QUẢN TRỊ DỮ LIỆU NGỮ NGHĨA TRONG MIỀN DU LỊCH

Tìm hiểu dữ liệu ngữ nghĩa: khái niệm, ứng dụng & vai trò quan trọng trong truy vấn thông tin, quản lý tri thức và phát triển ứng dụng thông minh.

• Tác giả: Nguyễn Quang Huy
• Người hướng dẫn: PGS. Trần Trọng Hiếu
• Trường học: Trường Đại học Khoa học Tự nhiên
• Chuyên ngành: Liên ngành
• Đề tài: Quản Trị Dữ Liệu Ngữ Nghĩa Trong Miền Du Lịch
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2022
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CẢM ƠN
• LỜI CAM ĐOAN
• DANH MỤC HÌNH VẼ
• DANH MỤC BẢNG BIỂU
• BẢNG GIẢI THÍCH THUẬT NGỮ
• 1. CHƯƠNG 1: KHÁI NIỆM
• 1.1. Khái niệm Ontology
• 1.2. Ngôn ngữ OWL
• 1.3. Các thành phần của Ontology
• 1.4. Truy vấn SPARQL
• 1.5. Kết luận chương 1
• 2. CHƯƠNG 2: PHÂN TÍCH & ĐỀ XUẤT MÔ HÌNH
• 2.1. Thách thức
• 2.2. Mô tả sơ bộ
• 2.3. Đề xuất mô hình
• 2.4. Khảo sát dữ liệu đầu vào
• 2.5. Xử lý dữ liệu
• 2.6. Xây dựng cấu trúc lưu trữ Ontology
• 2.7. Kết luận chương 2
• 3. CHƯƠNG 3: TRIỂN KHAI MÔ HÌNH & ĐÁNH GIÁ
• 3.1. Tổng quan hệ thống
• 3.2. Mô hình tổng quan
• 3.3. Môi trường triển khai
• 3.4. Công nghệ sử dụng
• 3.5. Mục tiêu triển khai thử nghiệm
• 3.6. Xây dựng lưới tri thức du lịch từ nguồn data dump Wikipedia tiếng Việt
• 3.7. Biểu đồ luồng hoạt động
• 3.8. Mô tả chi tiết luồng
• 3.9. Kết quả đạt được
• 3.10. Xây dựng hệ thống truy vấn kết hợp API trực tiếp Wikipedia tiếng Việt
• 3.11. Tiến trình tự động cập nhật các phiên bản/ bài viết mới nhất
• 3.12. Phân loại các bài viết theo thể loại
• 3.13. Một số kịch bản thực tế trong du lịch
• 3.14. Đánh giá ứng dụng thử nghiệm
• 3.15. Kết luận chương 3
• 4. CHƯƠNG 4: KẾT LUẬN & HƯỚNG PHÁT TRIỂN
• 4.1. Kết quả đạt được của luận văn
• 4.2. Hướng phát triển
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Giới thiệu Quản Trị Dữ Liệu Ngữ Nghĩa Du Lịch Luận Văn

Du lịch là ngành kinh tế mũi nhọn của Việt Nam, với bờ biển dài, văn hóa, lịch sử và ẩm thực phong phú. Sau đại dịch COVID-19, du lịch Việt Nam phục hồi tích cực, đứng trong top 3 thế giới (theo Diễn đàn Kinh tế Thế giới, 2022). Tuy nhiên, đầu tư vào du lịch chưa tương xứng tiềm năng. Nhu cầu trải nghiệm, tìm hiểu văn hóa, lịch sử, nhân vật gắn liền với địa điểm du lịch chưa được đáp ứng đầy đủ. Xây dựng nền tảng quản trị dữ liệu phục vụ du khách là cấp thiết. Wikipedia là kho dữ liệu lớn, giá trị. Dữ liệu trên Wikipedia phi cấu trúc, rời rạc, thiếu liên kết. Cần xây dựng khung tri thức (knowledge base - KB) cấu trúc hóa, mô hình hóa liên kết thành lưới tri thức (knowledge graph), khai thác, làm giàu dữ liệu có ngữ nghĩa. Các dự án như DBpedia, Freebase, YAGO đã xây dựng KB từ Wikipedia. Mục tiêu của luận văn là xây dựng KB du lịch từ Wikipedia, hỗ trợ khai thác dữ liệu.

