Tổng quan nghiên cứu

Thị trường du lịch trực tuyến tại Việt Nam chứng kiến sự bùng nổ dữ liệu với hàng chục nghìn bài viết về các chương trình lữ hành xuất hiện mỗi ngày trên không gian mạng. Tuy nhiên, hơn 85% nguồn thông tin này tồn tại dưới dạng văn bản phi cấu trúc hoặc bán cấu trúc, gây cản trở nghiêm trọng cho các công cụ tìm kiếm tự động và hệ thống gợi ý dịch vụ. Người dùng thường mất từ 45 đến 60 phút để tổng hợp, đối chiếu mức giá và lịch trình giữa các đại lý lữ hành khác nhau.

Nghiên cứu tập trung giải quyết bài toán cốt lõi: tự động hóa quá trình thu thập, nhận diện và trích xuất các thuộc tính thông tin tour du lịch từ nguồn văn bản tiếng Việt phân tán trên Internet. Mục tiêu cụ thể là xây dựng mô hình trích chọn thông tin kết hợp giữa phân tích cấu trúc mã HTML và hệ thống tập luật ngữ cảnh, chuyển đổi dữ liệu phi cấu trúc thành cơ sở dữ liệu có cấu trúc phục vụ phân tích nghiệp vụ.

Phạm vi nghiên cứu bao gồm 7 website du lịch tiếng Việt tiêu biểu tại Việt Nam với tổng quy mô khảo sát 3.500 bài viết trong năm 2015. Ý nghĩa khoa học và thực tiễn của đề tài thể hiện qua việc chuẩn hóa thành công 13 trường dữ liệu thuộc tính tour du lịch, giảm hơn 75% thời gian xử lý dữ liệu đầu vào và nâng cao độ chính xác phân loại thông tin lên trên 85%, tạo nền tảng vững chắc cho việc xây dựng các công cụ tư vấn hành trình thông minh.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên 2 nền tảng lý thuyết chủ đạo: Lý thuyết trích chọn thông tin trong khai phá dữ liệu văn bản theo chuẩn MUC và ACE, kết hợp với Mô hình đối tượng tài liệu Document Object Model của tổ chức W3C. Về mặt biểu diễn tri thức, đề tài ứng dụng khung tiếp cận dựa trên luật theo mô hình WHISK, sử dụng các biểu thức chính quy đa khe để nhận diện biên thực thể và trích xuất thuộc tính trong cấu trúc văn bản bán cấu trúc.

Hệ thống triển khai 5 khái niệm chuyên ngành then chốt:

  1. Trích chọn thực thể có tên nhằm nhận diện 7 lớp thực thể chuẩn gồm tên người, tên tổ chức, địa danh, số lượng, tỷ lệ phần trăm, tiền tệ và thời gian.
  2. Trích chọn quan hệ nhằm xác lập mối liên kết ngữ nghĩa giữa các thực thể trong cùng một ngữ cảnh.
  3. Trích chọn cụm từ khóa phục vụ xác định chủ đề và mã hóa tài liệu.
  4. Cây cấu trúc Document Object Model biểu diễn quan hệ phân cấp của các phần tử HTML trên trang web.
  5. Mẫu trích chọn ngữ cảnh kết hợp tiền tố, định dạng giá trị và hậu tố để định vị thông tin chính xác.

Phương pháp nghiên cứu

Nguồn dữ liệu thực nghiệm gồm 3.500 trang web HTML được thu thập tự động từ 7 cổng thông tin du lịch uy tín tại Việt Nam bằng công cụ Teleport Pro, với định mức 500 bài viết cho mỗi nguồn dữ liệu. Cỡ mẫu 3.500 tài liệu bảo đảm tính đa dạng về phong cách trình bày văn bản và độ phức tạp của mã nguồn trang web.

Phương pháp chọn mẫu có chủ đích được áp dụng nhằm bao phủ 2 nhóm cấu trúc chính: các website cung cấp đầy đủ thông tin chi tiết như Dulichnamchau và các website chỉ hiển thị các thuộc tính đặc trưng như Dulichhn. Đề tài lựa chọn giải pháp phân tích mã nguồn HTML thông qua thư viện JsoupParser kết hợp hệ thống tập luật thay vì học máy thuần túy. Lý do lựa chọn phương pháp này xuất phát từ việc loại bỏ hoàn toàn chi phí gán nhãn thủ công cho hàng chục nghìn mẫu huấn luyện, xử lý triệt để hiện tượng nhập nhằng ngữ nghĩa của tiếng Việt và tối ưu hóa thời gian tiền xử lý dữ liệu bằng cách thao tác trực tiếp trên cây Document Tree.

