây dựng các hệ thống học ontology có khả năng tự thích nghi và cập nhật liên tục theo sự phát triển của tri thức ngành.

5.1. Xu hướng phát triển công nghệ ontology và trí tuệ nhân tạo trong dầu khí

Sự kết hợp giữa ontology và trí tuệ nhân tạo mở ra nhiều cơ hội mới cho ngành dầu khí, từ việc tự động hóa phân tích dữ liệu đến hỗ trợ ra quyết định thông minh. Các kỹ thuật học sâu, học máy không giám sát và khai phá dữ liệu lớn sẽ được tích hợp để xây dựng các mô hình học ontology linh hoạt và hiệu quả hơn. Điều này giúp ngành dầu khí nâng cao năng lực cạnh tranh và đáp ứng nhanh chóng các yêu cầu thị trường.

5.2. Phát triển mô hình học ontology đa ngôn ngữ và tích hợp dữ liệu dầu khí

Phát triển các mô hình học ontology hỗ trợ đa ngôn ngữ, đặc biệt là tiếng Việt và tiếng Anh, là một hướng đi quan trọng để mở rộng ứng dụng trong ngành. Việc tích hợp dữ liệu từ nhiều nguồn và ngôn ngữ khác nhau giúp tạo ra một hệ thống tri thức toàn diện và chính xác. Các kỹ thuật đối sánh thuật ngữ, học máy và khai phá dữ liệu sẽ được cải tiến để xử lý hiệu quả các thách thức về ngôn ngữ và cấu trúc dữ liệu đa dạng.

5.3. Tích hợp học máy và thu nhận tri thức chuyên gia trong xây dựng ontology tương lai

Việc kết hợp giữa học máy và thu nhận tri thức chuyên gia sẽ tạo ra các mô hình học ontology có khả năng tự động hóa cao nhưng vẫn đảm bảo tính chính xác và phù hợp với thực tiễn. Các khung hợp nhất niềm tin dựa trên tranh luận sẽ tiếp tục được phát triển để thu thập và xử lý ý kiến chuyên gia một cách hiệu quả, giúp ontology luôn cập nhật và phản ánh đúng thực tế ngành dầu khí.

Trích đoạn nội dung tài liệu

CHƯƠNG 1. GIỚI THIỆU CHUNG VỀ ONTOLOGY, HỌC ONTOLOGY VÀ ĐỘ ĐO GOOGLE Hai mục đầu của chương này trình bày các nội dung cơ bản nhất về ontology, xây dựng ontology và kỹ thuật học ontology. Mục thứ ba của chương này giới thiệu về độ đo khoảng cách Google, một độ đo dữ liệu được luận án quan tâm và triển khai áp dụng trong một số kỹ thuật học ontology. GIỚI THIỆU CHUNG VỀ ONTOLOGY 1.

Khái niệm ontology Từ “ontology” có nguồn gốc từ tiếng Hy Lạp, là sự kết hợp của hai từ “ontos” (“tồn tại”, tiếng Anh “being” ) và “logos” (“từ”, tiếng Anh là “word”) [32], vì vậy, nói một cách không hình thức, ontology được xây dựng để biểu diễn các “kiểu tồn tại” trong một miền nào đó dựa trên “từ ngữ”. Các “kiểu tồn tại” trong một miền gồm có các thuật ngữ, các khái niệm, các quan hệ và các tiên đề khái quát hóa các quan hệ. Rất nhiều nghiên cứu chỉ ra rằng, đưa ra một định nghĩa đủ để bao gói việc biểu diễn các “kiểu tồn tại” dựa trên “từ ngữ” là một công việc rất khó khăn. Rất nhiều định nghĩa ontology đã được đưa ra, và theo dòng thời gian xây dựng và ứng dụng ontology, nội dung khái niệm ontology đã được tiến hóa nhằm phù hợp với phạm vi nghiên cứu và triển khai tương ứng.

Gašević và cộng sự [32] giới thiệu và phân tích nội dung năm định nghĩa phổ biến nhất về ontology trong lĩnh vực trí tuệ nhân tạo. Theo nhóm tác giả, mỗi định nghĩa đáp ứng được bộ phận việc “kiểu tồn tại” dựa trên “từ ngữ”. Trình bày của các tác giả cho thấy điều cần thiết là “hình dung ontology ra sao” mà không phải là bản thân định nghĩa về ontology. Một hình dung đơn giản nhất về ontology là nó bao gói các khái niệm và các quan hệ giữa chúng và một hình ảnh trực quan của một ontology là nội dung một tệp tin.

Trong một nỗ lực đưa ra một định nghĩa phổ quát về ontology, R. Arp và cộng sự [7] cho rằng ontology là một sản phẩm trình diễn do con người tạo ra, với thành phần đặc thù là một bảng phân loại biểu diễn tường minh một tổ hợp nào đó của các kiểu, các lớp được định nghĩa và một số quan hệ giữa chúng. Bảng phân loại (taxonomy) là một hệ thống phân cấp dạng cây chứa các thuật 10 TIEU LUAN MOI download : [e-mail] ngữ biểu thị các kiểu (hoặc phổ quát hoặc các lớp) được liên kết bằng các mối quan hệ. Kiểu (phổ quát hoặc lớp) là các thực thể được chỉ dẫn bằng các nút trong cây phân cấp các thuật ngữ trên đây, trong đó “thực thể” là bất cứ điều/vật gì tồn tại trong thế giới đang được xem xét, bao gồm các đối tượng, các quá trình và các tính chất.