1.1. Tầm quan trọng của Dữ Liệu Ngữ Nghĩa trong Ngành Du Lịch

Dữ liệu ngữ nghĩa (Semantic data) đóng vai trò then chốt trong việc nâng cao trải nghiệm du lịch. Nó cho phép hiểu rõ hơn về nhu cầu và sở thích của du khách, từ đó cá nhân hóa các dịch vụ và đề xuất. Semantic data management giúp tạo ra các ứng dụng du lịch thông minh, cung cấp thông tin chính xác và dễ dàng tiếp cận. Việc tích hợp knowledge graph cho phép khám phá các mối liên kết giữa các địa điểm, sự kiện, và nhân vật lịch sử, mang đến một cái nhìn sâu sắc hơn về văn hóa địa phương.

1.2. Tổng quan về Ứng Dụng Thực Tế của Luận Văn Thạc Sĩ

Luận văn thạc sĩ này tập trung vào việc ứng dụng thực tế của quản trị dữ liệu ngữ nghĩa trong lĩnh vực du lịch. Mục tiêu chính là xây dựng một hệ thống có khả năng trích xuất, xử lý, và liên kết dữ liệu từ Wikipedia để tạo ra một biểu đồ tri thức du lịch. Hệ thống này sẽ hỗ trợ các ứng dụng tra cứu thông tin, đề xuất địa điểm, và cá nhân hóa trải nghiệm du lịch cho người dùng. Các phương pháp và kết quả nghiên cứu sẽ được đánh giá dựa trên khả năng đáp ứng các yêu cầu thực tế của ngành du lịch.

II. Thách thức trong Quản Trị Dữ Liệu Ngữ Nghĩa Du Lịch Hiệu Quả

Wikipedia chứa thông tin phong phú, nhưng dữ liệu phi cấu trúc gây khó khăn. Các thực thể rời rạc, thiếu liên kết. Cần giải pháp làm sạch dữ liệu, mô hình hóa lưới tri thức. API Wiki có thể giúp cập nhật bài viết mới, khắc phục hạn chế của dữ liệu dump. Yêu cầu tự động cập nhật phiên bản mới nhất theo chu kỳ, tối ưu không gian, thời gian xử lý. Phân loại bài viết theo nhóm ngành, thể loại giúp tiết kiệm thời gian thu thập dữ liệu. Cần xây dựng hệ thống truy vấn, tra cứu hỗ trợ nhu cầu tra cứu địa điểm du lịch, thông tin nhân vật, văn hóa, ẩm thực. Luận văn tập trung giải quyết các thách thức này.

2.1. Vấn đề Dữ Liệu Phi Cấu Trúc và Giải Pháp Khắc Phục

Dữ liệu trên Wikipedia tồn tại ở dạng phi cấu trúc, gây khó khăn cho việc khai thác và sử dụng. Các bài viết chứa nhiều văn bản, hình ảnh, và liên kết phức tạp, không tuân theo một định dạng nhất quán. Để giải quyết vấn đề này, cần áp dụng các kỹ thuật NLP (Natural Language Processing) và data mining để trích xuất thông tin quan trọng và cấu trúc hóa dữ liệu. Việc xây dựng ontology và knowledge graph sẽ giúp liên kết các thực thể và tạo ra một cơ sở tri thức có ngữ nghĩa.