Hệ thống được lập trình trên nền tảng Eclipse Kepler, triển khai trên môi trường phần cứng CPU Intel Core i3-3240 tốc độ 3.4 GHz, bộ nhớ RAM 4GB chạy hệ điều hành Windows 7 Ultimate trong suốt tiến trình hoàn thiện năm 2015.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thử nghiệm trên hệ thống phần mềm TravelFeatureExtractor ghi nhận 4 phát hiện quan trọng:

  1. Bộ lọc dữ liệu FilterData đạt độ chính xác phân loại trên 85% nhờ áp dụng quy tắc nhận diện từ khóa Tour hoặc Du lịch ở phần tiêu đề kết hợp tiền tố nhận diện trong thẻ khối nội dung.
  2. Tỷ lệ trích xuất thành công 6 thuộc tính cốt lõi gồm tên tour, thời gian, giá tour, điểm khởi hành, phương tiện và lịch trình đạt mức trung bình 90% đối với các bài viết có bố cục thẻ rõ ràng.
  3. Khảo sát cấu trúc ghi nhận sự không đồng nhất sâu sắc: khoảng 70% bài viết sử dụng định dạng thời gian chuẩn theo cấu trúc số ngày và số đêm, trong khi 30% còn lại dùng ký hiệu viết tắt; định dạng giá tour xuất hiện dưới 4 hình thức hiển thị gồm tiền tệ Việt Nam Đồng, ký hiệu viết tắt, ngoại tệ hoặc trạng thái liên hệ trực tiếp.
  4. Cơ sở dữ liệu quan hệ được đồng bộ hoàn chỉnh gồm 4 bảng dữ liệu chính, chuẩn hóa thành công 13 trường thuộc tính chi tiết cho hàng nghìn tour du lịch thực tế.

Thảo luận kết quả

Hiệu quả trích chọn cao bắt nguồn từ cơ chế làm mịn dữ liệu 2 tầng: tầng lọc bài viết loại bỏ hơn 60% dữ liệu rác không liên quan đến dịch vụ lữ hành, và tầng trích chọn thuộc tính sử dụng bộ luật biên linh hoạt để bóc tách thông tin từ các thẻ div và p. Khi so sánh với phương pháp trích chọn dựa trên đường dẫn XPATH tĩnh, giải pháp kết hợp phân tích HTML và tập luật thể hiện khả năng thích ứng vượt trội, không bị gián đoạn khi giao diện hiển thị của website thay đổi vị trí thẻ.

Kết quả dữ liệu sau trích xuất được trực quan hóa hiệu quả qua các dạng đồ thị:

  • Biểu đồ cột thể hiện phân bố tour theo địa danh phản ánh hơn 60% các chương trình tập trung vào tuyến du lịch biển miền Trung và miền Nam như Nha Trang, Đà Nẵng, Phú Quốc.
  • Biểu đồ tròn phân khúc giá tour cho thấy 45% sản phẩm lữ hành nằm trong khoảng từ 2.000.000 VNĐ đến 5.000.000 VNĐ.
  • Bảng thống kê đối sánh thời lượng tour chỉ ra hơn 55% lịch trình kéo dài từ 3 đến 5 ngày.

Dữ liệu có cấu trúc này đóng vai trò cốt lõi trong việc dự báo nhu cầu thị trường và xây dựng mô hình tìm kiếm du lịch tự động theo ngân sách.

Đề xuất và khuyến nghị

  1. Xây dựng và chuẩn hóa bộ Ontology chuyên ngành du lịch tiếng Việt do Viện Công nghệ thông tin cùng các trường đại học chủ trì thực hiện trong thời gian 12 tháng, nhằm nâng tỷ lệ nhận diện quan hệ ngữ nghĩa phức tạp lên trên 95%.
  2. Nâng cấp thuật toán trích xuất bằng cách tích hợp mô hình học sâu kết hợp tập luật do đội ngũ kỹ sư phần mềm doanh nghiệp triển khai trong 6 tháng, nhằm giảm 50% thời gian xây dựng luật thủ công cho các website mới.
  3. Phát triển hệ thống tìm kiếm và tư vấn tour du lịch thông minh đa tiêu chí do các doanh nghiệp lữ hành phối hợp triển khai trong 9 tháng, cam kết tối ưu hóa 100% khả năng so sánh giá và lộ trình theo thời gian thực cho khách hàng.
  4. Mở rộng hệ thống thu thập dữ liệu tự động lên quy mô 50 website du lịch và nền tảng đặt phòng trực tuyến do các cơ quan xúc tiến du lịch thực hiện trong vòng 18 tháng, hướng tới mục tiêu xây dựng kho cơ sở dữ liệu du lịch số quốc gia.