Tính biểu diễn của ontology được thể hiện thông qua việc sử dụng một thực thể (ví dụ như một thuật ngữ, một ý tưởng, một hình ảnh, một nhãn, một bản mô tả, một bài luận) để chỉ dẫn tới một hoặc một số thực thể khác. Ontology được con người tạo ra theo một thiết kế (trong một vài trường hợp là theo chọn lựa) một cách có chủ ý để giải quyết một mục tiêu trình diễn được thực tiễn. Cộng đồng nghiên cứu – triển khai về ontology công nhận một quan niệm phổ biến là ontology được tạo ra nhằm mục đích biểu diễn tri thức về một miền nào đó và bao gồm các thuật ngữ, các khái niệm, các quan hệ, các tiên đề [7], [32], [17], [11]. Buitelaar và cộng sự [11] (b) P.

Cimiano và cộng sự [17] Hình 1. Các tầng đối tượng trong ontology và ví dụ [11][17], [32] Quan niệm phổ biến này cho thấy một ontology cung cấp ([11], [17], [32]): (i) một bảng từ vựng (hoặc các tên gọi) để chỉ dẫn các thuật ngữ, (ii) bảng 11 TIEU LUAN MOI download : [e-mail] phân cấp (quan hệ thứ bậc) và các quan hệ khác giữa các khái niệm. Loại quan hệ mức cao được trình diễn dưới dạng tiên đề (iii) lý thuyết nội dung để hiểu rõ nội dung các thuật ngữ, các khái niệm và các quan hệ, (iv) một nền tảng tri thức để chia sẻ và tái sử dụng trong cộng đồng.1 trình bày các tầng đối tượng của một ontology miền và thể hiện tương ứng [11], [17]. Luận án này được định hướng nghiên cứu theo quan niệm phổ biến trên đây về ontology.

Phân loại ontology Ontology phổ quát nhất như đã được đề cập là ontology triết học (philosophical ontology). Ngoài ontology triết học, nhiều kiểu ontology khác cũng được con người tạo ra đó là ontology miền, ontology mức cao, ontology tham chiếu (reference ontology) và ontology ứng dụng (application ontology) [7]. Ontology triết học được xây dựng nhằm mục đích cung cấp một phân loại rõ ràng và toàn diện về tất cả các thực thể trong mọi lĩnh vực của cuộc sống. Ontotoly triết học định hướng cho các nghiên cứu về các chủng loại, cấu trúc của các đối tượng, các tính chất, các sự kiện, các quá trình và các mối quan hệ trong mọi lĩnh vực của thực tế (siêu hình học: metaphysics).

Kết quả trong ontology triết học là hệ thống mô tả hoặc lý thuyết về những gì tồn tại cũng như các trình diễn chúng do con người tạo ra. Ontology triết học hiện nay (còn được gọi là “siêu hình học phân tích”: analytic metaphysics) còn cho phép hỗ trợ việc nghiên cứu các thực thể trong một số khoa học cụ thể như vật lý, hóa học, sinh học, tâm lý học, v. Cây Porphyrian (the Porphyrian Tree)3 là một ví dụ về ontology triết học. Ontology miền (domain ontology), còn được gọi là ontology cụ thể (material ontology), trình diễn các thực thể và các quan hệ giữa chúng trong một miền thực tiễn cụ thể chẳng hạn như y tế, địa lý, sinh học, luật học nhằm mục đích hỗ trợ trực tiếp các nghiên cứu về lĩnh vực cụ thể được đề cập.

Do đó, ontology miền được bao gồm các thông tin về tính phổ quát, về các lớp và các quan hệ mà nó trình diễn. Một ontology miền cung cấp một trình diễn điều khiển 3 http://www.php?id=3857 12 TIEU LUAN MOI download : [e-mail] được và có cấu trúc để biểu diễn và sử dụng các thực thể trong miền liên quan, cho phép người sử dụng tiếp cận và chia sẻ dữ liệu dễ dàng hơn và thuận tiện xử lý bằng máy tính. Tồn tại nhiều ontology miền cho nhiều lĩnh vực, chẳng hạn như ontology gen (Gene Ontology: GO), ontology giải phẫu cơ bản (Foundational Model of Anatomy: FMA), ontology môi trường (Environment Ontology: EnvO), ontology thực thể hóa học trong sinh học (Chemical Entities of Biological Interest: ChEBI)4. Ontology dầu khí được đề cập trong luận án này được xếp vào loại ontology miền.

