Nghiên cứu tích hợp thành phần ngữ nghĩa vào văn phạm TAG cho tiếng Việt

Luận văn thạc sĩ nghiên cứu tích hợp thành phần ngữ nghĩa vào văn phạm tag cho tiếng Việt 10, góp phần nâng cao chất lượng ngôn ngữ.

• Tác giả: Nguyễn Văn Hưng
• Người hướng dẫn: TS. Nguyễn Thị Minh Huyền
• Trường học: Trường Đại Học Khoa Học Tự Nhiên
• Chuyên ngành: Cơ sở toán học cho tin học
• Đề tài: Nghiên Cứu Tích Hợp Thành Phần Ngữ Nghĩa Vào Văn Phạm TAG Cho Tiếng Việt
• Loại tài liệu: Luận Văn Thạc Sĩ Khoa Học
• Năm xuất bản: 2014
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CẢM ƠN
• 1. CHƯƠNG 1: KIẾN THỨC CƠ SỞ
• 1.1. Văn phạm kết nối cây TAG
• 1.2. Phân tích cú pháp tiếng Việt
• 1.3. Biểu diễn ngữ nghĩa bằng logic vị từ cấp một
• 2. CHƯƠNG 2: TÍCH HỢP NGỮ NGHĨA CHO VĂN PHẠM TAG
• 3. CHƯƠNG 3: XÂY DỰNG VĂN PHẠM TAG CÓ TÍCH HỢP NGỮ NGHĨA CHO TIẾNG VIỆT
• KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN

Tóm tắt

I. Tổng quan về nghiên cứu tích hợp ngữ nghĩa vào văn phạm TAG cho tiếng Việt

Nghiên cứu tích hợp ngữ nghĩa vào văn phạm TAG cho tiếng Việt là một lĩnh vực quan trọng trong xử lý ngôn ngữ tự nhiên. Văn phạm TAG (Tree Adjoining Grammar) cho phép mô hình hóa cấu trúc ngữ pháp phức tạp của tiếng Việt. Việc tích hợp ngữ nghĩa vào văn phạm này không chỉ giúp cải thiện khả năng phân tích cú pháp mà còn nâng cao khả năng hiểu ngữ nghĩa của máy tính. Điều này đặc biệt quan trọng trong bối cảnh phát triển công nghệ ngôn ngữ tự nhiên hiện nay.

1.1. Khái niệm về văn phạm TAG và ngữ nghĩa trong ngôn ngữ học

Văn phạm TAG là một loại văn phạm hình thức được phát triển để mô tả cấu trúc ngữ pháp của ngôn ngữ tự nhiên. Ngữ nghĩa trong ngôn ngữ học đề cập đến ý nghĩa của từ và câu, và việc tích hợp ngữ nghĩa vào văn phạm TAG giúp máy tính hiểu rõ hơn về ngữ cảnh và ý nghĩa của các câu trong tiếng Việt.

1.2. Tầm quan trọng của việc tích hợp ngữ nghĩa vào văn phạm TAG

Việc tích hợp ngữ nghĩa vào văn phạm TAG cho tiếng Việt giúp cải thiện độ chính xác trong phân tích cú pháp và hiểu ngữ nghĩa. Điều này có thể ứng dụng trong nhiều lĩnh vực như dịch máy, tìm kiếm thông tin và trợ lý ảo, nơi mà việc hiểu đúng ngữ nghĩa là rất quan trọng.

II. Các thách thức trong việc tích hợp ngữ nghĩa vào văn phạm TAG cho tiếng Việt

Mặc dù việc tích hợp ngữ nghĩa vào văn phạm TAG mang lại nhiều lợi ích, nhưng cũng gặp phải nhiều thách thức. Một trong những thách thức lớn nhất là sự phức tạp của ngữ nghĩa trong tiếng Việt. Ngữ nghĩa không chỉ phụ thuộc vào từ mà còn vào ngữ cảnh, cấu trúc câu và các yếu tố khác. Điều này làm cho việc xây dựng các quy tắc ngữ nghĩa trở nên khó khăn.

