Luận án tiến sĩ nghiên cứu phương pháp tìm kiếm ngữ nghĩa sử dụng ontology và ứng dụng xây dựng hệ thống tra cứu tìm kiếm văn bản mẫu bệnh

Luận án tiến sĩ nghiên cứu phương pháp tìm kiếm ngữ nghĩa với ontology, ứng dụng trong hệ thống tra cứu văn bản mẫu bệnh hiệu quả.

• Tác giả: Nguyễn Hồng Sơn
• Người hướng dẫn: TS. Dương Trọng Hải
• Trường học: Học viện Kỹ thuật Quân sự
• Chuyên ngành: Cơ sở toán học cho tin học
• Đề tài: Nghiên Cứu Phương Pháp Tìm Kiếm Ngữ Nghĩa Với Ontology Trong Hệ Thống Tra Cứu Văn Bản Mẫu Bệnh
• Loại tài liệu: luận án
• Năm xuất bản: 2020
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: KIẾN THỨC CƠ SỞ
• 1.1. Khái niệm Ontology
• 1.2. Ứng dụng Ontology
• 1.3. Các ngôn ngữ Ontology
• 1.4. Tiến trình xây dựng ontology
• 1.5. Trích rút thông tin từ văn bản
• 1.6. Trích rút đặc trưng phổ biến
• 1.7. Trích rút quan hệ ngữ nghĩa trong văn bản
• 1.8. Các mô hình tìm kiếm
• 1.9. Tìm kiếm ngữ nghĩa
• 1.10. Luật kết hợp
• 1.11. Thuật toán Apriori
• 1.12. Kết chương
• 2. CHƯƠNG 2: TÌM KIẾM NGỮ NGHĨA DỰA TRÊN NỘI DUNG VĂN BẢN
• 2.1. Trích rút triple dựa trên mô hình ngữ pháp
• 2.2. Trích rút triple
• 2.3. Quy trình trích rút thông tin văn bản
• 2.4. Tìm kiếm đa diện dữ liệu văn bản
• 2.5. Xây dựng tham chiếu định hướng xử lý nhập nhằng sử dụng Wikipedia
• 2.6. Xây dựng không gian tìm kiếm ngữ nghĩa sử dụng tham chiếu định hướng xử lý nhập nhằng
• 2.7. Đánh giá kết quả trích rút dữ liệu định hướng lý nhập nhằng từ Wikipedia Disambiguation
• 2.8. Phương pháp cá nhân hóa facet trong tìm kiếm đa diện
• 2.9. Kết chương
• 3. CHƯƠNG 3: TÌM KIẾM NGỮ NGHĨA CÓ TƯƠNG TÁC
• 3.1. Sử dụng luật kết hợp trong tìm kiếm ngữ nghĩa thông tin bệnh
• 3.2. Luật kết hợp trong Ontology bệnh (ASO - Associate rules in Disease Ontology)
• 3.3. Đánh giá độ chính xác và độ bao phủ
• 3.4. Kết chương
• 4. CHƯƠNG 4: XÂY DỰNG HỆ THỐNG TRA CỨU, TÌM KIẾM NGỮ NGHĨA THÔNG TIN BỆNH
• 4.1. Tổng quan hệ thống tìm kiếm ngữ nghĩa thông tin bệnh
• 4.2. Xây dựng Ontology bệnh
• 4.3. Lựa chọn Disease Ontology
• 4.4. Dịch tự động Google Translation
• 4.5. Tinh chỉnh bán tự động
• 4.6. Chỉnh sửa công tác Ontology bệnh
• 4.7. Thu thập dữ liệu
• 4.8. Xây dựng phương pháp tìm kiếm ngữ nghĩa có tương tác điều hướng luồng tìm kiếm
• 4.9. Xây dựng hệ thống
• 4.10. Cấu trúc cơ sở dữ liệu (Disease Schema)
• 4.11. Kết chương
• KẾT LUẬN VÀ CÁC NGHIÊN CỨU TIẾP THEO
• DANH MỤC CÁC CÔNG TRÌNH KHOA HỌC ĐÃ CÔNG BỐ CỦA TÁC GIẢ CÓ LIÊN QUAN ĐẾN LUẬN ÁN
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tìm kiếm ngữ nghĩa và ontology

