Nghiên cứu và Phát triển Hệ thống Nhận dạng Tiếng Nói Tiếng Việt

Chuyên khảo Và phát triển hệ thống nhận dạng tiếng nói tiếng việt phân tích chuyên sâu các khía cạnh quan trọng trong lĩnh vực hiện nay

• Tác giả: Văn Thế Quốc
• Người hướng dẫn: ThS. Trần Khải Thiên
• Trường học: Trường Đại Học Ngoại Ngữ - Tin Học TP.HCM
• Chuyên ngành: Công Nghệ Thông Tin
• Đề tài: Nghiên Cứu Và Phát Triển Hệ Thống Nhận Dạng Tiếng Nói Tiếng Việt
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2014
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI MỞ ĐẦU
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Giới thiệu tổng quan
• 1.2. Mục tiêu đề tài
• 1.3. Ý nghĩa của đề tài
• 1.4. Nội dung thực hiện
• 1.5. Phạm vi tìm hiểu
• 1.6. Các kết quả đạt được của đề tài
• 2. CHƯƠNG 2: KIẾN TRÚC HỆ THỐNG
• 3. CHƯƠNG 3: NHẬN DẠNG TIẾNG NÓI TIẾNG VIỆT
• 3.1. Cơ sở lý thuyết
• 3.2. Các công đoạn xây dựng bộ nhận dạng tiếng nói
• 3.3. Chuẩn bị tập dữ liệu huấn luyện
• 3.4. Xây dựng từ điển
• 3.5. Xây dựng văn phạm
• 4. CHƯƠNG 4: XỬ LÝ NGÔN NGỮ TỰ NHIÊN
• 4.1. Cấu trúc cú pháp truy vấn
• 4.2. Phân tích nghĩa người dùng
• 4.3. Chuyển thành câu lệnh SQL để tương tác với cơ sở dữ liệu
• 5. CHƯƠNG 5: THỬ NGHIỆM VÀ ĐÁNH GIÁ
• 5.1. Thành phần Nhận dạng tiếng nói
• 5.2. Thành phần Xử lý ngôn ngữ tự nhiên
• 5.3. Toàn bộ hệ thống
• 5.4. So sánh với những cách tiếp cận khác
• 6. CHƯƠNG 6: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• 6.1. Kết quả đạt được
• 6.2. Những hạn chế
• 6.3. Hướng phát triển
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC 1
• PHỤ LỤC 2
• PHỤ LỤC 3
• PHỤ LỤC 4
• PHỤ LỤC 5
• PHỤ LỤC 6
• PHỤ LỤC 7

Tóm tắt

I. Tổng Quan Nghiên Cứu Hệ Thống Nhận Dạng Tiếng Việt

Nhận dạng tiếng nói đóng vai trò quan trọng trong giao tiếp người - máy. Nó giúp máy tính hiểu và thực hiện hiệu lệnh của con người nhanh hơn. Đề tài nghiên cứu “Thử nghiệm việc nhận dạng tiếng nói tiếng Việt” nhằm nhận dạng các hiệu lệnh bằng tiếng Việt và chuyển thành văn bản để máy tính hiểu và thực thi. Cụ thể hóa, đề tài xây dựng ứng dụng quản lý chi tiêu cá nhân và hệ thống tra cứu thông tin tuyển sinh Đại học HUFLIT. PGS. Vũ Hải Quân dẫn đầu nhóm nghiên cứu tại Đại học Khoa học Tự nhiên TP.HCM, tập trung vào bài toán truy vấn thông tin cho bản tin thời sự tiếng Việt. Nhóm đã thực hiện đề tài cấp quốc gia về khai thác thông tin đa phương tiện hướng ngữ nghĩa và được tài trợ để nghiên cứu về hệ thống tổng hợp tiếng nói tiếng Việt.

1.1. Lịch Sử Phát Triển Công Nghệ Nhận Dạng Tiếng Nói

Ý tưởng xây dựng các hệ thống nhận dạng tiếng nói đã có từ những năm 1950 và đạt được nhiều kết quả đáng kể. Tại Việt Nam, nhóm nghiên cứu của PGS. Vũ Hải Quân đã liên tục trong 10 năm qua xây dựng thành công nhiều hệ thống như: Hệ thống nhận dạng tiếng nói tiếng Việt liên tục, bộ từ vựng không hạn chế; Hệ thống tổng hợp tiếng nói tiếng Việt dựa trên ghép nối. Các hệ thống này có kết quả nhận dạng khá cao, đạt gần 95%; tiếng nói tổng hợp cũng khá tự nhiên. Đặc biệt, nhóm nghiên cứu đã xây dựng thành công một hệ thống voice server hoàn chỉnh với kết quả nhận dạng đến 93.17%, tạo nền tảng cho việc phát triển các ứng dụng tiếng nói như hệ thống hỏi đáp tự động, hệ thu thoại. [2]

1.2. Các Hướng Tiếp Cận Chính Trong Nhận Dạng Tiếng Nói

Có 3 hướng tiếp cận chính cho nhận dạng tiếng nói [1]: (1) Tiếp cận Âm học: dựa vào đặc điểm âm học rút ra từ phổ âm thanh, nhưng kết quả còn thấp vì biến động lớn và đòi hỏi tri thức âm học đầy đủ. (2) Tiếp cận Nhận dạng Mẫu thống kê: sử dụng phương pháp máy học dựa trên thống kê để học và rút ra mẫu tham khảo từ lượng dữ liệu lớn, thường dùng Mô hình Markov ẩn (HMM). (3) Tiếp cận Trí tuệ nhân tạo: kết hợp cả hai hướng trên, là hướng tiếp cận tương lai của nhận dạng tiếng nói. Đề tài tập trung xây dựng bộ nhận dạng tiếng nói tiếng Việt theo hướng tiếp cận Nhận dạng mẫu thống kê.

II. Mục Tiêu Ý Nghĩa Nghiên Cứu Nhận Dạng Tiếng Việt

Mục tiêu của đề tài là tìm hiểu về Nhận dạng tiếng nói, các bước huấn luyện, xây dựng bộ nhận dạng tiếng nói theo mô hình Hidden Markov. Đồng thời, tìm hiểu về Xử lý ngôn ngữ tự nhiên để phục vụ cho giai đoạn hậu xử lý sau khi đã nhận dạng tiếng nói. Đề tài tích hợp các thành phần Nhận dạng tiếng nói, Xử lý ngôn ngữ tự nhiên và Tổng hợp tiếng nói vào thành một ứng dụng, hệ thống giao tiếp tiếng nói hoàn chỉnh. Cụ thể hóa qua ứng dụng "Quản lý chi tiêu cá nhân" và hệ thống "Tra cứu thông tin tuyển sinh Đại học HUFLIT".

2.1. Ứng Dụng Quản Lý Chi Tiêu Cá Nhân Bằng Giọng Nói

Ứng dụng "Quản lý chi tiêu cá nhân" đáp ứng các mục tiêu: Nhận dạng được tiếng nói của nhiều người dùng với độ chính xác cao. Có cơ chế xử lý ngôn ngữ tự nhiên (phân tích cú pháp và ngữ nghĩa câu lệnh) hiệu quả. Thực thi các lệnh truy xuất cơ sở dữ liệu từ người dùng. Xuất kết quả thành âm thanh.

2.2. Hệ Thống Tra Cứu Tuyển Sinh Bằng Giọng Nói Tại HUFLIT

Hệ thống "Tra cứu thông tin tuyển sinh Đại học HUFLIT" đáp ứng các mục tiêu: Người dùng giao tiếp với hệ thống bằng tiếng nói thông qua điện thoại. Hệ thống có khả năng nhận dạng tiếng nói, xử lý ngôn ngữ và phản hồi cho người dùng.

2.3. Tính Mới Và Ý Nghĩa Khoa Học Của Nghiên Cứu

Theo hiểu biết của tác giả, đây là hệ thống đầu tiên tại Việt Nam được trang bị một cơ chế xử lý ngôn ngữ tự nhiên hiệu quả vào ứng dụng tiếng nói, giúp hệ thống thông minh và linh hoạt hơn. Về mặt khoa học, đề tài mở ra hướng phát triển mới trong việc nghiên cứu, xây dựng các hệ thống hỏi đáp có thể hiểu và giao tiếp bằng tiếng Việt với người dùng bằng việc tích hợp xử lý ngôn ngữ tự nhiên trong các ứng dụng tiếng nói.