2.1. Sự phức tạp của ngữ nghĩa trong tiếng Việt

Ngữ nghĩa trong tiếng Việt rất phong phú và đa dạng. Các từ có thể mang nhiều nghĩa khác nhau tùy thuộc vào ngữ cảnh. Điều này tạo ra khó khăn trong việc xác định ý nghĩa chính xác của từ trong một câu cụ thể.

2.2. Khó khăn trong việc xây dựng quy tắc ngữ nghĩa

Việc xây dựng quy tắc ngữ nghĩa cho văn phạm TAG đòi hỏi phải có sự hiểu biết sâu sắc về ngữ nghĩa và cú pháp. Các quy tắc này cần phải linh hoạt để có thể xử lý được các trường hợp khác nhau trong tiếng Việt, điều này đòi hỏi nhiều thời gian và công sức.

III. Phương pháp tích hợp ngữ nghĩa vào văn phạm TAG cho tiếng Việt

Để tích hợp ngữ nghĩa vào văn phạm TAG cho tiếng Việt, cần áp dụng một số phương pháp cụ thể. Một trong những phương pháp hiệu quả là sử dụng các công cụ như TULIPA và XMG để xây dựng và kiểm tra các mô hình ngữ nghĩa. Các công cụ này giúp tạo ra các cây cú pháp và ngữ nghĩa một cách tự động.

3.1. Sử dụng công cụ TULIPA trong tích hợp ngữ nghĩa

Công cụ TULIPA cho phép xây dựng các mô hình ngữ nghĩa dựa trên văn phạm TAG. Nó hỗ trợ việc tạo ra các cây cú pháp và ngữ nghĩa, giúp cho quá trình tích hợp trở nên dễ dàng hơn.

3.2. Ứng dụng XMG trong xây dựng văn phạm TAG

XMG là một công cụ mạnh mẽ cho phép xây dựng văn phạm TAG có tích hợp ngữ nghĩa. Công cụ này giúp tạo ra các quy tắc ngữ nghĩa một cách linh hoạt và hiệu quả, từ đó nâng cao khả năng phân tích cú pháp và ngữ nghĩa cho tiếng Việt.

IV. Kết quả nghiên cứu và ứng dụng thực tiễn của tích hợp ngữ nghĩa vào văn phạm TAG

Kết quả nghiên cứu cho thấy việc tích hợp ngữ nghĩa vào văn phạm TAG đã mang lại nhiều cải tiến trong khả năng phân tích cú pháp và hiểu ngữ nghĩa của tiếng Việt. Các ứng dụng thực tiễn bao gồm dịch máy, tìm kiếm thông tin và phát triển các hệ thống trợ lý ảo. Những ứng dụng này không chỉ giúp cải thiện trải nghiệm người dùng mà còn mở ra nhiều cơ hội mới trong lĩnh vực công nghệ ngôn ngữ tự nhiên.

4.1. Ứng dụng trong dịch máy

Việc tích hợp ngữ nghĩa vào văn phạm TAG giúp cải thiện độ chính xác của các hệ thống dịch máy. Các hệ thống này có thể hiểu rõ hơn về ngữ cảnh và ý nghĩa của các câu, từ đó cung cấp bản dịch chính xác hơn.

4.2. Tìm kiếm thông tin hiệu quả hơn

Các hệ thống tìm kiếm thông tin có thể sử dụng các mô hình ngữ nghĩa để cải thiện khả năng tìm kiếm. Điều này giúp người dùng tìm thấy thông tin chính xác và phù hợp hơn với nhu cầu của họ.

V. Kết luận và hướng phát triển tương lai cho nghiên cứu tích hợp ngữ nghĩa vào văn phạm TAG

Nghiên cứu tích hợp ngữ nghĩa vào văn phạm TAG cho tiếng Việt đã đạt được nhiều thành tựu quan trọng. Tuy nhiên, vẫn còn nhiều thách thức cần phải vượt qua. Hướng phát triển tương lai có thể bao gồm việc cải thiện các quy tắc ngữ nghĩa, mở rộng ứng dụng trong các lĩnh vực khác nhau và phát triển các công cụ hỗ trợ tốt hơn cho việc tích hợp ngữ nghĩa.

5.1. Cải thiện quy tắc ngữ nghĩa

Cần tiếp tục nghiên cứu và cải thiện các quy tắc ngữ nghĩa để đảm bảo tính chính xác và linh hoạt trong việc xử lý ngữ nghĩa tiếng Việt.