Nghiên cứu về tìm kiếm ngữ nghĩa với sự hỗ trợ của ontology đã trở thành một lĩnh vực quan trọng trong công nghệ thông tin. Ontology cung cấp một cấu trúc có tổ chức cho tri thức, cho phép hệ thống hiểu và xử lý thông tin một cách chính xác hơn. Việc áp dụng ontology trong hệ thống tra cứu giúp cải thiện khả năng tìm kiếm thông tin, đặc biệt trong các lĩnh vực như y tế, nơi mà thông tin có thể rất phức tạp và đa dạng. Theo nghiên cứu, việc sử dụng ontology không chỉ giúp tăng cường độ chính xác của kết quả tìm kiếm mà còn hỗ trợ người dùng trong việc xác định các truy vấn một cách hiệu quả hơn. Một trong những điểm mạnh của ontology là khả năng mô hình hóa các mối quan hệ giữa các thực thể, từ đó giúp hệ thống có thể hiểu được ngữ nghĩa của các từ khóa mà người dùng nhập vào. Điều này đặc biệt quan trọng trong việc tìm kiếm thông tin bệnh, nơi mà người dùng thường không thể diễn đạt chính xác triệu chứng hoặc bệnh lý mà họ đang quan tâm.

1.1. Khái niệm về ontology

Ontology là một khái niệm trong tri thức học, được sử dụng để mô tả các thực thể và mối quan hệ giữa chúng trong một lĩnh vực cụ thể. Trong bối cảnh tìm kiếm ngữ nghĩa, ontology giúp định nghĩa các khái niệm và mối quan hệ giữa chúng, từ đó tạo ra một cơ sở tri thức phong phú cho hệ thống. Việc xây dựng ontology cho lĩnh vực y tế không chỉ giúp tổ chức thông tin một cách có hệ thống mà còn tạo điều kiện cho việc khai thác và sử dụng thông tin một cách hiệu quả. Các ngôn ngữ như OWL (Web Ontology Language) thường được sử dụng để xây dựng ontology, cho phép mô hình hóa các khái niệm phức tạp và mối quan hệ giữa chúng. Điều này giúp hệ thống có thể hiểu được ngữ nghĩa của các từ khóa và cung cấp kết quả tìm kiếm chính xác hơn cho người dùng.

II. Phương pháp tìm kiếm ngữ nghĩa

Phương pháp tìm kiếm ngữ nghĩa dựa trên nội dung văn bản đã được nghiên cứu và phát triển để cải thiện khả năng tìm kiếm thông tin. Một trong những phương pháp chính là trích rút các bộ ba (triple) từ văn bản, cho phép hệ thống xác định các thực thể và mối quan hệ giữa chúng. Việc trích rút này không chỉ giúp tổ chức thông tin mà còn tạo ra các chỉ số để đánh giá độ chính xác của kết quả tìm kiếm. Hệ thống có thể sử dụng các thuật toán như Apriori để khai thác các luật kết hợp giữa các triệu chứng và bệnh lý, từ đó gợi ý cho người dùng các triệu chứng liên quan. Điều này không chỉ giúp người dùng dễ dàng tìm kiếm thông tin mà còn hỗ trợ họ trong việc xác định các truy vấn một cách chính xác hơn. Kết quả thực nghiệm cho thấy rằng phương pháp này có thể cải thiện đáng kể độ chính xác và độ bao phủ của hệ thống tìm kiếm.

2.1. Trích rút thông tin từ văn bản

Trích rút thông tin từ văn bản là một bước quan trọng trong quá trình xây dựng hệ thống tìm kiếm ngữ nghĩa. Phương pháp này cho phép hệ thống xác định các thực thể và mối quan hệ giữa chúng từ các văn bản không cấu trúc. Việc sử dụng các mô hình cú pháp để trích rút các bộ ba (triple) giúp hệ thống có thể tổ chức thông tin một cách có hệ thống. Các bộ ba này sẽ được sử dụng để xây dựng ontology, từ đó tạo ra một cơ sở tri thức phong phú cho hệ thống. Kết quả từ quá trình trích rút này sẽ được sử dụng để cải thiện khả năng tìm kiếm thông tin, giúp người dùng dễ dàng tìm thấy các tài liệu liên quan đến triệu chứng hoặc bệnh lý mà họ đang quan tâm.

III. Xây dựng hệ thống tra cứu thông tin bệnh

Việc xây dựng hệ thống tra cứu thông tin bệnh dựa trên tìm kiếm ngữ nghĩa là một bước tiến quan trọng trong việc cải thiện khả năng tìm kiếm thông tin y tế. Hệ thống này không chỉ cho phép người dùng tìm kiếm thông tin một cách nhanh chóng mà còn cung cấp các gợi ý dựa trên các triệu chứng mà họ nhập vào. Sử dụng ontology bệnh, hệ thống có thể xác định các mối quan hệ giữa các triệu chứng và bệnh lý, từ đó gợi ý cho người dùng các triệu chứng liên quan. Điều này giúp người dùng có thể xác định được bệnh lý mà họ đang quan tâm một cách chính xác hơn. Hệ thống cũng có thể sử dụng các thuật toán khai thác luật kết hợp để cải thiện độ chính xác của kết quả tìm kiếm, từ đó nâng cao trải nghiệm người dùng.