III. Phương Pháp Xây Dựng Hệ Thống Nhận Dạng Tiếng Việt

Nghiên cứu sử dụng công nghệ và công cụ mã nguồn mở HTK để nhận dạng tiếng nói. Nghiên cứu các vấn đề về phân tích cú pháp và mô hình biểu diễn ngữ nghĩa cho các câu truy vấn tiếng Việt. Tiếp cận phương pháp phân tích cú pháp và ngữ nghĩa câu lệnh tiếng Việt với DCG (Definite Clause Grammar) [5]. Nghiên cứu xây dựng mô hình và tích hợp hệ thống.

3.1. Chuẩn Bị Dữ Liệu Ngữ Âm Cho Ứng Dụng

Đối với ứng dụng "Quản lý chi tiêu cá nhân": Dữ liệu huấn luyện được thu âm từ 9 người với 9000 mẫu câu và 50 giọng đọc khác nhau (nam). Dữ liệu này được lấy mẫu ở mức 16000Hz, 16bit theo định dạng PCM trong điều kiện môi trường có tiếng ồn. Việc thu âm 50 giọng đọc khác nhau tốn nhiều thời gian và công sức, được thực hiện chung với nhóm bạn Nguyễn Vũ Kiều Anh và Nguyễn Phạm Bảo Nguyên. Nhóm chia đều việc thu âm và chuẩn hóa file wav.

3.2. Chuẩn Bị Dữ Liệu Ngữ Âm Cho Hệ Thống Tra Cứu HUFLIT

Đối với hệ thống "Tra cứu thông tin tuyển sinh DH HUFLIT": Dữ liệu huấn luyện được thu âm trong 262 phút với 2550 mẫu câu và 50 giọng đọc khác nhau (nam). Dữ liệu này được lấy mẫu ở mức 8000Hz, 16bit theo định dạng PCM trong điều kiện môi trường ít tiếng ồn.

3.3. Xây Dựng Từ Điển Phát Âm Tiếng Việt Cho Hệ Thống

Từ bộ từ vựng, từ điển phát âm được xây dựng theo kiểu gõ Telex. Ví dụ: A SO AS 0 sp, MUWOWI MUWOWIsp, ... (cho ứng dụng Quản lý chi tiêu cá nhân) và A Asp, CHISNH CHIS NHsp, ... (cho hệ thống Tra cứu HUFLIT).

IV. Xây Dựng Ngữ Pháp Cho Nhận Dạng Tiếng Nói Tiếng Việt

Mô hình ngôn ngữ cung cấp thông tin về cú pháp, ngữ nghĩa, trật tự từ của câu. Thành phần này giúp hệ thống lựa chọn kết quả nhận dạng tốt nhất trong danh sách các ứng viên chọn lọc được. Việc xây dựng mô hình ngôn ngữ bao gồm việc xác định văn phạm cho ngôn ngữ đó. Tính phức tạp của văn phạm phụ thuộc vào mức độ phức tạp của hệ thống cần nhận dạng. Cấu trúc văn phạm là một đồ thị có hướng tổng quát. Nó chứa các cấu trúc câu có thể có trong ngữ cảnh của ứng dụng.

4.1. Vai Trò Của Mô Hình Ngôn Ngữ Trong ASR Tiếng Việt

Mô hình ngôn ngữ giúp loại bỏ các kết quả nhận dạng sai bằng cách đánh giá khả năng xuất hiện của một chuỗi từ trong ngữ cảnh cụ thể. Ví dụ, trong câu "Tôi muốn mua một quyển sách", mô hình ngôn ngữ sẽ đánh giá cao khả năng xuất hiện của cụm từ "quyển sách" hơn là "quyển táo", do từ "sách" thường đi kèm với từ "quyển" hơn là từ "táo".

4.2. Các Phương Pháp Xây Dựng Văn Phạm Cho Nhận Dạng Tiếng Việt

Có nhiều phương pháp xây dựng văn phạm, từ đơn giản như sử dụng danh sách các câu lệnh có thể có, đến phức tạp như sử dụng các mô hình ngôn ngữ thống kê. Trong đề tài này, văn phạm được xây dựng dựa trên các quy tắc cú pháp đơn giản, phù hợp với phạm vi ứng dụng hạn chế. Tuy nhiên, các quy tắc này vẫn đủ để hệ thống hiểu được các câu lệnh cơ bản của người dùng.

V. Kết Quả Thử Nghiệm Đánh Giá Hệ Thống Nhận Dạng Tiếng Việt

Hệ thống được thử nghiệm trên cả hai ứng dụng: "Quản lý chi tiêu cá nhân" và "Tra cứu thông tin tuyển sinh Đại học HUFLIT". Kết quả cho thấy hệ thống hoạt động ổn định và đáp ứng được các yêu cầu đặt ra. Tuy nhiên, độ chính xác của hệ thống vẫn còn hạn chế, đặc biệt trong môi trường có nhiều tiếng ồn.

5.1. Đánh Giá Thành Phần Nhận Dạng Tiếng Nói

Thành phần nhận dạng tiếng nói đạt độ chính xác trên 85%. Tuy nhiên, độ chính xác này có thể giảm xuống khi sử dụng trong môi trường có nhiều tiếng ồn hoặc khi người dùng phát âm không rõ ràng. Cần có các giải pháp để cải thiện độ chính xác của thành phần này, chẳng hạn như sử dụng các thuật toán lọc tiếng ồn hoặc tăng cường dữ liệu huấn luyện.

5.2. Đánh Giá Thành Phần Xử Lý Ngôn Ngữ Tự Nhiên

Thành phần xử lý ngôn ngữ tự nhiên có khả năng phân tích cú pháp và ngữ nghĩa của câu lệnh tiếng Việt khá hiệu quả. Tuy nhiên, thành phần này vẫn còn hạn chế trong việc xử lý các câu lệnh phức tạp hoặc các câu lệnh có nhiều nghĩa. Cần có các giải pháp để cải thiện khả năng của thành phần này, chẳng hạn như sử dụng các mô hình ngôn ngữ phức tạp hơn hoặc tích hợp các kiến thức ngữ nghĩa.

VI. Kết Luận Hướng Phát Triển Hệ Thống Nhận Dạng Tiếng Việt

Đề tài đã xây dựng được một ứng dụng và một hệ thống có hệ nhận dạng và tổng hợp tiếng nói tiếng Việt hoàn chỉnh; xây dựng engine xử lý ngôn ngữ tự nhiên, tích hợp thành công vào ứng dụng; 01 bài báo được đăng trên tạp chí Quốc tế chuyên ngành [11]; 02 bài báo được trình bày tham dự Hội nghị quốc gia lần thứ VII "Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin" - FAIR 2014; 01 bài báo cáo Nghiên cứu khoa học sinh viên dự Giải "Tài năng khoa học trẻ Việt Nam" cấp Bộ.

6.1. Các Kết Quả Đạt Được Trong Quá Trình Nghiên Cứu

Đề tài đã đạt được nhiều kết quả đáng khích lệ, bao gồm việc xây dựng thành công các thành phần quan trọng của hệ thống nhận dạng tiếng nói tiếng Việt và tích hợp chúng vào các ứng dụng thực tế. Các kết quả này là tiền đề quan trọng cho việc phát triển các ứng dụng giao tiếp người-máy bằng tiếng Việt trong tương lai.

6.2. Các Hạn Chế Của Hệ Thống Và Hướng Khắc Phục

Hệ thống vẫn còn một số hạn chế, chẳng hạn như độ chính xác chưa cao, khả năng xử lý các câu lệnh phức tạp còn hạn chế và khả năng hoạt động trong môi trường có nhiều tiếng ồn chưa tốt. Cần có các nghiên cứu tiếp theo để khắc phục các hạn chế này và nâng cao hiệu quả của hệ thống.

