MỞ ĐẦU Thập niên thứ hai của thế kỷ XXI kết thúc với sự tiến bộ quan trọng của Trí tuệ nhân tạo hay AI (Artificial Intelligence) có khả năng “bắt chƣớc” giả lập nhận thức, khả năng học tập và giải quyết vấn đề nhƣ của con ngƣời, có thể mô phỏng các suy luận, suy nghĩ hoặc đƣa ra các quyết định, xử lý giống con ngƣời. Cùng với những tiến bộ về sức mạnh tính toán của máy tính và công nghệ về dữ liệu lớn nhằm biểu diễn, khai thác tri thức giúp cho các ứng dụng AI dần trở thành một phần thiết yếu của cuộc sống, giúp giải quyết các vấn đề thách thức trong thực tế mà con ngƣời khó có thể thực hiện đƣợc. Đã có nhiều phƣơng pháp nghiên cứu thu thập các bộ dữ liệu lớn từ thực tế, đƣợc quan tâm nhất là các nghiên cứu của Google, Facebook, Microsoft. Các bộ dữ liệu lớn đƣợc thu thập bao gồm rất nhiều chủ đề, miền kiến thức (domain) trên thế giới thực với số lƣợng dữ liệu cực lớn đƣợc thu thập từ thực tế.
Theo đó là các thuật toán trích xuất, khai thác dữ liệu để phục vụ các yêu cầu thực tế đặt ra. Trong quá trình khai thác, dữ liệu lại đƣợc điều chỉnh, bổ sung, sửa lỗi, tích lũy thêm để phục vụ cho việc khai thác tốt hơn và ngày càng hoàn thiện hơn, “giống với thế giới kiến thức của con ngƣời” hơn. Đến nay, các kết quả đạt đƣợc trong việc ứng dụng phân tích, khai thác dữ liệu phục vụ cho các yêu cầu của con ngƣời đã trở nên ngày càng phổ biến trong nhiều lĩnh vực đời sống nhƣ: - Lĩnh vực tài chính, ngân hàng ứng dụng để dự đoán lƣợng tiền mặt cần thiết s n sàng cung ứng ở một chi nhánh ngân hàng tại thời điểm cụ thể hàng năm; sử dụng học máy và AI để phát hiện các hoạt động gian lận trong tài chính. - Lĩnh vực Y tế sử dụng dữ liệu lớn (Big Data) phân tích hành vi và tình trạng sức khỏe của bệnh nhân qua đó có thể cứu sống các bệnh nhân mắc bệnh hiểm nghèo nhƣ AIDS và Ung thƣ.
Các ứng dụng Big Data có thể dự báo khu vực có nguy cơ bùng phát dịch nhƣ: sốt xuất huyết hoặc sốt rét. 2 - Lĩnh vực kinh doanh, thƣơng mại ứng dụng trong đánh giá hành vi của khách hàng và đề xuất các sản phẩm tƣơng tự. Điều này làm tăng khả năng bán hàng, từ đó tạo ra doanh thu cao hơn; - Lĩnh vực dự báo thời tiết có thể xác định các thảm họa tiềm ẩn bằng cách đánh giá nhiệt độ, mực nƣớc, áp lực gió và các yếu tố liên quan khác từ kho dữ liệu. - Lĩnh vực giáo dục tạo ra các phƣơng pháp tiếp cận dựa trên dữ liệu sáng tạo để ứng dụng trong dạy học.
- Lĩnh vực du lịch, Ngành công nghiệp du lịch và lữ hành đang đối mặt với thách thức kinh doanh bán đúng sản phẩm đến đúng đối tƣợng khách hàng vào thời điểm chính xác và giữ đúng giá ở đúng kênh. Khách sạn và những công ty khác trong ngành du lịch và lữ hành có rất nhiều tƣơng tác với khách hàng và các tƣơng tác đó đều mang đến dữ liệu giá trị để cải thiện trải nghiệm chung của khách hàng. Sử dụng hiệu quả thông tin này có thể mang lại trải nghiệm khách hàng tốt nhất, là yếu tố quyết định liệu khách hàng sẽ trở thành khách hàng trung thành hay không. Xây dựng bộ dữ liệu tri thức về các lĩnh vực trong thực tế, nói chung, lĩnh vực du lịch, nói riêng, là nhu cầu cần thiết và đặc biệt hữu ích trong hoạt động kinh doanh.