2.2. Khó khăn trong Cập Nhật và Duy Trì Dữ Liệu Du Lịch Liên Tục

Ngành du lịch luôn thay đổi, với các địa điểm mới, sự kiện mới, và thông tin cập nhật liên tục. Việc duy trì một cơ sở dữ liệu du lịch chính xác và đầy đủ đòi hỏi một hệ thống cập nhật tự động và hiệu quả. Luận văn này đề xuất sử dụng API của Wikipedia để theo dõi và trích xuất các thay đổi trong các bài viết liên quan đến du lịch. Các kỹ thuật machine learning có thể được áp dụng để phân loại và xác định thông tin quan trọng cần cập nhật.

2.3. Hạn chế về Ngôn Ngữ và Đa Dạng Văn Hóa

Ngôn ngữ và văn hóa là những yếu tố quan trọng trong du lịch. Để phục vụ du khách từ nhiều quốc gia, cần có khả năng xử lý dữ liệu đa ngôn ngữ và hiểu biết về các phong tục, tập quán khác nhau. Luận văn này tập trung vào dữ liệu Wikipedia tiếng Việt, nhưng cũng xem xét các phương pháp mở rộng để hỗ trợ các ngôn ngữ khác. Các kỹ thuật dịch máy và phân tích văn hóa có thể được sử dụng để đảm bảo thông tin du lịch được trình bày một cách chính xác và phù hợp.

III. Cách Xây Dựng Ontology Dữ Liệu Ngữ Nghĩa Du Lịch từ Wikipedia

Ontology là mô hình biểu diễn dữ liệu tri thức, thể hiện qua khái niệm, thuộc tính và mối liên hệ. Các khái niệm liên kết tạo thành lưới tri thức. Ontology được ứng dụng rộng rãi trong xử lý ngôn ngữ tự nhiên, mô hình hóa tri thức, trí tuệ nhân tạo, thư viện lưu trữ. Ứng dụng phổ biến nhất là trong web ngữ nghĩa (Semantic Web), cung cấp ngữ nghĩa cho dữ liệu, giúp máy tính hiểu được. RDFS là tiêu chuẩn W3C biểu diễn tri thức. Ngôn ngữ OWL cho phép xuất bản, chia sẻ ontology trên web. Ontology bao gồm thực thể, lớp, thuộc tính, quan hệ.

3.1. Xác định và Phân loại Thực thể Du Lịch Tourism Entities

Thực thể du lịch (Tourism entities) là các đối tượng cụ thể trong lĩnh vực du lịch, ví dụ: địa điểm du lịch, khách sạn, nhà hàng, sự kiện, và nhân vật lịch sử. Việc xác định và phân loại các thực thể này là bước quan trọng trong việc xây dựng ontology du lịch. Các thực thể có thể được phân loại theo nhiều tiêu chí khác nhau, ví dụ: theo loại hình (di tích, bảo tàng, công viên), theo địa điểm (thành phố, quốc gia), hoặc theo chủ đề (văn hóa, lịch sử, ẩm thực). Việc phân loại chính xác sẽ giúp tổ chức và quản lý dữ liệu hiệu quả hơn.

3.2. Thiết lập Thuộc tính và Mối Quan Hệ Giữa Các Thực thể

Thuộc tính mô tả các đặc điểm của thực thể (Entity properties), ví dụ: tên, địa chỉ, mô tả, giờ mở cửa, giá cả. Mối quan hệ xác định sự liên kết giữa các thực thể, ví dụ: một địa điểm du lịch nằm ở một thành phố nào đó, một khách sạn cung cấp dịch vụ gì. Việc thiết lập các thuộc tính và mối quan hệ phù hợp sẽ giúp mô tả đầy đủ và chính xác về các thực thể du lịch. Các thuộc tính và mối quan hệ nên được lựa chọn dựa trên nhu cầu sử dụng và khả năng khai thác dữ liệu.