5.2. Mở rộng ứng dụng trong các lĩnh vực khác

Nghiên cứu có thể mở rộng sang các lĩnh vực khác như giáo dục, y tế và thương mại điện tử, nơi mà việc hiểu ngữ nghĩa là rất quan trọng.

Nội dung chính

Tổng quan nghiên cứu

Xử lý ngôn ngữ tự nhiên (Natural Language Processing - NLP) là một trong những lĩnh vực mũi nhọn của khoa học máy tính, bao gồm 4 bước xử lý tuần tự: phân tích hình thái, phân tích cú pháp, phân tích ngữ nghĩa và phân tích ngữ dụng. Trước năm 2014, hơn 80% các công trình nghiên cứu NLP cho tiếng Việt tập trung chủ yếu vào cấp độ từ vựng và cú pháp, trong khi phân tích ngữ nghĩa – bước cốt lõi giúp máy tính hiểu được nội dung tư duy – vẫn là một khoảng trống lớn chưa được giải quyết triệt để.

Vấn đề nghiên cứu trọng tâm của luận văn là giải quyết sự phân tách giữa cú pháp và ngữ nghĩa bằng cách tích hợp thành phần ngữ nghĩa hình thức vào Văn phạm Kết nối Cây (Tree Adjoining Grammar - TAG) cho tiếng Việt. Mục tiêu cụ thể bao gồm: hệ thống hóa cơ sở toán học và ngôn ngữ học về TAG; xây dựng giao diện cú pháp - ngữ nghĩa dựa trên logic vị từ cấp một và phép tính Lambda; triển khai thử nghiệm siêu văn phạm mở rộng (XMG) và công cụ phân tích TULIPA trên ngữ liệu tiếng Việt.

Phạm vi nghiên cứu được thực hiện tại Trường Đại học Khoa học Tự nhiên – Đại học Quốc gia Hà Nội vào năm 2014, tập trung vào các cấu trúc câu tiếng Việt tiêu biểu như danh ngữ, câu có động từ và tính từ làm trung tâm. Nghiên cứu mang ý nghĩa học thuật và ứng dụng sâu sắc khi thiết lập mô hình tính toán chuẩn hóa cho 14 cấu trúc danh từ ngữ và 10 tiểu loại động từ, giúp tỷ lệ ánh xạ chính xác giữa thành phần cú pháp và vai nghĩa đạt mức tối ưu, đặt nền móng cho các hệ thống dịch tự động và hỏi đáp thông minh.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên 3 trụ cột lý thuyết hình thức hiện đại:

1. Văn phạm kết nối cây (TAG) do Joshi, Levy và Takahashi đề xuất năm 1975, mở rộng bởi Joshi năm 1985. TAG được định nghĩa hình thức qua bộ 5 thành phần $(\Sigma, N, I, A, S)$, thao tác trên 2 loại cây cơ bản gồm cây khởi tạo (Initial trees - $I$) và cây phụ trợ (Auxiliary trees - $A$) thông qua 2 phép toán chính là phép thế (substitution) và phép nối (adjoining). Biến thể văn phạm TAG dựa trên đặc trưng (FTAG) kết hợp cấu trúc đỉnh (top) và đáy (bottom) để kiểm soát hợp nhất đặc trưng cú pháp.
2. Ngữ nghĩa hình thức Montague (1974) và Phép tính Lambda ($\lambda$-calculus): Biểu diễn ngữ nghĩa câu bằng logic vị từ cấp một thông qua mô hình hình thức $M = (D, F)$, trong đó $D$ là trường minh họa các thực thể và $F$ là hàm minh họa. Phép tính Lambda đóng vai trò cơ chế kết nối các thành phần vị từ và tham thể logic.
3. Lý thuyết vị từ - tham thể của L. Tesnière: Phân loại cấu trúc hạt nhân vị từ theo hóa trị (đơn trị, song trị, tam trị), xác định vai trò ngữ nghĩa của các diễn tố trong câu tiếng Việt.

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp mô hình hóa toán học kết hợp kỹ nghệ văn phạm tính toán trên máy tính.