Vì vậy, tôi chọn Đề tài nghiên cứu “Phƣơng pháp xây dựng đồ thị tri thức về du lịch Việt Nam” cho Luận văn tốt nghiệp của mình. 3 Chƣơng 1 - TỔNG QUAN 1. TỔNG QUAN TÌNH HÌNH NGHIÊN CỨU Các dữ liệu liên quan đến tri thức của con ngƣời là rất lớn và vô cùng phức tạp, rất khó để có thể mô tả bằng các hệ cơ sở dữ liệu quan hệ thông thƣờng, hoặc khi biểu diễn đƣợc thì quá trình điều chỉnh, mở rộng, xử lý trên nó là rất khó khăn, đòi hỏi tốn nhiều nguồn lực, chi phí. Vì vậy, vấn đề mô hình hóa tri thức, các kỹ thuật truy xuất, xử lý trên nó làm cơ sở giúp máy tính phân tích, xử lý giải quyết các vấn đề đặt ra đƣợc đặc biệt quan tâm.
Trên thế giới đã có những công trình nghiên cứu thực hiện mô hình hóa tri thức với hệ thống dữ liệu đƣợc xây dựng dựa trên mô hình đồ thị. Nó đƣợc gọi là đồ thị tri thức (Knowledge Graph). Đặc trƣng đặc biệt của mô hình đồ thị giống với logic tri thức của con ngƣời trên thực tế, nên nó có thể biểu diễn dữ liệu liên quan đến tri thức của con ngƣời, có thể đặt ra các câu hỏi phức tạp về bất kỳ sự kiện, sự vật nào và nhận đƣợc câu trả lời tốt từ kho dữ liệu này theo thời gian thực [7]. Cụm từ "đồ thị tri thức" đã đƣợc sử dụng trong tài liệu ít nhất là từ năm 1972, hiện thân hiện đại của cụm từ này bắt nguồn từ thông báo năm 2012 của đồ thị tri thức của Google, sau đó là các thông báo tiếp theo về sự phát triển của tri thức đồ thị của Airbnb, Amazon, eBay, Facebook, IBM, LinkedIn, Microsoft, Uber và nhiều hơn nữa [10].
Đồ thị tri thức chứa một lƣợng lớn thông tin có cấu trúc ở dạng thực thể và quan hệ, là một kho lƣu trữ thông tin có cấu trúc rộng lớn đã ngày càng trở nên phổ biến trong những năm qua [11]. Thuật ngữ Knowledge Graph đƣợc Google đƣa ra vào năm 2012, đề cập đến việc sử dụng kiến thức ngữ nghĩa trong tìm kiếm từ các web ngữ nghĩa (Semantic Web), nghĩa là tìm kiếm một điều gì đó có nghĩa chứ không phải tìm chuỗi văn bản đơn thuần (“Things, not strings”) [7], đồng thời với sự ra đời của dữ liệu đƣợc liên kết Linked Data [4] trong web ngữ nghĩa, điều này đã thúc đẩy yêu cầu thể hiện kiến thức dựa trên đồ thị nhằm mô phỏng các liên kết dữ liệu phong phú và phù hợp với ngôn ngữ tự nhiên hơn. Đến nay, khoảng 1.000 bộ dữ liệu đƣợc liên kết với 4 nhau trong đám mây dữ liệu mở, trong đó có rất nhiều các kết nối các thực thể giống hệt nhau trong hai bộ dữ liệu khác nhau nhƣng có liên kết với nhau [7] [6]. Sức mạnh của đồ thị tri thức là ở khả năng hỗ trợ tìm kiếm thông tin.
Nó có thể biểu diễn đƣợc toàn bộ các kết nối quan hệ giữa các dữ liệu, nghĩa là nó thể hiện cách mà dữ liệu liên quan với nhau một cách tự nhiên nên kết quả trả về sẽ chính xác hơn và phong phú hơn. Tìm kiếm dựa trên đồ thị tri thức có thể cung cấp các thông tin có liên quan, kết quả trả về có thể kèm theo các điểm dữ liệu liên quan đến câu hỏi và có khả năng cao đƣợc ngƣời dùng quan tâm. Về cơ bản, có thể xây dựng bộ máy tìm kiếm dựa trên đồ thị tri thức và AI, dữ liệu có thể đƣợc nhiều ngƣời sử dụng với mục tiêu tìm kiếm khác nhau: nhà phân tích, nhà đầu tƣ, nhà đầu tƣ mạo hiểm, nhà tuyển dụng và ngƣời tìm việc. Chúng ta có thể đặt những câu hỏi cần thiết và sẽ nhận lại những thông tin có liên quan và có ý nghĩa nhất.