3.1. Cấu trúc cơ sở dữ liệu

Cấu trúc cơ sở dữ liệu trong hệ thống tra cứu thông tin bệnh đóng vai trò quan trọng trong việc tổ chức và quản lý thông tin. Cơ sở dữ liệu này sẽ chứa các thông tin về triệu chứng, bệnh lý và các mối quan hệ giữa chúng, được xây dựng dựa trên ontology bệnh. Việc tổ chức thông tin một cách có hệ thống giúp hệ thống có thể truy xuất thông tin một cách nhanh chóng và chính xác. Hệ thống cũng cần có khả năng mở rộng để có thể cập nhật thông tin mới và cải thiện khả năng tìm kiếm. Các thuật toán tìm kiếm ngữ nghĩa sẽ được áp dụng để tối ưu hóa quá trình truy xuất thông tin, từ đó nâng cao hiệu quả của hệ thống.

Trích đoạn nội dung tài liệu

CHƯƠNG 1. KIẾN THỨC CƠ SỞ 1. Ontology Ontology được tham chiếu trong các mô hình web ngữ nghĩa, xử lý ngữ nghĩa [36], [57], [101], được ứng dụng rộng rãi trong nhiều lĩnh vực: Công nghệ tri thức [100], thiết kế và tích hợp dữ liệu [14], [37], [85], trích xuất thông tin, tìm kiếm (Yahoo và Lycos), thương mại điện tử (Amazon và eBay), cấu hình (Dell và PC-order) và ứng dụng Chính phủ thông minh (Chương trình DARPAs High Performance Knowledge Base). Khái niệm Ontology Theo [36], trong triết học Ontology được định nghĩa là “Triết lý về sự tồn tại”.

Trong lĩnh vực tin học, Tom Gruber định nghĩa Ontology là “một biểu diễn tường minh các khái niệm” [36] “một đặc tả tường minh, hình thức và chia sẻ về các khái niệm dùng chung”. Mục tiêu xây dựng Ontology là: (1) Phản ánh các thuộc tính của các đối tượng trong miền tri thức ứng dụng. (2) Xây dựng cơ sở tri thức chuyên gia, và (3) Chuẩn hoá cách thức hỗ trợ xử lý thông tin tự động. Ontology cho phép tổ chức thông tin dưới dạng phân cấp các khái niệm ( cùng các thuộc tính riêng của chúng) và mối quan hệ giữa các khái niệm.

Một khi xây dựng được Ontology, các hệ thống tìm kiếm xem như có thể hiểu được nội dung dữ liệu và thông tin đang được lưu giữ, do đó công việc tìm kiếm thông tin sẽ thông minh hơn và công việc tích hợp dữ liệu sẽ đơn giản hơn. Theo cách nhìn này, các trang Web ngữn nghĩa không chỉ thực hiện chức năng hiển thị thông tin, mà còn có khả năng tự động trích rút thông tin và lập luận trong cơ sở tri thức để cho ra kết quả truy vấn một cách chính xác. Ontology giúp đơn giản hóa và chính xác hóa quá trình trao đổi dữ liệu từ các luan an 20 nguồn trong hệ thống phân tán. Chính vì thế, công nghệ Ontology gần đây đã thu hút sự quan tâm đáng kể của các nhà nghiên cứu.

Ontology là một bộ các thành phần: O = (C, I, R, Z), trong đó: - C là tập hợp các khái niệm (Concepts); - I là tập hợp các thực thể (Instances); - R là tập hợp các quan hệ (Relations) trên C; - Z là tập hợp các ràng buộc toàn vẹn hoặc quan hệ giữa các thực thể và các khái niệm. Ứng dụng Ontology Ontology cho phép cấu trúc hoá các mối quan hệ giữa các đối tượng, thuộc tính, sự kiện, quá trình trong thế giới thực [71]. Trong hệ thống thông tin, Ontology: 1) Phản ánh các đối tượng cùng với các thuộc tính và quan hệ giữa chúng trong thực tế; 2) Có thể hiểu được đối với các chuyên gia trong lĩnh vực ứng dụng; 3) Được xây dựng và xử lý tự động. Xây dựng Ontology giúp cho việc trao đổi dữ liệu giữa các nguồn khác nhau thuận tiện hơn.