• Nguồn dữ liệu và cỡ mẫu: Bộ ngữ liệu thực nghiệm gồm 120 mẫu câu tiếng Việt chuẩn hóa, bao phủ 14 dạng mẫu danh ngữ, 10 tiểu loại động từ (ngoại động, nội động, cảm nghĩ, tồn tại, biến hóa...) và 4 nhóm tính từ (tính chất, quan hệ, thang độ, không thang độ).
• Phương pháp chọn mẫu: Áp dụng phương pháp chọn mẫu có chủ đích (purposive sampling) nhằm thu thập đầy đủ các hiện tượng ngữ pháp phức tạp, bao gồm các cấu trúc đảo vị trí, tỉnh lược thành phần và mở rộng phụ tố trước - sau.
• Lý do lựa chọn phương pháp phân tích: Văn phạm TAG được chọn vì sở hữu năng lực sinh mạnh hơn văn phạm phi ngữ cảnh (CFG) nhưng vẫn duy trì độ phức tạp tính toán đa thức bậc 6 là $O(n^6)$, phù hợp mô tả các phụ thuộc ngữ pháp tầm xa trong tiếng Việt. Môi trường siêu văn phạm XMG (eXtensible MetaGrammar) được lựa chọn nhờ khả năng trừu tượng hóa trên 3 chiều: cú pháp (<syn>), ngữ nghĩa phẳng (<sem>), và giao diện động (<dyn>).
• Thời gian nghiên cứu: Toàn bộ quá trình khảo sát, mô hình hóa và thực nghiệm diễn ra từ tháng 12 năm 2013 đến tháng 12 năm 2014.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Hình thức hóa thành công hệ thống ngữ pháp tiếng Việt vào TAG: Luận văn đã phân tích và ánh xạ chi tiết 14 cấu trúc danh ngữ có dạng tổng quát $C_1 C_2 C_3 N_1 N_2 C_4 C_5$ (phụ tố tổng thể, số lượng, chỉ định, loại từ, danh từ chính) và 10 tiểu loại động từ tiếng Việt thành các họ cây cơ bản và cây phụ trợ trong TAG.
2. Xây dựng giao diện cú pháp - ngữ nghĩa đa chiều qua XMG: Hệ thống đã định nghĩa và chuẩn hóa 12 chức năng ngữ pháp (Subject, Object, CAgent,...) kết hợp 56 quan hệ vị từ nhị phân. Các tham số ngữ nghĩa được gắn nhãn thống nhất qua cơ chế giao diện, giúp giảm thiểu hơn 75% sự trùng lặp mã luật khi sinh cây ngữ pháp.
3. Hiện thực hóa 2 phương pháp xây dựng ngữ nghĩa: Luận văn phân tích và kiểm thử hai quy trình tính toán ngữ nghĩa gồm: (i) hợp nhất trực tiếp biểu thức logic trên cây dẫn xuất trong quá trình phân tích cú pháp; (ii) trích xuất từ vựng ngữ nghĩa và tái cấu trúc công thức logic sau phân tích cú pháp trên rừng dẫn xuất (derivation forest).
4. Kết quả thực nghiệm trên công cụ TULIPA: Thử nghiệm thành công trên các câu phức tạp như "An thích Bình", "Một cơn gió bất ngờ ào đến", tự động trích xuất chính xác 100% công thức logic vị từ bậc nhất tương ứng mà không xảy ra xung đột biến.

Thảo luận kết quả

Kết quả nghiên cứu chứng minh rằng việc biểu diễn ngữ nghĩa tiếng Việt bằng logic vị từ cấp một thuần túy sẽ gặp bế tắc khi xử lý lượng từ và biến số. Khi kết hợp với tính toán Lambda và cấu trúc đặc trưng của TAG, các biến thực thể được gán chính xác vào vị trí đối số của vị từ. Dữ liệu phân tích cú pháp và ngữ nghĩa có thể được trình bày trực quan thông qua bảng so sánh cấu trúc thành phần và sơ đồ cây dẫn xuất hình thức. Bảng phân loại dưới đây thể hiện rõ cách ánh xạ từ cấu trúc bề mặt sang vai nghĩa logic:

Thành phần cú pháp	Chức năng ngữ pháp	Vai nghĩa logic	Ánh xạ vị từ tương ứng
Chủ ngữ (Subject)	subjectI = X	Đối số 1 (arg1)	Tác thể (Agent) trong câu chủ động
Tân ngữ (Object)	objectI = Y	Đối số 2 (arg2)	Bị thể (Patient) trong câu chủ động
Bổ ngữ tác nhân	cagentI = X	Đối số 1 (arg1)	Tác thể (Agent) trong câu bị động
Vị từ trung tâm	vbI = E	Biến sự kiện (evt)	Vị từ chính của mệnh đề

So với các nghiên cứu văn phạm ngữ pháp tiếng Pháp của Crabbé (với 3.500 cây bao phủ 35 khung phân loại vị từ), mô hình áp dụng cho tiếng Việt trong luận văn đã kế thừa xuất sắc cơ chế thừa kế và phép tuyển của XMG, chứng minh tính khả thi cao của việc phát triển một bộ ngữ pháp TAG ngữ nghĩa quy mô lớn cho ngôn ngữ đơn lập như tiếng Việt.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu, 4 giải pháp thực tiễn được đề xuất nhằm tiếp tục hoàn thiện xử lý ngữ nghĩa tiếng Việt:

1. Mở rộng quy mô văn phạm TAG: Các nhóm nghiên cứu tại các trường đại học cần tăng cường số lượng khung phân loại vị từ từ 35 khung hiện tại lên hơn 100 khung, nâng độ bao phủ ngữ liệu lên trên 85% các cấu trúc câu thông dụng trong 12 tháng tới.
2. Tích hợp engine TULIPA vào ứng dụng công nghiệp: Các doanh nghiệp phát triển công nghệ NLP cần tích hợp bộ máy phân tích cú pháp - ngữ nghĩa TULIPA vào các hệ thống hỏi đáp tự động và chatbot thông minh, hướng tới mục tiêu nâng cao độ chính xác hiểu ngữ nghĩa lên trên 90% trong vòng 18 tháng.
3. Chuẩn hóa từ điển ngữ nghĩa tiếng Việt: Viện Ngôn ngữ học phối hợp cùng các chuyên gia CNTT xây dựng kho từ vựng điện tử gán nhãn vai nghĩa (tương tự FrameNet/PropBank) chuẩn hóa cho hơn 20.000 từ vựng tiếng Việt trong thời hạn 24 tháng.
4. Tối ưu hóa thuật toán phân tích rừng dẫn xuất: Các nhà khoa học máy tính cần nghiên cứu thuật toán song song hóa trên GPU nhằm giảm thời gian phân tích câu phức từ mức hàng trăm mili-giây xuống dưới 50 mili-giây trong vòng 6 tháng.

Đối tượng nên tham khảo luận văn

Tài liệu này là nguồn tham khảo học thuật giá trị cho 4 nhóm đối tượng sau:

1. Học viên cao học và nghiên cứu sinh ngành Toán - Tin, Khoa học Máy tính: Cung cấp phương pháp luận chặt chẽ về hình thức hóa ngôn ngữ tự nhiên, đại số cây và logic vị từ cấp một phục vụ các đề tài nghiên cứu chuyên sâu.
2. Kỹ sư phát triển phần mềm xử lý ngôn ngữ tự nhiên (NLP Engineers): Cung cấp thiết kế kiến trúc giao diện cú pháp - ngữ nghĩa và cách ứng dụng bộ công cụ XMG và TULIPA vào xây dựng module hiểu ngôn ngữ tự nhiên (NLU).
3. Nhà ngôn ngữ học và ngôn ngữ học tính toán: Cung cấp góc nhìn hình thức toán học đối với 14 mô hình danh ngữ và 10 tiểu loại động từ tiếng Việt, hỗ trợ việc phân loại ngữ pháp cấu trúc.
4. Giảng viên các trường đại học khối công nghệ thông tin: Sử dụng làm tài liệu giảng dạy, bài giảng tham khảo chuyên đề cho các môn học Xử lý ngôn ngữ tự nhiên, Ngữ nghĩa học hình thức và Lý thuyết văn phạm tính toán.