6.3. Hướng Phát Triển Tiềm Năng Trong Tương Lai

Hướng phát triển trong tương lai bao gồm: Cải thiện độ chính xác của hệ thống, Mở rộng phạm vi ứng dụng của hệ thống, Nghiên cứu các phương pháp xử lý tiếng ồn hiệu quả hơn, Tích hợp hệ thống với các ứng dụng khác.

Nội dung chính

Giới thiệu dự án

Trong kỷ nguyên số hóa và tương tác người - máy (Human-Computer Interaction - HCI), giao tiếp bằng giọng nói tự nhiên đóng vai trò then chốt giúp tối ưu hóa tốc độ xử lý thông tin, loại bỏ rào cản thao tác bàn phím truyền thống. Theo các khảo sát công nghệ tương tác thoại, việc nhập liệu và tra cứu bằng giọng nói giúp nâng cao năng suất thực thi mệnh lệnh gấp 3 lần so với thao tác gõ văn bản cơ học. Tuy nhiên, tại Việt Nam thời điểm năm 2014, hầu hết các hệ thống nhận dạng tiếng nói (Automatic Speech Recognition - ASR) mới dừng lại ở mức chuyển đổi âm thanh thành chuỗi văn bản thuần túy (Voice-to-Text) mà thiếu đi cơ chế hiểu ngữ nghĩa (Natural Language Understanding - NLU), dẫn đến việc máy tính không thể phân tích và tự động thực thi các truy vấn nghiệp vụ phức tạp.

Đề tài khóa luận tốt nghiệp "Thử nghiệm việc nhận dạng tiếng nói tiếng Việt với bộ từ vựng giới hạn" (thực hiện bởi sinh viên Văn Thế Quốc, dưới sự hướng dẫn của ThS. Trần Khai Thiện tại Khoa Công nghệ Thông tin - Trường Đại học Ngoại ngữ - Tin học TP.HCM - HUFLIT) giải quyết trực diện bài toán tích hợp giữa nhận dạng tiếng nói và xử lý ngôn ngữ tự nhiên (NLP) phục vụ tra cứu dữ liệu tự động.

                    QUY TRÌNH XỬ LÝ TỔNG QUAN HỆ THỐNG
[Giọng nói người dùng] 
       │
       ▼
[Bộ nhận dạng ASR (HTK Engine)] ──► [Chuỗi văn bản (Text / Telex)]
                                           │
                                           ▼
[Cơ sở dữ liệu SQL] ◄── [Câu lệnh SQL] ◄── [Bộ phân tích cú pháp & ngữ nghĩa (DCG / FOL)]
       │
       ▼
[Kết quả truy vấn] ──► [Bộ tổng hợp tiếng nói (TTS)] ──► [Âm thanh phản hồi]

Mục tiêu dự án

1. Nghiên cứu và xây dựng bộ nhận dạng tiếng nói tiếng Việt dựa trên mô hình Markov ẩn (Hidden Markov Model - HMM) sử dụng bộ công cụ mã nguồn mở HTK Toolkit cho tập từ vựng xác định.
2. Thiết kế cơ chế phân tích cú pháp và ngữ nghĩa tính toán cho câu mệnh lệnh và truy vấn tiếng Việt sử dụng văn phạm mệnh đề xác định (Definite Clause Grammar - DCG) kết hợp logic bậc nhất (First-Order Logic - FOL) trên nền tảng SWI-Prolog.
3. Phát triển module ánh xạ ngữ nghĩa tự động sang SQL, thực thi truy vấn trực tiếp trên cơ sở dữ liệu quan hệ.
4. Tích hợp hoàn chỉnh hai ứng dụng thử nghiệm thực tế:
   • Ứng dụng "Quản lý chi tiêu cá nhân" (VNSExpenses): Thực thi các thao tác Thêm, Xóa, Sửa và Thống kê chi tiêu bằng giọng nói.
   • Hệ thống "Tra cứu thông tin tuyển sinh Đại học HUFLIT": Cho phép thí sinh và phụ huynh tương tác hỏi - đáp thông tin tuyển sinh qua kênh thoại điện thoại.

Phạm vi và giới hạn hệ thống

• Tập từ vựng giới hạn (Limited Vocabulary): 79 từ khóa đối với ứng dụng Quản lý chi tiêu và 118 từ khóa đối với hệ thống Tuyển sinh HUFLIT.
• Cấu trúc câu: Hệ thống xử lý các câu đơn chuẩn hóa và câu tỉnh lược ngữ dụng; chưa hỗ trợ câu phức chứa các liên từ đẳng lập phức tạp (và, hoặc, hay).
• Môi trường âm học: Tối ưu trong môi trường phòng cách âm và môi trường thoại chuẩn PCM, tần số lấy mẫu 16 kHz (micro) và 8 kHz (thoại di động).

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi giải pháp được triển khai, các nghiên cứu nhận dạng tiếng nói tiếng Việt trong nước chủ yếu phân tách độc lập giữa khâu nhận dạng âm học và khâu ứng dụng thực tế.

Phương pháp tiếp cận	Ưu điểm	Nhược điểm	Đánh giá độ phù hợp
Tiếp cận Âm học thuần túy (Acoustic Phonetics)	Dựa trên phân tích phổ âm thanh trực tiếp, không cần tập huấn luyện khổng lồ.	Độ chính xác rất thấp do biến động âm sắc lớn; tri thức ngữ âm học tiếng Việt chưa được mô hình hóa đầy đủ.	Không khả thi cho hệ thống tương tác thực tế.
So khớp chuỗi dài nhất (Longest Matching)	Cài đặt đơn giản, tốc độ thực thi nhanh trên chuỗi từ khóa.	Không xử lý được ngữ cảnh, câu tỉnh lược, tỷ lệ lỗi ngữ nghĩa lên đến 45% khi cấu trúc câu thay đổi.	Không đáp ứng được các câu lệnh tự nhiên.
Mô hình thống kê HMM kết hợp DCG/FOL (Đề tài đề xuất)	Cân bằng hoàn hảo giữa nhận dạng mẫu âm học (WAR > 97%) và phân tích ngữ nghĩa chính xác tuyệt đối theo ngữ cảnh.	Phụ thuộc vào tập từ vựng và văn phạm định trước.	Tối ưu nhất cho hệ thống hội thoại chuyên biệt (Domain-Specific Dialog System).

Yêu cầu hệ thống theo mô hình MoSCoW

• Must Have: Nhận dạng âm học chính xác tập từ khóa; bóc tách thực thể (thời gian, số tiền, hành động, tên ngành/khối thi); chuyển đổi cây ngữ nghĩa thành câu truy vấn SQL; phản hồi kết quả bằng giọng nói (Text-to-Speech).
• Should Have: Khả năng bù lỗi nhận dạng ASR thông qua bộ phân tích ngữ pháp DCG; hỗ trợ các dạng câu tỉnh lược thường gặp trong văn nói tiếng Việt.
• Could Have: Mở rộng từ điển âm vị tự động bằng bảng quy chuẩn Telex.
• Won't Have (Giai đoạn này): Xử lý giọng nói liên tục không giới hạn từ vựng (LVCSR); khử nhiễu môi trường đường phố cường độ cao (> 80 dB).

Thiết kế kiến trúc hệ thống

Hệ thống được thiết kế theo mô hình phân tầng mô-đun hóa cao, tích hợp chặt chẽ giữa engine xử lý âm thanh C++ (HTK), engine xử lý logic (SWI-Prolog) và tầng điều khiển trung tâm (C# .NET).