3.3. Sử dụng Ngôn ngữ OWL để Biểu Diễn Ontology Du Lịch

OWL (Web Ontology Language) là một ngôn ngữ chuẩn để biểu diễn ontology trên web. OWL cung cấp các công cụ và cú pháp để mô tả các lớp, thuộc tính, và mối quan hệ giữa các thực thể. Việc sử dụng OWL giúp đảm bảo tính tương thích và khả năng tái sử dụng của ontology du lịch. Có ba phiên bản OWL (Lite, DL, Full) với mức độ biểu đạt và khả năng suy luận khác nhau. Lựa chọn phiên bản OWL phù hợp tùy thuộc vào độ phức tạp của ontology và yêu cầu về hiệu năng.

IV. Triển khai và Đánh Giá Mô Hình Quản Trị Dữ Liệu Du Lịch

Luận văn đã triển khai mô hình quản trị dữ liệu và đánh giá hiệu quả. Hệ thống tổng quan bao gồm mô hình tổng quan, môi trường triển khai, công nghệ sử dụng. Mục tiêu triển khai thử nghiệm là xây dựng lưới tri thức du lịch từ Wikipedia tiếng Việt, kết hợp API Wiki để cập nhật bài viết, tự động cập nhật phiên bản mới nhất, phân loại bài viết theo thể loại. Hệ thống hỗ trợ truy vấn, tra cứu địa điểm du lịch, thông tin nhân vật, văn hóa, ẩm thực. Đánh giá ứng dụng thử nghiệm dựa trên tính năng xây dựng lưới tri thức, hệ thống truy vấn, trích xuất thông tin thực thể, và các kịch bản thực tế.

4.1. Xây dựng Lưới Tri Thức Du Lịch từ Dữ Liệu Wikipedia tiếng Việt

Quá trình xây dựng lưới tri thức du lịch từ dữ liệu Wikipedia tiếng Việt bao gồm các bước: trích xuất dữ liệu, xử lý dữ liệu, và xây dựng cấu trúc lưu trữ ontology. Dữ liệu được trích xuất từ các bản dữ liệu dump được Wikipedia công bố và từ API Wiki. Các giải pháp làm sạch dữ liệu được áp dụng để loại bỏ các thông tin không liên quan và chuẩn hóa dữ liệu. Cấu trúc lưu trữ ontology được thiết kế để đảm bảo tính hiệu quả và khả năng mở rộng của hệ thống.

4.2. Đánh giá Hiệu quả của Hệ Thống Truy Vấn và Tra Cứu

Hệ thống truy vấn và tra cứu được đánh giá dựa trên các tiêu chí: độ chính xác, tốc độ, và khả năng đáp ứng các nhu cầu của người dùng. Các kịch bản thực tế trong du lịch được sử dụng để kiểm tra khả năng của hệ thống trong việc cung cấp thông tin hữu ích và cá nhân hóa trải nghiệm du lịch. Các kết quả đánh giá cho thấy hệ thống có khả năng cung cấp thông tin chính xác và nhanh chóng, đáp ứng được các nhu cầu cơ bản của người dùng.

4.3. So sánh với Các Hệ Thống Quản Trị Dữ Liệu Ngữ Nghĩa Du Lịch Hiện Có

Để đánh giá tính ưu việt của luận văn, cần so sánh hệ thống được đề xuất với các hệ thống quản trị dữ liệu ngữ nghĩa du lịch hiện có, ví dụ: DBpedia, Freebase, và YAGO. So sánh dựa trên các tiêu chí: phạm vi dữ liệu, độ chính xác, khả năng cập nhật, và tính năng hỗ trợ người dùng. So sánh sẽ giúp xác định những đóng góp mới của luận văn và các hướng phát triển trong tương lai.

V. Kết quả và Hướng Phát Triển Quản Trị Dữ Liệu Ngữ Nghĩa

Luận văn đã đạt được các kết quả: trích xuất, mô hình hóa lưới tri thức từ Wikipedia tiếng Việt; kết hợp API Wiki để cập nhật bài viết; tự động cập nhật phiên bản mới nhất; phân loại bài viết theo thể loại; xây dựng hệ thống truy vấn, tra cứu. Hướng phát triển: mở rộng phạm vi dữ liệu, cải thiện độ chính xác, hỗ trợ đa ngôn ngữ, cá nhân hóa trải nghiệm người dùng, ứng dụng trí tuệ nhân tạo để đề xuất du lịch, phân tích cảm xúc du khách.