Câu hỏi thường gặp

1. Văn phạm kết nối cây TAG có ưu điểm gì vượt trội so với văn phạm phi ngữ cảnh CFG? Văn phạm TAG thao tác trực tiếp trên các cấu trúc cây (cây khởi tạo và cây phụ trợ) thay vì thao tác trên xâu ký tự như CFG. TAG có khả năng định vị cục bộ các phụ thuộc cú pháp tầm xa thông qua phép nối cây, giải quyết triệt để các cấu trúc lồng ghép phức tạp với độ phức tạp tính toán đa thức bậc 6 là $O(n^6)$.

2. Tại sao cần kết hợp tính toán Lambda vào phân tích ngữ nghĩa câu tiếng Việt? Phân tích cú pháp và logic vị từ đơn thuần không thể tự động gán đúng biến đối số khi câu xuất hiện lượng từ phức tạp (như "tất cả", "một"). Tính toán Lambda cung cấp công cụ toán học chuẩn xác để ghép nối các thành phần nghĩa cục bộ thành công thức logic toàn cục thông qua phép áp dụng hàm và phép thu gọn beta.

3. Siêu văn phạm XMG đóng vai trò gì trong việc xây dựng văn phạm TAG? XMG cho phép mô tả tri thức ngôn ngữ trên 3 chiều độc lập (cú pháp, ngữ nghĩa phẳng và giao diện động). Nhờ các phép toán thừa kế và chia sẻ thông tin, XMG giúp sinh tự động hàng trăm cây cú pháp từ một lớp trừu tượng duy nhất, tránh việc phải định nghĩa thủ công từng cây riêng biệt.

4. Hai phương pháp xây dựng ngữ nghĩa trong luận văn khác nhau như thế nào? Phương pháp thứ nhất thực hiện hợp nhất ngữ nghĩa đồng thời trong quá trình phân tích cú pháp trên cây dẫn xuất. Phương pháp thứ hai tách biệt việc phân tích cú pháp và thực hiện tính toán ngữ nghĩa sau đó trên rừng dẫn xuất bằng cách trích xuất từ vựng ngữ nghĩa, giúp giảm kích thước bộ nhớ và tăng tốc độ xử lý.

5. Luận văn đã thực nghiệm thành công trên các câu tiếng Việt cụ thể nào? Hệ thống đã phân tích thực nghiệm chính xác trên các câu như "An thích Bình" (trích xuất công thức logic vị từ THÍCH(AN, BÌNH)) và câu có phụ từ phức "Một cơn gió bất ngờ ào đến", chứng minh tính đúng đắn của toàn bộ quy trình tích hợp cú pháp - ngữ nghĩa.

Kết luận

• Luận văn đã hệ thống hóa và làm chủ lý thuyết hình thức tiên tiến về Văn phạm Kết nối Cây (TAG), logic vị từ cấp một và tính toán Lambda cho phân tích ngữ nghĩa tiếng Việt.
• Mô hình hóa thành công 14 biến thể cấu trúc danh từ ngữ và 10 tiểu loại động từ tiếng Việt vào các họ cây hình thức của TAG.
• Ứng dụng xuất sắc siêu văn phạm mở rộng XMG để thiết lập giao diện cú pháp - ngữ nghĩa đa chiều, chuẩn hóa 12 chức năng ngữ pháp và 56 quan hệ ngữ nghĩa.
• Thử nghiệm thành công việc sinh văn phạm và tự động trích xuất công thức ngữ nghĩa trên bộ công cụ TULIPA cho các mẫu câu tiếng Việt.
• Đặt nền móng vững chắc cho lộ trình mở rộng kho ngữ liệu và phát triển các hệ thống hiểu ngôn ngữ tự nhiên tiếng Việt chuyên sâu trong giai đoạn 12 đến 24 tháng tới.

Các nhà nghiên cứu và kỹ sư công nghệ có thể ứng dụng ngay khung kiến trúc này để phát triển các hệ thống xử lý ngôn ngữ tự nhiên có khả năng hiểu sâu văn bản.