                      SƠ ĐỒ KIẾN TRÚC HỆ THỐNG
┌─────────────────────────────────────────────────────────────────┐
│                     TẦNG THIẾT BỊ ĐẦU VÀO                       │
│     [Microphone Thu Âm 16kHz]    │    [Kênh Thoại Di Động 8kHz] │
└─────────────────────────────────┬───────────────────────────────┘
                                  │ Tín hiệu sóng âm (WAV PCM)
┌─────────────────────────────────▼───────────────────────────────┐
│                   TẦNG NHẬN DẠNG TIẾNG NÓI (ASR)                │
│ ┌────────────────────────┐  ┌─────────────────────────────────┐ │
│ │ Trích đặc trưng MFCC   │  │ Mô hình HMM (hmmset)            │ │
│ └────────────────────────┘  └─────────────────────────────────┘ │
│ ┌────────────────────────┐  ┌─────────────────────────────────┐ │
│ │ Tập tin văn phạm .gram │  │ Từ điển phát âm Telex (.dict)   │ │
│ └────────────────────────┘  └─────────────────────────────────┘ │
│            Engine cốt lõi: Hidden Markov Model Toolkit          │
└─────────────────────────────────┬───────────────────────────────┘
                                  │ Chuỗi văn bản nhãn nhận dạng
┌─────────────────────────────────▼───────────────────────────────┐
│                 TẦNG ĐIỀU KHIỂN TRUNG TÂM (C# .NET)             │
│  - Điều phối luồng dữ liệu (Data Orchestrator)                  │
│  - Chuẩn hóa chuỗi văn bản đầu vào cho Prolog                   │
│  - Tiếp nhận cây ngữ nghĩa và thực thi SQL Command              │
└──────────────────┬──────────────────────────────▲───────────────┘
                   │ Chuỗi chuẩn                  │ Cây ngữ nghĩa
┌──────────────────▼──────────────────────────────┴───────────────┐
│               TẦNG XỬ LÝ NGÔN NGỮ TỰ NHIÊN (NLP/NLU)            │
│ ┌─────────────────────────────────────────────────────────────┐ │
│ │ Phân tích cú pháp DCG (Definite Clause Grammar)             │ │
│ ├─────────────────────────────────────────────────────────────┤ │
│ │ Biểu diễn ngữ nghĩa tính toán FOL (First-Order Logic)       │ │
│ ├─────────────────────────────────────────────────────────────┤ │
│ │ Module phục hồi câu tỉnh lược & Chuẩn hóa mốc thời gian     │ │
│ └─────────────────────────────────────────────────────────────┘ │
│                     Môi trường: SWI-Prolog                      │
└──────────────────┬──────────────────────────────────────────────┘
                   │ Chuỗi truy vấn SQL hoàn chỉnh
┌──────────────────▼──────────────────────────────────────────────┐
│                    TẦNG DỮ LIỆU & TỔNG HỢP ÂM THANH             │
│  ┌─────────────────────────────┐  ┌───────────────────────────┐ │
│  │ Cơ sở dữ liệu SQL Server    │  │ Bộ tổng hợp tiếng nói TTS │ │
│  │ (Chi tiêu / Tuyển sinh)     │  │ (Ghép nối âm tiếng Việt)  │ │
│  └─────────────────────────────┘  └───────────────────────────┘ │
└─────────────────────────────────────────────────────────────────┘

Thông số kỹ thuật và Công nghệ sử dụng

• Acoustic Engine: HTK Toolkit (v3.4) biên dịch trên nền tảng C++.
• Logic Engine: SWI-Prolog (v6.6.x) hỗ trợ phân giải ràng buộc ngữ nghĩa và biên dịch ngữ pháp DCG.
• Host Application: Microsoft Visual C# 2012 (.NET Framework 4.5) làm nhiệm vụ cầu nối Interop giữa C# và Prolog DLL / Process.
• Định dạng âm thanh:
  • Quản lý chi tiêu: 16.000 Hz, 16-bit Mono PCM WAV.
  • Tuyển sinh HUFLIT: 8.000 Hz, 16-bit Mono PCM WAV (chuẩn truyền dẫn điện thoại thoại băng hẹp).
• Cơ sở dữ liệu: Quan hệ SQL biểu diễn bảng myExpenses và các bảng tuyển sinh (Khoa, Nganh, DiemChuan, ChiTieu, KhoiThi).

---

Implementation và kết quả

Chi tiết giải thuật và Cấu trúc mã nguồn

Hệ thống triển khai 3 cấu phần kỹ thuật trọng tâm:

1. Xây dựng mô hình văn phạm nhận dạng ASR (.gram)

Định nghĩa mạng cú pháp cho phép bộ giải mã Viterbi của HTK thu hẹp không gian tìm kiếm, nâng cao độ chính xác nhận dạng từ khóa.

$np = CAR NHAF | GIA DDIFNH | VOWJ | CHOOFNG | CON | BAJN;
$vp = MUA SAWSM [CHO $np] | MUA DDOOF [CHO $np] | MUA SASCH [CHO $np] | 
      MUA QUAAFN ASO [CHO $np] | DDI CHOWJ | [DDI] KHASM BEEJNH | 
      DDOSNG TIEEFN NHAF | DDOSNG TIEEFN DDIEEJN | DDOSNG TIEEFN HOJC;
$money = (MUWOWFI | (HAI | BA | BOOSN | NAWM | SASU | BARY | TASM | CHISN) MUWOWI) NGAFN |
         (MOOJT | HAI | BA | BOOSN | NAWM | SASU | BARY | TASM | CHISN) TRAWM NGAFN |
         (MOOJT | HAI | BA | BOOSN | NAWM | SASU | BARY | TASM | CHISN | MUWOWFI) TRIEEJU;
$v_spend = (TIEEU | SAFI | MAAST) HEEST | HEEST | TAAST CAR;
$sen = [$np] $vp [$time] $v_spend $money;
(SENT-START (THEEM $sen | XOSA $sen | SUWRA $sen | TRUYVAN $sen) SENT-END)

2. Phân tích ngữ nghĩa bằng văn phạm DCG trên SWI-Prolog

Cú pháp tiếng Việt được phân tích và trích xuất trực tiếp thành các cấu trúc Logic bậc nhất (FOL) nhằm xử lý linh hoạt hiện tượng đảo ngữ và tỉnh lược.

% Định nghĩa luật phân tích câu truy vấn thông tin tuyển sinh
query(nganh_khoi_thi_Query(Khoithi)) --> 
    t_nhungcac, 
    n_nganh, 
    p_at, 
    n_truong(Truong), 
    v_xettuyen, 
    n_khoithi(Khoithi).

% Quy tắc bắt câu lệnh thêm chi tiêu có thành phần tỉnh lược
command_add(AddExpr) -->
    v_add,
    semantic_content(Time, Subject, Job, Obj, Amount),
    { AddExpr =.. [add, Time, Subject, work(Job, Obj), Amount] }.

% Mẫu FOL đại diện câu lệnh:
% add(time('2014-06-20 00:00:00'), subject('ca_nha'), work('mua', 'quan_ao'), amount(4000000))

3. Bảng ánh xạ chuyển đổi ngữ nghĩa sang cấu trúc SQL

Dạng ngữ nghĩa FOL	Câu lệnh SQL sinh tự động tương ứng
add(Time, Subject, work(Job, Obj), Amount)	INSERT INTO myExpenses(time, subject, job, obj, amount) VALUES ($Time, $Subject, $Job, $Obj, $Amount);
del(Time, Subject, work(Job, Obj), Amount)	DELETE FROM myExpenses WHERE time=$Time AND subject=$Subject AND job=$Job AND obj=$Obj AND amount=$Amount;
query_SUM(Period)	SELECT SUM(amount) FROM myExpenses WHERE time >= $Period1 AND time <= $Period2;
query_SUM(Period, Job, Obj)	SELECT SUM(amount) FROM myExpenses WHERE time >= $Period1 AND time <= $Period2 AND job=$Job AND obj=$Obj;
nganh_khoi_thi_Query(KhoiThi)	SELECT TenNganh FROM NganhTuyenSinh WHERE MaKhoi = $KhoiThi;

Kiểm thử và Đánh giá hiệu năng

Hiệu năng của hệ thống nhận dạng được đo lường thông qua hai chỉ số học thuật tiêu chuẩn:

• Tỉ lệ lỗi từ (Word Error Rate - WER): $$\text{WER} = \frac{S + D + I}{N} \times 100%$$ (Trong đó: $S$: Số từ thay thế sai, $D$: Số từ bị xóa, $I$: Số từ bị chèn, $N$: Tổng số từ thực tế).
• Độ chính xác từ (Word Accuracy Rate - WAR): $$\text{WAR} = 100% - \text{WER} = \left(1 - \frac{S + D + I}{N}\right) \times 100%$$