Hầu hết các nghiên cứu tập trung vào ngôn ngữ sử dụng trong ontology [71], cơ chế suy luận, môi trường chỉnh sửa ontology và sự tích hợp [14]. Việc tích hợp các ontology khá phức tạp bởi do ngôn ngữ, cấu trúc của các ontology khác nhau thường không giống nhau [8], [16], hơn nữa có sự khác nhau về ngữ nghĩa, sự không nhất quán trong lập luận và mâu thuẫn giữa các khái niệm trong các ontology. Khi đó, cần phải có sự can thiệp của chuyên gia và không thể sử dụng các phương pháp tự động, ngoại trừ các trường hợp đơn giản [88]. Ontology một khi được tích hợp sẽ giúp cải thiện chất lượng thông tin trao đổi giữa các bên tham gia.

Do đó, phát triển công cụ linh hoạt giúp cho việc tích hợp dễ dàng các Ontology là rất quan trọng và cần thiết. luan an 21 Tiếp cận Ontology được dùng trong tìm kiếm ngữ nghĩa trong hệ thống ontology bệnh DO sẽ được trình bày trong phần tiếp theo. Các ngôn ngữ Ontology Cho đến hiện nay đã có một số ngôn ngữ Ontology dùng trong Web ngữ nghĩa (Semantic Web) như RDF, DAML+OIL, OWL. Các ngôn ngữ này không chỉ định nghĩa tập các từ vựng, khái niệm, các mối quan hệ giữa các khái niệm mà còn phải đáp ứng được các yêu cầu [67]: - Cho phép tham chiếu đến các khái niệm đã được định nghĩa và chia sẻ trên Web.

- Cho phép làm việc với một hoặc nhiều ngôn ngữ xây dựng Ontology. - Cho phép kết hợp các Ontology với nhau. - Được chấp nhận rộng rãi như là chuẩn. RDF (Resource Description Framework) RDF [34] được đề xuất bởi W3C (World Wide Web Consortium), là ngôn ngữ mô tả thông tin về tài nguyên ở trên Web.

RDF được xem như là mô hình ngữ nghĩa đơn giản của các tài nguyên và mối quan hệ giữa chúng, được biểu diễn dưới dạng cú pháp XML. Mô hình RDF chỉ bao gồm: - Tài nguyên (Resources): tài nguyên trên web. - Thuộc tính (Properties): các khía cạnh, tính chất của tài nguyên, hay mô tả mối quan hệ giữa các tài nguyên. Một mệnh đề RDF có thể được xem như là một đồ thị trong RDF, có dạng bộ ba riêng biệt: chủ ngữ (subject) – vị ngữ (object) và tân ngữ (predicate).

luan an 22 DAML+OIL (DARPA Agent Markup Language + Ontology Inference Layer) DAML+OIL [18] là ngôn ngữ đánh dấu ngữ nghĩa cho tài nguyên Web, kế thừa giá trị, kiểu dữ liệu và ngữ nghĩa của các chuẩn của W3C như XML, RDF. OWL (Ontology Web Language) OWL [23] do W3C đề xuất, là ngôn ngữ Ontology, kế thừa từ RDF, DALM+OIL nên cũng sử dụng RDF. OWL cung cấp ba cấp độ ngôn ngữ cho từng đối tượng người dùng và ứng dụng cụ thể: - OWL Lite: hỗ trợ phân cấp và các ràng buộc đơn giản, chỉ biểu diễn các lớp có duy nhất một phần tử. - OWL DL: kết hợp ngôn ngữ mô tả và ngôn ngữ xây dựng có hỗ trợ suy diễn.

- OWL Full: hỗ trợ đầy đủ nhất, không có các giới hạn, nhưng nó không đưa ra khả năng quyết định. Tiến trình xây dựng ontology Hầu hết các ontology được phát triển đều sử dụng phương pháp hướng kỹ thuật: Ban đầu một nhóm các kỹ sư thiết kế thực hiện, sau đó nâng cấp ontology theo quan điểm chủ quan của họ cho một lĩnh vực ứng dụng thực. Phương pháp này đòi hỏi nhóm thiết kế phải có một nhóm trưởng, là người điều phối toàn bộ các công việc và là người quyết định tích hợp các ý tưởng và quan điểm của các cá nhân trong nhóm. Nhóm thiết kế sẽ làm việc cùng nhau trong suốt quá trình phát triển Ontology.