Nó có thể xử lý các câu hỏi không thể đoán trƣớc, thay vì tìm kiếm dựa trên từ khóa truyền thống. Tìm kiếm dựa trên đồ thị cũng nhanh hơn nhiều, chúng ta có thể truy vấn các dữ liệu đƣợc kết nối theo thời gian thực. Tất cả những ƣu điểm trên thể hiện: mô hình đồ thị tri thức giúp cho việc tìm kiếm tri thức khác hơn nhiều tìm kiếm thông thƣờng, một tìm kiếm giống trò chuyện tự nhiên, thay vì một loạt các tìm kiếm từng nội dung một. Nó hỗ trợ tìm kiếm và khám phá, thay vì tìm kiếm và truy xuất [7].
Đồng thời, với đồ thị tri thức, chúng ta có thể dễ dàng tạo ra các kết nối đến các bộ dữ liệu mới và xây dựng trải nghiệm mới xung quanh chúng. Đồ thị tri thức là công nghệ đƣợc lựa chọn và là chìa khóa cho khả năng lƣu trữ, tổ chức dữ liệu và khả năng tìm kiếm nâng cao của nhiều tập đoàn công nghệ lớn mà Facebook và Google là ví dụ điển hình. Trong những năm gần đây, có nhiều đồ thị tri thức đƣợc xây dựng, thu thập thông tin từ nhiều nguồn khác nhau, nhiều trong số đó là từ các semantic web, Wikipedia, Facebook, Google+ … ; trong đó có thể kể đến nhƣ: 1. CÁC ĐỒ THỊ TRI THỨC 5 1.
Cyc and OpenCyc Cyc là một dự án về đồ thị tri thức lâu đời nhất, nó bắt đầu đƣợc xây dựng khoảng từ năm1980. Ngƣời ta đã dành hầu hết thời gian cho việc mã hóa kiến thức thành các khái niệm và xây dựng một lƣợc đồ (schema) phổ quát gồm khoảng 105 khái niệm chung bao trùm các sự kiện trong thực tế của con ngƣời, khoảng 106 định nghĩa (Axioms) đã đƣợc làm xử lý thủ công và nhập vào cơ sở tri thức của CYC, và hàng triệu sự kiện (Facs) khác đã đƣợc suy luận và lƣu trữ vào CYC [9]. OpenCyc là phiên bản rút gọn của Cyc và đƣợc cung cấp công khai.000 thể hiện (Instances) và 2,5 triệu sự kiện (Facts) đƣợc xác định cho những thể hiện đó; lƣợc đồ của nó bao gồm một hệ thống phân cấp với khoảng 45. Freebase Freebase, một đồ thị tri thức công khai, có thể chỉnh sửa với các mẫu lƣợc đồ cho hầu hết các loại thực thể có thể (ví dụ: ngƣời, thành phố, phim, v.
Freebase, đã đƣợc Google mua lại và đã ngừng hoạt động vào ngày 31 tháng 3 năm 2015. Phiên bản cuối cùng của Freebase chứa khoảng 50 triệu thực thể và 3 tỷ sự kiện. Lƣợc đồ Freebase có bao gồm khoảng 27.000 loại thực thể (Entities ) và 38.000 loại quan hệ [9]. Wikidata Kế thừa từ dự án đồ thị tri thức khác: Freebase (dự án đã ngừng hoạt động), dữ liệu chứa trong Freebase sau đó đƣợc chuyển sang Wikidata.
Wikidata đƣợc mở rộng dƣới dạng một đồ thị tri thức công khai có thể cập nhật, chỉnh sửa. Nó đƣợc vận hành bởi Wikimedia Foundation và lƣu trữ các phiên bản ngôn ngữ khác nhau của Wikipedia. Điểm đặc biệt là với mỗi định nghĩa/khái niệm đều có thể đƣa vào các siêu dữ liệu (Metadata), ví dụ nhƣ nguồn dữ liệu, ngày cập nhật dữ liệu cho khái niệm về dân số của một thành phố.