               KẾT QUẢ ĐỘ CHÍNH XÁC NHẬN DẠNG & THỰC THI (%)
 100 ┌─────────────────────────────────────────────────────────────┐
     │                                                             │
  95 │─── 98.45% (WAR) ────── 97.78% (WAR) ─────── 97.20% (E2E) ──│
     │                                                             │
  90 │─────────────────────────────────────────── 90.00% (E2E) ────│
     │                                                             │
  85 │─── 83.33% (Câu) ────── 83.18% (Câu) ────────────────────────│
     │                                                             │
  80 └─────────────────────────────────────────────────────────────┘
       Quản lý chi tiêu        Tuyển sinh HUFLIT       Toàn hệ thống
       ■ WAR (Từ)   ■ Đúng cấp câu   ■ Đúng toàn diện (E2E)

Bảng tổng hợp dữ liệu thực nghiệm chi tiết

Chỉ số đánh giá thực nghiệm	Ứng dụng "Quản lý chi tiêu"	Hệ thống "Tuyển sinh HUFLIT"
Quy mô tập dữ liệu huấn luyện	9 giờ thu âm (9.000 mẫu câu)	262 phút thu âm (2.550 mẫu câu)
Số lượng người tham gia thu âm	50 người nam (độ tuổi 20 - 21)	50 người nam (độ tuổi 20 - 21)
Kích thước tập từ vựng (Lexicon)	79 từ khóa	118 từ khóa
Tập dữ liệu kiểm thử (Test Set)	60 câu độc lập (711 từ)	107 câu độc lập (1.215 từ)
Độ chính xác cấp từ (WAR)	98.45% (Sai 11 từ)	97.78% (Sai 27 từ)
Độ chính xác cấp câu (Sentence)	83.33% (50/60 câu)	83.18% (89/107 câu)
Độ chính xác bộ phân tích NLP	100% (60/60 câu chuẩn)	97.20% (Sửa lỗi cho 15/18 câu sai ASR)
Tỷ lệ thực thi đúng toàn hệ thống	90.00% (54/60 câu)	97.20% (104/107 câu)
Thời gian đáp ứng trung bình (Latency)	1.0 - 2.0 giây	2.0 - 3.0 giây (Qua thoại)

---

Đổi mới và đóng góp

1. Cơ chế ngữ nghĩa bù lỗi nhận dạng âm học (Semantic-Level Error Recovery)

Đóng góp kỹ thuật nổi bật nhất của đề tài là việc chứng minh tầng phân tích ngữ nghĩa DCG có khả năng "tự sửa sai" cho tầng nhận dạng tiếng nói ASR. Trong 107 câu kiểm thử hệ thống tuyển sinh HUFLIT, ASR nhận dạng sai từ ngữ ở 18 câu. Tuy nhiên, nhờ cấu trúc ràng buộc logic của DCG trong SWI-Prolog, có tới 15/18 câu sai ngữ âm vẫn bảo toàn được cấu trúc ngữ nghĩa gốc và sinh ra câu lệnh SQL chính xác tuyệt đối, nâng tỷ lệ thành công toàn hệ sinh thái từ 83.18% lên 97.20%.

2. Xử lý câu tỉnh lược ngữ dụng (Pragmatic Context Ellipsis)

Trong văn nói đời thường, người dùng thường lược bỏ chủ ngữ hoặc thời gian (Ví dụ: "Đổ xăng hết năm mươi ngàn", "Bao lâu thì học xong"). Hệ thống đã cài đặt thành công thuật toán khôi phục thông tin ngữ cảnh:

• Bổ khuyết giá trị mặc định cho thực thể bị thiếu (Subject = 'toi', Time = CURRENT_TIMESTAMP).
• Quy chuẩn các biểu thức thời gian tương đối (hôm qua, sáng nay, tuần rồi) thành các khoảng thời gian cố định dạng [Timestamp1, Timestamp2].

                    CƠ CHẾ PHỤC HỒI CÂU TỈNH LƯỢC
[Câu nói: "Đổ xăng hết năm mươi ngàn"]
                 │
                 ▼
[Phát hiện khuyết thiếu: Thiếu {Chủ ngữ}, {Thời gian}]
                 │
                 ▼
[Gán ngữ cảnh mặc định: Subject='tôi', Time=CURRENT_TIMESTAMP]
                 │
                 ▼
[Cấu trúc FOL: add(now, 'tôi', work('đổ', 'xăng'), 50000)]

3. Hiệu quả vượt trội so với phương pháp truyền thống

Khi đối chứng trực tiếp với phương pháp so khớp từ khóa dài nhất (Longest Matching) từng được áp dụng tại một số nghiên cứu trước đó:

• Longest Matching thất bại tại 27/60 câu kiểm thử (tỷ lệ lỗi 45%) do không thể phân biệt được ngữ cảnh và đảo trật tự từ.
• Mô hình đề tài đạt độ chính xác ngữ nghĩa 100% trên tập câu chuẩn, khẳng định tính ưu việt của văn phạm hình thức DCG trong xử lý ngôn ngữ tự nhiên tiếng Việt.

4. Công bố khoa học và giải thưởng ghi nhận

• 01 Bài báo Khoa học Quốc tế: Xuất bản trên tạp chí chuyên ngành International Journal of Advanced Research in Computer and Communication Engineering (IJARCCE) năm 2014 với tiêu đề "Vietnamese Speech Processing and Synthesis in VNSExpenses System".
• 02 Báo cáo Hội nghị Quốc gia: Trình bày tại Hội nghị Quốc gia lần thứ VII về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin (FAIR 2014).
• Giải thưởng Khoa học: Đạt giải thưởng Nghiên cứu Khoa học Sinh viên "Tài năng Khoa học trẻ Việt Nam" cấp Bộ Giáo dục và Đào tạo.

---

Ứng dụng thực tế và triển khai

              CÁC MÔ HÌNH ỨNG DỤNG THỰC TIỄN CỦA ĐỀ TÀI
┌────────────────────────────────┐    ┌────────────────────────────────┐
│   HỆ THỐNG IVR TUYỂN SINH      │    │  QUẢN LÝ TÀI CHÍNH BẰNG GIỌNG NÓI│
│ ┌────────────────────────────┐ │    │ ┌────────────────────────────┐ │
│ │ Tự động trả lời thí sinh   │ │    │ │ Ghi chép thu chi rảnh tay  │ │
│ │ 24/7 qua tổng đài viễn thông│ │    │ │ Phân loại danh mục tự động │ │
│ └────────────────────────────┘ │    │ └────────────────────────────┘ │
└────────────────────────────────┘    └────────────────────────────────┘
┌────────────────────────────────┐    ┌────────────────────────────────┐
│   TRA CỨU HỌC VỤ & ĐIỂM THI    │    │   TỔNG ĐÀI DỊCH VỤ CÔNG & BUS  │
│ ┌────────────────────────────┐ │    │ ┌────────────────────────────┐ │
│ │ Tra cứu lịch thi, học phí, │ │    │ │ Tra cứu thông tin xe buýt, │ │
│ │ điểm tích lũy sinh viên    │ │    │ │ kiểm tra số dư ngân hàng   │ │
│ └────────────────────────────┘ │    │ └────────────────────────────┘ │
└────────────────────────────────┘    └────────────────────────────────┘

Kịch bản triển khai thực tế

1. Hệ thống Tổng đài Hỗ trợ Tuyển sinh Tự động (IVR Auto-Attendant):

   • Thí sinh gọi vào hotline trường Đại học HUFLIT, nói câu hỏi: "Khối D01 trường xét tuyển những ngành nào?".
   • Hệ thống tự động nhận dạng, truy vấn SQL và dùng TTS phát lại âm thanh: "Khối D01 trường tuyển các ngành Ngoại ngữ, Công nghệ thông tin, Quản trị kinh doanh...".
   • Giúp giảm tải 70% khối lượng cuộc gọi lặp lại cho phòng tuyển sinh trong mùa cao điểm.

2. Trợ lý Ghi chép Chi tiêu Cá nhân Rảnh tay (Hands-free Voice Expense Tracker):

   • Người dùng đang lái xe hoặc làm bếp có thể nói: "Hôm nay đi siêu thị mua thức ăn hết hai trăm ngàn".
   • Hệ thống tự động ghi nhận vào sổ thu chi mà không cần chạm tay vào màn hình điện thoại.