Ontology mức cao (top-level ontology), còn được gọi là ontology hình thức (formal ontology), trình diễn một ontology miền có tính tiêu chuẩn với một kiến trúc phổ quát dùng chung trong cộng đồng, giúp kết nối các ontology khác nhau trong cùng một miền hoặc trong một số miền liên quan nhau. Ví dụ về các ontology mức cao như ontology hình thức cơ bản (Basic Formal Ontology: BFO), ontology mô tả cho kỹ nghệ ngôn ngữ và nhận thức (Descriptive Ontology for Linguistic and Cognitive Engineering: DOLCE), ontology kết hợp cao cấp chuẩn (Standard Upper Merged Ontology: SUMO)5. Ontology ứng dụng (application ontology) được tạo ra nhằm mục đích thực hiện một số bài toán hoặc ứng dụng cụ thể. Đối ngẫu lại, ontology tham chiếu (reference ontology) được tạo ra nhằm mục đích cung cấp một trình diễn kinh điển và toàn diện về các thực thể trong một miền xác định nhằm đóng gói về các loại thực thể có trong văn bản khoa học.

Ontology có trong Hệ thống thông tin SAPPHIRE (the Situational Awareness and Preparedness for Public Health Incidents Using Reasoning Engines) là một ontology ứng dụng, hai ontology miền FMA, GO trên đây là các ontology tham chiếu. Trong phiên bản đầu tiên, ontology dầu khí Anh-Việt được xây dựng để phục vụ các ứng dụng tìm kiếm và giải thích thuật ngữ dầu khí cho các nhà nghiên cứu về lĩnh vực dầu khí cho nên nó được coi là một ontology ứng dụng cho miền dầu khí.org/;http://sig.edu/projects/fm/AboutFM.html; https://bioportal.org/ontologies/ENVO; https://www.de/bfo/;http://www.it/old/DOLCE.html; http://www.org/OP/ 13 TIEU LUAN MOI download : skknchat@gmail. Một ví dụ về ontology miền Hình 1. Ví dụ về ontology dầu khí tiếng Việt Hình 1.2 cung cấp một bộ phận của ontology miền dầu khí tại Viện Dầu khí Việt Nam nhằm minh họa các thành phần của một ontology miền.

Ontology miền này bao gồm các thành phần chính như trình bày sau đây. 14 TIEU LUAN MOI download : skknchat@gmail. Các lớp chính Ontology Dầu khí này bao gồm các lớp chính sau đây: - Lớp gốc: Dầu khí, gồm 3 lớp con: Khâu đầu (Upstream), Khâu giữa (Midstream), Khâu sau (Downstream). o Lớp Khâu đầu: gồm 2 lớp con: Thăm dò (Exploration), Khai thác (Production).

o Lớp Khâu giữa: gồm 2 lớp con: Tàng trữ (Archive), Vận chuyển (Transportation). o Lớp Khâu sau: gồm 3 lớp: Lọc Hóa dầu (Petrochemistry-Refinery ), An toàn và Môi trường (Safety and Environment), Kinh tế và Quản lý dầu khí (Economic Management). ▪ Lớp Thăm dò: gồm các thực thể như: Địa chấn (Seismic), Địa chất học (Geology), Địa vật lý (Geophysics). ▪ Lớp Khai thác: gồm các thực thể Khoan (Drill), Mũi khoan (Drilling bit), Tời quay (Spinning cathead) , Thiết bị dầu mỏ (Oilfield equipment), Giếng thẩm lượng (appraisal well), Tăng mật độ khoan (infill drilling).

▪ Lớp Tàng trữ: bao gồm các thực thể: Bể chứa (Tank), Lưu trữ (Archive), Băng từ (magnetic tape). ▪ Lớp Vận chuyển: bao gồm các thực thể: Đường ống dẫn (Pipeline) ▪ Lớp Hóa dầu: bao gồm các thực thể: Nhựa đường (Asphalt), Phân đạm (Fertilizer) ▪ Lớp Lọc dầu (Refinery): bao gồm các thực thể: Xăng (Gasoline), Đuốc đốt (Flare), Ống khói (Stack). ▪ Lớp An toàn và Môi trường: bao gồm các thực thể An toàn (Safety), Môi trường (Environment), Tràn dầu (Oil Spill), Khí thải (Pollution air). ▪ Lớp Kinh tế và Quản lý: bao gồm các thực thể Kinh tế (Economics), Quản lý (Management), Hợp đồng dầu khí (Petroleum contract), Kế hoạch phát triển mỏ (Oil development plan - ODP).

15 TIEU LUAN MOI download : skknchat@gmail. Tính chất một số thực thể Tính chất của thực thể Địa chấn: là phương pháp thăm dò dùng sóng đàn hồi được tạo ra bởi nguồn năng lượng, thí dụ nổ mìn. Sóng phản xạ và khúc xạ hình thành tại các mặt phản xạ và khúc xạ và được ghi lại. Thăm dò địa chấn bao gồm thu thập, xử lý và giải thích số liệu Tính chất của thực thể Địa chất học: là môn học về trái đất.

Địa chất học chuyên nghiên cứu thành phần đất đá, lịch sử trái đất và các hiện tượng địa chất đã xảy ra trên trái đất và góp phần tạo nên bộ mặt của trái đất. Tính chất của thực thể Địa chất dầu mỏ: là Khoa học về sự hình thành và thăm dò dầu và khí.