Đối tượng nên tham khảo luận văn

  • Học viên cao học và nhà nghiên cứu chuyên ngành Khoa học máy tính: Nắm bắt phương pháp xử lý văn bản tiếng Việt bán cấu trúc và quy trình ứng dụng cây Document Object Model trong khai phá dữ liệu văn bản với hơn 20 tài liệu tham khảo chuyên sâu.
  • Kỹ sư dữ liệu và lập trình viên hệ thống: Tham khảo kiến trúc 5 thành phần của pipeline ETL, mã nguồn xử lý thẻ HTML qua JsoupParser và cấu trúc cơ sở dữ liệu 13 trường thuộc tính để xây dựng các hệ thống cào dữ liệu tự động.
  • Doanh nghiệp lữ hành và phát triển phần mềm du lịch: Ứng dụng mô hình trích xuất tự động để xây dựng các công cụ tổng hợp giá vé, so sánh tour và tối ưu hóa 70% nguồn lực thu thập thông tin thị trường.
  • Cơ quan quản lý nhà nước về du lịch: Sử dụng phương pháp thống kê và dự báo xu hướng điểm đến từ dữ liệu web phục vụ công tác quy hoạch điểm đến và điều tiết cung cầu du lịch theo từng mùa trong năm.

Câu hỏi thường gặp

Luận văn lựa chọn phương pháp kết hợp phân tích mã HTML và tập luật thay vì học máy thuần túy vì lý do gì? Giải pháp kết hợp giúp loại bỏ hoàn toàn giai đoạn chuẩn bị dữ liệu huấn luyện tốn kém và không đòi hỏi gán nhãn thủ công cho hàng nghìn văn bản. Phương pháp này thao tác trực tiếp trên cây Document Object Model qua thư viện JsoupParser, giúp giải quyết triệt để tính nhập nhằng của tiếng Việt và tiết kiệm hơn 80% thời gian tiền xử lý.

Hệ thống xử lý thế nào trước sự bất đồng nhất về cấu trúc giữa 7 website du lịch? Hệ thống sử dụng cơ chế trích chọn 2 lớp linh hoạt. Lớp thứ nhất phân tích cây tài liệu để định vị khối chứa nội dung tổng quát. Lớp thứ hai áp dụng tập luật ngữ cảnh dựa trên tiền tố, định dạng số và hậu tố đặc trưng để bóc tách chính xác từng thuộc tính mà không phụ thuộc vào vị trí thẻ HTML cố định.

Cơ sở dữ liệu sau khi trích xuất được thiết kế với cấu trúc ra sao? Dữ liệu được lưu trữ trong cơ sở dữ liệu quan hệ gồm 4 bảng tiêu chuẩn: Bảng quản lý website nguồn, Bảng lưu trữ bài viết đã qua bộ lọc, Bảng danh mục tour cơ bản và Bảng chi tiết 13 trường thuộc tính mở rộng bao gồm mã tour, tên tour, điểm xuất phát, phương tiện, lịch trình và giá cả.

Làm thế nào để hệ thống lọc bỏ các bài viết tin tức không chứa thông tin về tour lữ hành? Bộ lọc FilterData áp dụng quy tắc kép: kiểm tra từ khóa định danh Tour hoặc Du lịch ở thẻ tiêu đề, kết hợp quét sự xuất hiện của các tiền tố thuộc tính như Giá tour, Thời lượng, Điểm khởi hành trong thẻ nội dung. Cơ chế này loại bỏ hơn 60% lượng bài viết mang tính giới thiệu danh lam hoặc tin tức thuần túy.

Kết quả trích chọn hỗ trợ bài toán dự đoán xu hướng du lịch như thế nào? Thông qua việc trích xuất và tổng hợp dữ liệu từ 3.500 bài viết, hệ thống cho phép thống kê tần suất xuất hiện của các địa danh, phân khúc giá phổ biến và thời lượng chuyến đi ưa chuộng. Kết quả phân tích chỉ ra hơn 60% chương trình tập trung vào tuyến du lịch biển, giúp doanh nghiệp kịp thời điều chỉnh sản phẩm.

Kết luận

  • Xây dựng thành công mô hình trích chọn thông tin kết hợp giữa phân tích mã HTML và hệ thống tập luật ngữ cảnh cho văn bản tiếng Việt.
  • Thu thập và kiểm thử hiệu quả trên tập dữ liệu quy mô 3.500 bài viết từ 7 website lữ hành trực tuyến hàng đầu.
  • Chuẩn hóa cấu trúc cơ sở dữ liệu 13 trường thông tin thuộc tính hoàn chỉnh, đạt độ chính xác phân loại trên 85%.
  • Hiện thực hóa thành công phần mềm TravelFeatureExtractor với 5 phân hệ xử lý dữ liệu tự động và độc lập.
  • Thiết lập lộ trình mở rộng hệ sinh thái trích xuất đa nền tảng trong vòng 12 đến 18 tháng tiếp theo.

Đóng góp lớn nhất của nghiên cứu là cung cấp một giải pháp kỹ thuật khả thi, chi phí thấp nhưng đạt hiệu quả cao trong việc xử lý dữ liệu du lịch tiếng Việt phi cấu trúc. Các nhà nghiên cứu và doanh nghiệp công nghệ có thể ứng dụng trực tiếp mô hình này để phát triển các hệ thống tư vấn du lịch tự động và xây dựng kho dữ liệu số hóa thông minh ngay hôm nay.