Yêu cầu cấu hình triển khai hệ thống (System Requirements)

• Hệ điều hành: Microsoft Windows Server / Windows 7 / 8 / 10 / 11 (32-bit hoặc 64-bit).
• Phần cứng máy chủ (Server):
  • CPU: Tối thiểu Intel Core i3 2.4 GHz (Khuyến nghị Core i5/i7 để xử lý đa luồng ASR).
  • RAM: Tối thiểu 2 GB RAM (Khuyến nghị 4 GB trở lên).
  • Dung lượng ổ cứng: 500 MB trống cho bộ dữ liệu âm học và công cụ HTK/Prolog.
• Card âm thanh & Thiết bị đầu cuối: Sound card hỗ trợ chuẩn Full Duplex; Microphone độ nhạy cao chống nhiễu hoặc card giao tiếp điện thoại trung kế (Dialogic / SIP Gateway) cho tổng đài.

---

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

• Phạm vi từ vựng đóng (Closed Lexicon): Mô hình chỉ nhận dạng trong phạm vi 79 - 118 từ vựng; khi người dùng phát âm từ ngoài từ điển (Out-of-Vocabulary - OOV), hệ thống sẽ gán nhầm sang từ có âm học gần nhất.
• Đặc trưng tập dữ liệu huấn luyện: Dữ liệu huấn luyện tập trung vào giọng nam thanh niên độ tuổi 20 - 21 tại khu vực miền Nam; độ chính xác sẽ suy giảm khi gặp giọng nữ hoặc giọng mang âm sắc địa phương đặc trưng (miền Trung, miền Bắc).
• Độ bền vững môi trường nhiễu: Hiệu năng nhận dạng suy giảm nếu môi trường xung quanh có độ ồn vượt quá 70 dB (như tiếng xe cộ ngoài đường phố lớn).

Hướng phát triển mở rộng

1. Mở rộng mô hình ngôn ngữ lớn (LVCSR): Ứng dụng các kiến trúc mạng nơ-ron sâu (Deep Neural Networks - DNN, Conformer, Transformer) thay thế mô hình HMM truyền thống để nhận dạng giọng nói liên tục không giới hạn từ vựng.
2. Đa dạng hóa tập ngữ âm: Mở rộng thu thập mẫu âm thanh đa vùng miền (Bắc - Trung - Nam), cân bằng giới tính và nhóm tuổi.
3. Nâng cấp NLU ngữ cảnh sâu: Kết hợp các mô hình ngôn ngữ tự nhiên hiện đại giúp xử lý câu phức hợp, câu có nhiều mệnh đề điều kiện và khả năng ghi nhớ hội thoại nhiều lượt (Multi-turn Conversation).

---

Đối tượng hưởng lợi

                 GIÁ TRỊ MANG LẠI CHO CÁC NHÓM ĐỐI TƯỢNG
┌───────────────────────┬──────────────────────────────────────────┐
│ Nhóm đối tượng        │ Lợi ích định lượng & Ứng dụng cụ thể    │
├───────────────────────┼──────────────────────────────────────────┤
│ 🎓 Sinh viên          │ • Tài liệu tham khảo toàn diện về HTK    │
│                       │ • Mẫu tích hợp C# - Prolog chuẩn mực     │
├───────────────────────┼──────────────────────────────────────────┤
│ 💻 Kỹ sư phần mềm     │ • Code pattern chuyển đổi FOL sang SQL   │
│                       │ • Kiến trúc bù lỗi ASR qua tầng logic    │
├───────────────────────┼──────────────────────────────────────────┤
│ 🏢 Doanh nghiệp       │ • Giảm 70% chi phí nhân sự tổng đài     │
│                       │ • Tự động hóa dịch vụ khách hàng 24/7    │
├───────────────────────┼──────────────────────────────────────────┤
│ 🔬 Nhà nghiên cứu     │ • Bộ dữ liệu thực nghiệm âm học tiếng Việt│
│                       │ • Cơ sở phát triển NLU cho ngôn ngữ đơn lập│
└───────────────────────┴──────────────────────────────────────────┘

• Sinh viên ngành CNTT & Khoa học Dữ liệu: Tiếp cận một đồ án mẫu mực kết hợp liên ngành giữa Xử lý tín hiệu âm thanh (Signal Processing), Mô hình học máy thống kê (HMM) và Trí tuệ nhân tạo biểu tượng (Symbolic AI / Prolog).
• Kỹ sư phát triển phần mềm (Developers): Nắm bắt kiến trúc tích hợp đa ngôn ngữ (C# .NET gọi Native C++ DLL của HTK và SWI-Prolog Engine); mô hình thiết kế chuyển đổi cú pháp trung gian sang câu lệnh cơ sở dữ liệu quan hệ an toàn.
• Cơ quan, Tổ chức Giáo dục & Doanh nghiệp: Nền tảng để xây dựng các hệ thống Call Center tự động, tổng đài IVR tra cứu cước phí, tài khoản ngân hàng, lịch trình vận tải với chi phí đầu tư phần cứng ban đầu thấp.
• Cộng đồng nghiên cứu Xử lý Tiếng nói Tiếng Việt: Cung cấp các số liệu thực nghiệm chuẩn xác về hiệu quả của văn phạm DCG trong việc bù đắp các khiếm khuyết của mô hình nhận dạng âm học thống kê.

---

Câu hỏi thường gặp

1. Hệ thống yêu cầu cấu hình tối thiểu như thế nào để có thể triển khai thực tế?

Hệ thống có cấu trúc cực kỳ tối ưu và nhẹ: chỉ cần máy tính chạy hệ điều hành Windows (XP/7/8/10/11), CPU từ Intel Core i3, 2 GB RAM và khoảng 500 MB dung lượng ổ đĩa. Các engine như HTK và SWI-Prolog thực thi trực tiếp trên CPU mà không đòi hỏi GPU chuyên dụng.

2. Khi gặp từ ngoài từ điển (OOV) hoặc câu nói sai cú pháp, hệ thống sẽ xử lý ra sao?

Nếu người dùng nói từ ngoài từ điển hoặc sai cấu trúc cú pháp định nghĩa trong file .gram và DCG, bộ phân tích cú pháp Prolog sẽ trả về kết quả false. Tầng điều khiển trung tâm C# bắt tín hiệu này và kích hoạt bộ tổng hợp tiếng nói TTS phát thông báo bằng giọng nói: "Câu lệnh không hợp lệ, xin vui lòng nói lại theo đúng cú pháp".

3. Làm thế nào để tích hợp thêm các từ khóa hoặc nghiệp vụ tra cứu mới vào hệ thống?

Quy trình mở rộng gồm 3 bước:

1. Thêm từ khóa mới vào từ điển phát âm Telex (.dict) và tập tin văn phạm HTK (.gram), sau đó biên dịch lại mạng nhận dạng.
2. Khai báo bổ sung các luật ngữ pháp DCG và vị từ FOL tương ứng trong tệp mã nguồn Prolog.
3. Cập nhật bảng ánh xạ sang câu lệnh SQL tương ứng trong tầng C# Controller.

4. Tại sao hệ thống lại kết hợp mô hình HMM (HTK) với Prolog thay vì dùng Machine Learning toàn bộ?

Ở quy mô tập từ vựng giới hạn và môi trường tài nguyên tính toán năm 2014, mô hình Markov ẩn HMM là phương pháp tiếp cận tối ưu nhất về nhận dạng mẫu âm thanh. Việc kết hợp với logic biểu tượng Prolog mang lại khả năng phân tích ngữ nghĩa chính xác 100% theo luật nghiệp vụ định trước, hoàn toàn minh bạch, không gặp hiện tượng "ảo giác" (hallucination) như các mô hình nơ-ron học sâu dạng hộp đen.

5. Chi phí đầu tư và thời gian thu hồi vốn (ROI) khi ứng dụng giải pháp cho doanh nghiệp là bao nhiêu?

Hệ thống hoàn toàn xây dựng trên các công cụ mã nguồn mở (HTK, SWI-Prolog, .NET Framework) nên chi phí bản quyền phần mềm xấp xỉ bằng 0. Doanh nghiệp chỉ cần đầu tư thiết bị phần cứng máy chủ thông thường và hệ thống Microphone/Card thoại. Đối với một trường đại học hoặc tổng đài dịch vụ, hệ thống giúp tiết kiệm 2 - 3 nhân sự trực tổng đài cố định, mang lại thời gian thu hồi vốn đầu tư chỉ trong vòng 3 đến 6 tháng.