Xây dựng một cơ sơ tri thức Ontology cỡ lớn theo phương pháp hướng kỹ thuật sẽ là một quá trình rất phức tạp do việc phát triển phải thường xuyên đảm bảo sự kết hợp và hòa giải những thay đổi từ các thành viên, để đảm bảo rằng Ontology luôn thể hiện được quan điểm nhất quán và thống nhất giữa các thành viên của nhóm thiết kế. Ví dụ về công cụ hỗ trợ phát triển ontology là Protégé, được phát triển bởi luan an 23 Đại học Stanford. Gần đây, phương pháp cộng tác (CoO - Collaborative- oriented method) trong phát triển ontology được đề xuất [21-26]: Đây là một cơ chế xây dựng Ontology dựa trên sự đồng thuận của số đông trong nhóm thiết kế, cho phép nhóm có thể gồm nhiều thành viên ở nhiều nơi với các chuyên môn khác nhau cùng hợp tác phát triển ontology. Các tác giả [20] đã phát triển công cụ Protégé cộng tác (collaborative protege) như là một mở rộng của Protégé client-server.

Protégé cộng tác cho phép toàn bộ nhóm cùng phát triển Ontology có thể thảo luận, trao đổi, và thực hiện các chú thích và những thay đổi trong suốt quá trình phát triển Ontology. OntoWiki [21] là một công cụ phát triển Ontology dựa trên công nghệ web, cho phép ghi nhớ lịch sử các thay đổi trên Ontology. OntoEdit [25] là một môi trường hợp tác phát triển Ontology, tích hợp nhiều khía cạnh của công nghệ Ontology và cho phép nhiều người phát triển Ontology. Kaon [22] tập trung việc hỗ trợ thay trên Ontology, cho chép xử lý các mâu thuẫn và đề xuất chiến lược hòa giải để duy trì sự nhất quán.

Các nghiên cứu về phát triển Ontology cộng tác [23], [27] đều gồm bốn giai đoạn: - Giai đoạn chuẩn bị: xác định các tiêu chuẩn thiết kế Ontology, tiêu chuẩn phát triển Ontology hợp tác và các tiêu chuẩn đánh giá sự thành công quá trình phát triển Ontology. - Giai đoạn phát triển ban đầu: bao gồm xác định các phiên bản ban đầu của ontology, tuân thủ các tiêu chuẩn thiết kế Ontology. - Giai đoạn phát triển và nâng cấp: Ontology được phát triển và nâng cấp cho đến khi tất cả mọi người tham gia đều thống nhất quan điểm, thông qua kỹ thuật phát triển Ontology hợp tác. Trong giai đoạn này, Ontology sẽ được sửa đổi và phát triển về mặt cấu trúc với sự hợp tác của tất cả những người tham gia.

Việc sửa đổi và phát triển liên tục luan an 24 được thực hiện, nhằm cải thiện Ontology theo các tiêu chuẩn và điều kiện đã được thiết lập ở giai đoạn chuẩn bị. - Giai đoạn ứng dụng: sử dụng Ontology theo nhiều cách khác nhau. Giai đoạn 1 - Chuẩn bị a) Tiêu chuẩn thiết kế Có sáu tiêu: sự rõ ràng, sự nhất quán, khả năng mở rộng, cam kết bản thể học tối thiểu, tính đồng nhất và các loại khái niệm trong Ontology. Các tiêu chí này rất quan trọng cho việc xây dựng Ontology và đánh giá mức độ hoàn thành việc xây dựng Ontolgy.

Luận án đưa ra bảy tiêu chí như sau: toàn diện, bình đẳng, tương tác, đại diện, hòa giải, sự tin tưởng và minh chứng hợp tác. Các tiêu chí rất quan cho việc phát triển và đánh giá chất lượng của Ontology được xây dựng theo phương pháp phát triển Ontology cộng tác. b) Thiết kế lõi ontology Lõi ontology là một Ontology cơ bản và tối thiểu, bao gồm các khái niệm tối thiểu cần thiết để biểu thị các khái niệm khác nhau của Ontology. Tất cả các thành viên tham gia đóng góp và chú thích lõi ontology để tạo ra phiên bản của Ontology.

Các khái niệm trong lõi ontology được phép thay đổi. Phần mở rộng của Ontology có thể được tùy biến mà không cần sửa đổi các định nghĩa hiện có trong lõi ontology, sẽ áp dụng các bước xây dựng như sau: - Bước 1. Xác định lĩnh vực và phạm vi của Ontology. Xem xét việc tái sử dụng Ontology.

Liệt kê các điều khoản quan trọng trong Ontology. Xác định các lớp và cấu trúc phân cấp của các lớp. Xác định các thuộc tính và kiểu dữ liệu của các thuộc tính của các lớp. Xác định giới hạn của các kiểu dữ liệu và các thuộc tính đối tượng.

Trong nghiên cứu của luận án, lõi ontology là phân loại bệnh được thiết kế từ ICD-10.