5.1. Tóm Tắt Các Đóng Góp Chính của Luận Văn

Luận văn đã đóng góp vào lĩnh vực quản trị dữ liệu ngữ nghĩa du lịch bằng cách: (1) Xây dựng một hệ thống có khả năng trích xuất, xử lý, và liên kết dữ liệu từ Wikipedia để tạo ra một biểu đồ tri thức du lịch. (2) Đề xuất các giải pháp làm sạch dữ liệu và cập nhật dữ liệu tự động. (3) Xây dựng một hệ thống truy vấn và tra cứu thông tin du lịch hiệu quả. Các đóng góp này có thể được sử dụng để phát triển các ứng dụng du lịch thông minh và cá nhân hóa trải nghiệm du lịch cho người dùng.

5.2. Đề xuất Các Hướng Nghiên Cứu Tiếp Theo trong Tương Lai

Các hướng nghiên cứu tiếp theo trong lĩnh vực quản trị dữ liệu ngữ nghĩa du lịch có thể bao gồm: (1) Mở rộng phạm vi dữ liệu để bao gồm các nguồn dữ liệu khác nhau, ví dụ: mạng xã hội, blog du lịch, và đánh giá của khách hàng. (2) Cải thiện độ chính xác và độ tin cậy của dữ liệu bằng cách sử dụng các kỹ thuật machine learning và data validation. (3) Hỗ trợ đa ngôn ngữ để phục vụ du khách từ nhiều quốc gia khác nhau. (4) Cá nhân hóa trải nghiệm du lịch bằng cách sử dụng các kỹ thuật recommendation system và personalized search.

Nội dung chính

Tổng quan nghiên cứu

Du lịch là một trong những ngành kinh tế mũi nhọn của Việt Nam, với lợi thế về đường bờ biển dài và sự đa dạng văn hóa, lịch sử, ẩm thực phong phú. Sau đại dịch COVID-19, ngành du lịch Việt Nam đã phục hồi tích cực, nằm trong nhóm 3 quốc gia có mức độ cải thiện tốt nhất thế giới theo báo cáo năm 2022 của Diễn đàn Kinh tế thế giới. Tuy nhiên, đầu tư vào du lịch vẫn chưa tương xứng với tiềm năng, đặc biệt là trong việc đáp ứng nhu cầu trải nghiệm, tìm hiểu văn hóa, lịch sử và các nhân vật gắn liền với địa điểm du lịch.

Mục tiêu nghiên cứu của luận văn là xây dựng một nền tảng quản trị dữ liệu ngữ nghĩa trong miền du lịch, khai thác nguồn dữ liệu từ Wikipedia tiếng Việt để tạo ra một lưới tri thức (knowledge graph) phục vụ nhu cầu tra cứu, trải nghiệm của khách du lịch. Nghiên cứu tập trung vào việc trích xuất, mô hình hóa và quản trị dữ liệu ngữ nghĩa từ các bài viết, thực thể liên quan đến du lịch, đồng thời xây dựng hệ thống truy vấn và cập nhật dữ liệu tự động.

Phạm vi nghiên cứu bao gồm dữ liệu Wikipedia tiếng Việt, với thời gian thu thập và xử lý dữ liệu trong năm 2022. Ý nghĩa nghiên cứu được thể hiện qua việc cung cấp một công cụ hỗ trợ tra cứu thông tin du lịch chính xác, cập nhật và có ngữ nghĩa, góp phần nâng cao trải nghiệm du lịch trải nghiệm và thúc đẩy phát triển ngành du lịch Việt Nam.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên các lý thuyết và mô hình sau:

• Ontology: Mô hình biểu diễn tri thức dưới dạng các khái niệm, thuộc tính và mối quan hệ giữa các khái niệm, tạo thành lưới tri thức. Ontology cho phép chia sẻ và tái sử dụng tri thức trong nhiều lĩnh vực, đặc biệt là web ngữ nghĩa.
• RDFS (Resource Description Framework Schema): Tiêu chuẩn của W3C để biểu diễn tri thức, sử dụng các thành phần như Class, Property, Relation để mô tả dữ liệu.
• OWL (Web Ontology Language): Ngôn ngữ mở rộng của RDF, gồm ba ngôn ngữ con OWL Full, OWL DL và OWL Lite, hỗ trợ biểu diễn và suy luận logic trên dữ liệu ontology.
• SPARQL: Ngôn ngữ truy vấn dữ liệu RDF, cho phép truy vấn ngữ nghĩa trên lưới tri thức với các câu lệnh SELECT, WHERE, FILTER, ASK, Regex.

Các khái niệm chính trong nghiên cứu bao gồm: thực thể (Individual), lớp (Class), thuộc tính (Property), mối quan hệ (Relation), lưới tri thức (Knowledge Graph), bộ ba (Triple: subject-predicate-object).

Phương pháp nghiên cứu

• Nguồn dữ liệu: Dữ liệu chính được thu thập từ Wikipedia tiếng Việt, bao gồm hai nguồn:

  • Dữ liệu dump dạng XML từ trang https://dumps.org/viwiki/latest/ với dung lượng khoảng 6GB.
  • Dữ liệu API Wikipedia tiếng Việt dạng JSON, cập nhật liên tục.

• Phương pháp phân tích:

  • Trích xuất dữ liệu từ các bài viết, đặc biệt là các Infobox, nội dung tóm tắt và thể loại bài viết.
  • Làm sạch dữ liệu, xử lý các ký tự đặc biệt, bài viết điều hướng, và ánh xạ các thuộc tính tới các mối quan hệ chuẩn.
  • Mô hình hóa dữ liệu thành cấu trúc Ontology sử dụng OWL và RDF/XML.
  • Xây dựng hệ thống quản lý và truy vấn dữ liệu bằng Apache Jena Fuseki, hỗ trợ truy vấn SPARQL.
  • Phát triển Web API và giao diện Front-End bằng Angular để hỗ trợ người dùng cuối.

• Timeline nghiên cứu: Nghiên cứu được thực hiện trong năm 2022, bao gồm các giai đoạn thu thập dữ liệu, xử lý và làm sạch, xây dựng mô hình, triển khai hệ thống và đánh giá kết quả.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Trích xuất dữ liệu thành công từ Wikipedia tiếng Việt: Hệ thống đã trích xuất được khoảng 150.967 dữ kiện liên quan đến miền du lịch, bao gồm các thực thể, thuộc tính và mối quan hệ, được lưu trữ trong lưới tri thức.
2. Xây dựng cấu trúc Ontology phù hợp: Ontology được xây dựng với các lớp như “Du lịch Hà Nội”, “Bảo tàng tại Hà Nội”, cùng các thuộc tính chi tiết như vị trí, ngày thành lập, trang web, kinh độ, vĩ độ.
3. Hệ thống truy vấn SPARQL hoạt động hiệu quả: Hệ thống hỗ trợ truy vấn dữ liệu nhanh chóng, trả về kết quả chính xác với các câu truy vấn phức tạp, ví dụ tra cứu các địa điểm du lịch, lễ hội, ẩm thực trong khu vực.
4. Cập nhật dữ liệu tự động và phân loại bài viết: Hệ thống tự động cập nhật các phiên bản bài viết mới nhất theo chu kỳ, đồng thời phân loại các bài viết theo thể loại, giúp quản lý dữ liệu hiệu quả hơn.