---

Kết luận

Đề tài khóa luận tốt nghiệp "Thử nghiệm việc nhận dạng tiếng nói tiếng Việt với bộ từ vựng giới hạn" đã chứng minh tính khả thi và hiệu quả vượt bậc của việc kết hợp giữa công nghệ nhận dạng tiếng nói thống kê (HMM) và xử lý ngôn ngữ tự nhiên hình thức (DCG/Prolog). Với độ chính xác nhận dạng từ khóa đạt trên 97.7%, tỷ lệ thực thi nghiệp vụ hoàn chỉnh đạt 97.2% cùng khả năng phục hồi lỗi ngữ âm linh hoạt, nghiên cứu đã đặt nền móng vững chắc cho các giải pháp giao tiếp người - máy bằng tiếng Việt chuyên dụng.

Các kết quả đạt được từ đề tài—bao gồm 01 bài báo quốc tế, 02 bài báo hội nghị quốc gia và giải thưởng NCKH cấp Bộ—là minh chứng rõ nét cho giá trị học thuật và tiềm năng ứng dụng thực tiễn to lớn trong việc tự động hóa dịch vụ công, giáo dục và quản trị thông minh.

Trích đoạn nội dung tài liệu

vA DAo TAO. TRUONG DH NGOAI NGU - TIN HOC TP.HCM KHOA CONG NGH¥ THONG TIN --G1Wro-- KHOA LuAN • TOT NGHIEP • THU NGHIEM • VIEC • NHAN • DANG • TIENG NOI TIENG VIET• val DO• 1 TU VUNG • Glal HAN• GIANG VIEN HUONG DAN: ThS. TItAN KHAI THI¥N SINH VIEN THljC HI¥N: VAN THE Qu6c -10DH11133 TP. HO CHi MINH - 2014 LOICAMON 2 L01cAMON Xin chan thanh cam on thfty Trftn Khai Thi~n da t~n tinh huang dfin toi trong qua trinh hoan thanh dS tai.

NhUng bu6i trao d6i, nhUng kinh nghi~m cung nhfrng tai li~u cua thfty da giup toi co duQ'c nhUng dinh huang dung d~n va dua ra cac phuong phap t6t dBth\l'c hi~n dS tai. Xin gai lai cam on d~n cac thfty co trong Khoa Cong ngh~ thong tin, nhfrng nguai da diu d~t toi trong su6t 4 nam a DlilihQC. Xin cam on blilnbe va cac blilnsinh vien, nhUng nguai tinh nguy~n giup toi thu am dB hoan thanh dS tai. D~c bi~t, cac blilnnhom blilnNguySn Vti KiSu Anh va NguySn Phlilm Bao Nguyen h6 trQ'toi trong vi~c thu am dii li~u ti~ng noi va gop phftn hoan thi~n dS tai.

Va cu6i cung, nhung quan trQng nhat, xin cam on ba mtt va nhUng nguai than, nhfrng nguai ung hQ toi vS mQi m~t. Khong co S\l quan tam do, toi khong thB hoan thanh t6t dS tai nay. HeM, ngay 20 thang 06 nam 2014 Sinh vien th\lc hi~n Van Th~ Qu6c Ml)C Ll)C 3. LOI cAM ON 2 MlJ C L l) C 3 CHUON G 1 - TONG QU AN 5 1.1 Gi6'i thi~u t6ng quan 5 1 .2 M\lc tieu d~ tid 6 1.3 Y nghia cua d~ tai.4 NQi dung thl,1'chi~n 8 1.5 Phl;lmvi tim hi~u 8 1.6 Cac kSt qua dl;ltduqc cua d~ ffii.

9 CHUONG 2 - KIEN TRUC m THONG 10 CHUONG 3 - NH.NDANG TIENG NOI TIENG VIET 13 3.1 CO'sa Iy thuySt 13 3.2 Cac c6ng dOl;lnxay dl,l'ngbQ nh~n dl;lngtiSng n6i 14 3.3 ChuAn bi t~p dfr li~u hu~n luy~n ; 15 3.4 Xay dl,1'ngill di~n 17 • 3.5 Xay dl,1'ngvan phl;lm 18 CHUONG 4 - xV L Y NGON NGU TV NHIEN 19 4.1 C~u truc cu phap truy v~n : 19 4.1 D6i v6'i ung d\lng "Qmin Iy chi tieu ca nhan" 19 4.1 CU phap cau m~nh I~nh va truy v~n 19 3.2 Phan tich ngfr nghia cau m~nh I~nh va cau truy v~n 21 4.2 Phan dch ngfr nghia ngfr d\lng 23 4.3 Chuy~n thanh cau I~nh SQL d~ tuong tac v6"iCO'sO-dfr li~u 24 4.2 D6i v6"ih~ th6ng "Tra cu.u thOng tin tuy~n sinh Dl;lihoc HUFLIT" 24 4.1 C~u truc cu phap truy v~n 24 4.2 Phan tich ngii' nghia cau I~nh 24 4.3 Chuy~n thanh cau I~nh SQL d~ tuong tac v6"iCO'sO-dfr li~u 26 CHUONG 5 - THlr NGHIEM vA DANH GIA 27 MVCLVC 4 5.1 Thanh ph fin Nh~n dl;lngti@ngn6i 27 5.1 Doi v&i ung dl;lng "Qmln Iy chi tieu ca nhan" 27 5.2 D6i v&i h~ th6ng "Tra cUu thong tin tuy8n sinh Dl;lihQc HUFLIT" 28 5.2 Thanh phfin Xu Iy ngon ngfr tt,r nhien 30 5 ., ung d I;Ing"Q' uan I'y c h"I heu ca'hn an .2 D6i v&i h~ th6ng "Tra cuu thOng tin tuy8n sinh Dl;lihQc HUFLIT" 30 5.3 Toan bQ h~ th6ng 30 5.1 D6i v&i ung dl;lng "QUlln Iy chi tieu ca nhan" 31 5.2 D6i v&i h~ th6ng "Tra cuu thong tin tuy8n sinh Dl;lihQc HUFLIT" 31 5.4 So sanh v&i nhfrng each ti@pc~n khac 31 CWONG 6 - KET LUAN' vA WONG pRAT TRIEN 32 6.1 KSt qua dl;ltduQ'c 32 6.2 Nhfrng hl;lnch@ 32 6.3 Huang phat tri8n 32 TAl LIJ;.U THAM KHAo 34 TiSng Vi~t 34 Ti@ngAnh 34 PHl) L1)C 1 35 PHl) L1)C 2 38 PHl) L1)C 3 42 PHl) L1)C 4 44 PHl) L1)C 5 50 PHl) L1)C 6 51 PHl) L1)C 7 56 CHUONG 1 - TONG QUAN 5 CHUONG 1 - TONG QUAN 1.1 GiOi thi~u tAng quan Nh?n d,;mgti~ng noi dong vai tro quan trQng trong giao ti~p gifra ngum va may tinh. Giup may tinh hiSu va thlJC hi~n hi~u l~nh clla con nguai va con nguai nh?n phan h6i tu may tinh nhanh han phuang phap truySn th6ng. f)S tai tim hiSu "THU NGHIEM VIEe NHAN DANG TIENG NOI. TIENG VI]J:TVal B() TIT yVNG Glal IL;.N" nh~m nh?n d~ng cac diu l~nh b~ng ti~ng noi ti~ng Vi~t clla nguai dung va chuySn thanh d~ng van ban dS may tinh co thS hiSu va th\l'C thi.

f)S C\l thS hoa, toi xay dlJng ling d\lng "Qmin ly chi tieu ca nhan" va h~ th6ng "Tra cuu thong tin tuy~n sinh f)~i hQc HUFLIT". Y tuemg vS xay d1Jllgcac h~ th6ng nh?n d~ng ti~ng noi da: co tu nhfrng nam 50 clla th~ ky 20 va d~n nay da: d~t du9'c nhiSu k~t qua dang kS. d Vi~t Nam n6i b?t la nhom nghien CUu f)~i hQc Khoa hQc tlJ nhien thanh ph6 H6 Chi Minh do PGS. Vli Hai Quan dUng dau.