Trích đoạn nội dung tài liệu

MỞ ĐẦU Để máy tính hiểu và xử lý được ngôn ngữ của con người là một bài toán khó trong ngành khoa học máy tính. Lĩnh vực xử lý ngôn ngữ tự nhiên (natural language processing – NLP) ra đời nhằm giải quyết vấn đề này. Các bài toán và ứng dụng nổi bật của lĩnh vực xử lý ngôn ngữ tự nhiên như: Nhận dạng chữ viết, nhận dạng giọng nói, dịch tự động, tìm kiếm thông tin, … đã thu được nhiều thành tựu nhất định. Các bước để xử lý ngôn ngữ tự nhiên gồm: phân tích hình thái, phân tích cú pháp, phân tích ngữ nghĩa, phân tích ngữ dụng.

Trong đó phân tích ngữ nghĩa là một trong những bước xử lý khó khăn nhất bởi nó liên quan đến việc hiểu ý nghĩa của ngôn ngữ - công cụ hoàn hảo của tư duy và giao tiếp. Bài toán biểu diễn ngữ nghĩa của ngôn ngữ tự nhiên đã được các nhà khoa học trên thế giới nghiên cứu từ nhiều thập kỷ trước, đầu tiên phải kể đến đó là công trình của Montague (1974) về ngữ nghĩa hình thức, trong đó các quy tắc ngữ pháp được kết hợp đồng thời với các quy tắc ngữ nghĩa để xây dựng không chỉ cây cú pháp mà cả hạng thức lambda biểu diễn nghĩa của thành phần cú pháp. Cho đến nay các nhà khoa học đã có nhiều bước tiến quan trọng trong việc xây dựng các mô hình để biểu diễn và tính toán ngữ nghĩa của các phần văn bản, đi từ cấp độ từ vựng tới cấp độ ngữ, cấp độ câu và rộng hơn là cấp văn bản. Các công trình nghiên cứu về xử lý ngôn ngữ tự nhiên cho tiếng Việt trong những năm gần đây đã đạt được nhiều thành quả nhất định.

Tuy nhiên phần lớn mới chỉ tập trung vào các bài toán phân tích từ vựng, phân tích cú pháp. Với các kết quả đã đạt được về xử lí từ vựng và cú pháp, đây là lúc cần đầu tư cho các nghiên cứu về xử lí ngữ nghĩa tiếng Việt. Luận văntập trung nghiên cứu về tích hợp thành phần ngữ nghĩa vào văn phạm TAG cho tiếng Việt. Cấu trúc luận văn được trình bày như sau:  Chƣơng 1: Kiến thức cơ sở: Trong chương này, luận văn giới thiệu các kiến thức cơ sở phục vụ cho công việc tích hợp thành phần ngữ nghĩa như văn phạm TAG, phân tích cú pháp tiếng việt, biểu diễn ngữ nghĩa bằng logicvị từ cấp một.

4 LUAN VAN CHAT LUONG download : add [e-mail]  Chƣơng 2: Tích hợp ngữ nghĩa vào văn phạm TAG: Chương này nghiên cứu phương pháp xây dựng ngữ nghĩa vào trong văn phạm TAG.  Chƣơng 3: Xây dựng văn phạm TAG có thành phần ngữ nghĩa cho tiếng Việt: Chương này nghiên cứu sử dụng công cụ TULIPA để tích hợp thành phần ngữ nghĩa vào văn phạm TAG, xây dựng văn phạm TAG có thành phần ngữ nghĩa cho tiếng Việt và đưa ra các kết quả thực nghiệm đối với một số câu tiếng Việt cụ thể.  Kết luận: Phần này tóm tắt lại nội dung của luận văn và đưa ra hướng phát triển của luận văn. 5 LUAN VAN CHAT LUONG download : add [e-mail] Chƣơng 1- KIẾN THỨC CƠ SỞ Chương này diễn giải về các kiến thức cần thiết cho việc xử lý ngữ nghĩa.

Các kiến thức cơ sở bao gồm: văn phạm kết nối cây TAG, phân tích cú pháp tiếng Việt và thảo luận về phương pháp biểu diễn ngữ nghĩa bằng logicvị từ cấp một.1 Văn phạm kết nối cây TAG 1.1 Giới thiệu về TAG Văn phạm kết nối cây (Tree Adjoining Grammar-TAG[4]) được đưa ra bởi Joshi, Levy và Takahashi (1975), Joshi (1985). TAG thao tác với các đối tượng cơ bản là các đối tượng có cấu trúc (cây) chứ không phải là các xâu.