Cac nghien CUuClla nhom t?P trung vaG bai toan truy v~n thong tin cho ban tin thai SlJti~ng Vi~t. Nhom da: th\l'c hi~n dS tai c~p qu6c gia vai bai toan khai thac thong tin da phuang ti~n huang ngfr nghla. Ngoai ra, nhom cling du9'c tai tr9' tu ngu6n clla d~i hQc Qu6c Gia thanh ph6 H6 Chi Minh dS nghien cUu vS h~ th6ng t6ng hqp ti~ng noi ti~ng Vi~t. Lien t\lC trong 10 nam qua, nhom da: xay d1Jllg thanh cong nhiSu h~ th6ng nhu: - H~ th6ng nh?n d~ng ti~ng noi ti~ng Vi~t lien t\lC, bQ tu v1Jllg khong h~n ch~.

- H~ th6ng t6ng hqp ti~ng noi ti~ng Vi~t dlJa tren ghep n6i. Cac h~ th6ng nay co k~t qua nh?n d~ng kha cao, d~t gan 95%; ti~ng noi t6ng hqp cling kha tv nhien. Trong do, nhom nghien CUuda: xay d1Jllg thanh cong mQt h~ th6ng voice server hoan chinh vai k~t qua nh?n d~ng d~n 93.1 70/0, t~o nSn tang cho vi~c phM triSn cac ung d\lng ti~ng noi nhu h~ th6ng hoi dap tlJ dQng, h~ thu tho~i. [2] Co 3 huang ti~p c?n chinh cho nh?n d~ng ti~ng noi [1]: CHUONG 1 - TONG QUAN 6 Ti~p c~n Am h9C: Huang ti~p c~n nay d\Ia vao cac d~c diSm am hQc duQ'c rut ra duQ'c til ph6 am thanh.

Tuy nhien k~t qua cua huang ti~p c~n nay. con thfip vi trong th\Ic t~, cac d~c trung am hQc co S\I bi~n dQng rfit Ian. Hon nfra phuong phap nay doi hoi tri thuc rfit d~y du vS am hQc (v 6n tri thuc am hQc hi~n nay chua thS dap trng). - Ti~p c~n Nh(in dr;zngmJu th6ng ke: SU d\lng cac phuong phap may hQc d\Ia tren th6ng ke dS hQc va rut ra m~u tham khao til luqng dfr li~u Ian.

Huang nay dang duQ'c su d\lng nhiSu, chu y~u la d\Ia vao Mo hinh Markov ftn (HMM). - Ti~p c~n Tri tU? nhdn tr;zo:la huang k~t hqp cua ca hai huang tren. Phuong phap nay k~t hqp duQ'c ca tri thuc cua chuyen gia va phuong phap m~u th6ng ke. Day se la huang ti~p c~n tuong lai cua nh~n d:~mgti~ng noi.

Trong dS tai nay, chung toi t~p trung chu y~u vao vi~c xay d\Illg bQ nh~n d:~mg ti~ng noi ti~ng Vi~t theo huang ti~p c~n Nhijn d(lng mau thang ke.2 M\lc tieu d~ tiii - Tim hiSu vi~c Nh~n d~ng ti~ng noi, cac buac hufin luy~n, xay d\Illg bQ nh~n dejmgti~ng noi theo mo hinh Hidden Markov. - Tim hiSu vi~c Xu ly ngon ngfr tv nhien vao dS tai dS ph\lc Y\l cho giai do~n h~u xu ly sau khi da:Nh~n d~ng ti~ng noi Tich hqp cac thanh ph~n Nh~n d~ng ti~ng noi, Xu ly ngon ngfr t\I nhien va T6ng hqp ti~ng noi vao thanh mQt trng d\lng, h~ th6ng giao ti~p ti~ng noi hoan chinh. Va C\lthS hoa k~t qua tim hiSu qua trng d\lng "Qmin If chi tieu ca nhin" va h~ th6ng "Tra cuu thong tin tuy~n sinh D~i hQcHUFLIT". 0'ng d\lng "Qmin If chi tieu ca nhin" dap trng cac m\lc tieu sau: - Nh~n d~ng duQ'cti~ng noi cua nhiSu nguai dung vai dQ chinh xac cao.

Co cO"ch~ xu ly ngon ngfr t\I nhien (phan tich cu phap va ngfr nghia cau l~nh) hi~u qua. Th\Ic thi cac l~nh truy xufit CO"sa dfr li~u tU nguai dung. Xufit k~t qua thanh am thanh. CHVONG 1 - TONG QUAN 7 H~ th5ng "Tra CtfU tuy~n sinh D~i hQc HUFLIT" dap ling cac m\lc tieu sau: - Nguai dung giao tiSp vai h~ th5ng b&ng tiSng noi thong qua di~n tho~i.

H~ th5ng co kha nang nh?n d~ng tiSng noi, xu ly ngon ngfr va phfm h6i cho nguai dung.3 Y nghia cua d~ tili Tinh mO'i eua a~fiJi Theo hiSu biSt clla tac gia, day la h~ th5ng d&utien t~i Vi~t Nam duQ'c trang bi mQt co chS xu ly ngon ngfr t\1'nhien (phan tich cu phap va ngfr nghla cau l~nh) hi~u qua vao ling d\lng tiSng noi, giup cho h~ th5ng tra nen thong minh va linh ho~t han. Y nghla eua a~fiJi • Y nghla khoa hQc VS khoa hQc, dS tai cling rna ra mQt huang phat triSn mai trong vi~c nghien Clm, xay d\lllg cac h~ th5ng hoi dap co thS hiSu va giao tiSp b&ng tiSng noi tiSng Vi~t v6i nguai dung b&ng vi~c tich hQ'P xu ly ngon ngfr t\f nhien trong cac ling d\lng tiSng noi. • Y nghla th\1'cti~n KSt qua dS tai hoan toan co thS ap d\lng trong nhiSu IInh V\fC,d~c bi~t la: o Trong giao d\lc - dao t~o: Lam giam cong vi~c cho bQ ph?n tuySn sinh Clla truang d~i hQc va cling giup cho ph\l huynh va cac em hQc sinh lap 12 co thS tim hiSu, l\fa chQn duQ'c nganh nghS va truang phu hQ'Pvai minh trong tuang lai. KSt qua clla nghien Clm nay la co So' dS toi ap d\lng vao vi~c phat triSn cac ling d\lng tuang t\f nhu tra Clm thong tin hQc V\l, tra Clm diSm thi t~i cac truang hQc b&ng tiSng noi.

o Trong kinh tS - xa hQi: KSt qua Clla nghien Clm nay cling co thS giup cho vi~c xay d\lllg cac ling dVng tuang t\f ph\lc V\l cho cac t6 chuc, doanh nghi~p, giup giam thiSu nhan h,rc, tv dQng hoa qua trinh nghi~p V\l nhu h~ tra Clm thong tin tai khoan ngan hang b&ng tiSng noi, tra Clm tuySn xe buyt b&ngtiSng noi. CHVdNG 1 - TONG QUAN 8 1.4 NQi dung th,!c hi~n - Nghien Clm su d\lng cong ngh~ va cong C\l rna ngu6n rna HTK dS nh~n d~;mgti~ng noi. - Nghien Clm cac v~n d~ v~ phan tich cu phap va mo hinh biSu di~n ngfr nghia cho cac cau truy v~n ti~ng Vi~t. Ti~p c~n phuong phap phan tich cu phap va ngfr nghia cau l~nh ti~ng Vi~t vai DCG (Definite Clause Grammar) [5].

- Nghien Clm xay d\ffig mo hinh va tich hqp h~ th6ng. Duai day 1abang 1i~tke chi ti~t cac cong vi~c da th\1'chi~n: STT Cong vicc Ghi chu 1 Tim hieu phuong phap Nh~n d:;mg tieng noi va cach su d\lng cong C\lHTK '.