Thảo luận kết quả

Việc trích xuất và mô hình hóa dữ liệu từ Wikipedia tiếng Việt là một thách thức do dữ liệu phi cấu trúc, không đồng nhất và chứa nhiều ký tự đặc biệt. Tuy nhiên, việc áp dụng mô hình Ontology và các công cụ như Apache Jena Fuseki đã giúp xử lý và quản lý dữ liệu hiệu quả. Kết quả trích xuất hơn 150 nghìn dữ kiện cho thấy tiềm năng lớn của nguồn dữ liệu này trong việc xây dựng lưới tri thức du lịch.

So với các nghiên cứu trước đây tập trung vào Wikipedia tiếng Anh, nghiên cứu này mở rộng khai thác dữ liệu tiếng Việt, phù hợp với đặc thù và nhu cầu của thị trường du lịch trong nước. Hệ thống truy vấn SPARQL cho phép người dùng truy cập dữ liệu ngữ nghĩa một cách linh hoạt, hỗ trợ các kịch bản thực tế như tra cứu địa điểm, gợi ý ẩm thực, lễ hội, nhân vật lịch sử gắn liền với địa danh.

Dữ liệu được trình bày có thể minh họa qua các biểu đồ số lượng thực thể theo lớp, bảng thống kê các thuộc tính phổ biến, và sơ đồ luồng hoạt động của hệ thống trích xuất và cập nhật dữ liệu. Điều này giúp đánh giá hiệu quả và khả năng mở rộng của hệ thống trong tương lai.

Đề xuất và khuyến nghị

1. Tăng cường tự động hóa trong cập nhật dữ liệu: Phát triển thêm các tiến trình tự động theo dõi và cập nhật bài viết mới hoặc thay đổi trên Wikipedia tiếng Việt nhằm đảm bảo dữ liệu luôn mới nhất, nâng cao độ chính xác của lưới tri thức. Thời gian thực hiện: 6-12 tháng, chủ thể: nhóm phát triển hệ thống.
2. Mở rộng phạm vi dữ liệu sang các miền liên quan: Bổ sung các lĩnh vực như văn hóa, lịch sử, sự kiện địa phương để làm giàu dữ liệu du lịch, phục vụ đa dạng nhu cầu người dùng. Thời gian thực hiện: 12 tháng, chủ thể: nhóm nghiên cứu và phát triển.
3. Phát triển giao diện người dùng thân thiện và đa nền tảng: Cải tiến Front-End để hỗ trợ truy vấn dễ dàng trên thiết bị di động và máy tính, tăng trải nghiệm người dùng. Thời gian thực hiện: 6 tháng, chủ thể: đội ngũ phát triển Front-End.
4. Tăng cường hợp tác với các cơ quan du lịch và cộng đồng: Thu thập phản hồi, dữ liệu thực tế từ các địa phương để cập nhật và hiệu chỉnh lưới tri thức, đồng thời quảng bá hệ thống đến người dùng cuối. Thời gian thực hiện: liên tục, chủ thể: các tổ chức du lịch, nhóm nghiên cứu.

Đối tượng nên tham khảo luận văn

1. Nhà nghiên cứu và sinh viên ngành Khoa học dữ liệu, Công nghệ thông tin: Nghiên cứu cung cấp phương pháp trích xuất và quản trị dữ liệu ngữ nghĩa từ nguồn dữ liệu phi cấu trúc, ứng dụng Ontology và SPARQL.
2. Chuyên gia phát triển hệ thống thông tin du lịch: Hệ thống và mô hình được xây dựng có thể làm nền tảng để phát triển các ứng dụng tra cứu, hướng dẫn du lịch thông minh.
3. Cơ quan quản lý và phát triển du lịch: Sử dụng kết quả nghiên cứu để nâng cao chất lượng dịch vụ, cung cấp thông tin chính xác, cập nhật cho khách du lịch.
4. Doanh nghiệp trong lĩnh vực du lịch và công nghệ: Áp dụng công nghệ quản trị dữ liệu ngữ nghĩa để phát triển sản phẩm, dịch vụ mới, nâng cao trải nghiệm khách hàng.

Câu hỏi thường gặp

1. Tại sao chọn Wikipedia tiếng Việt làm nguồn dữ liệu?
   Wikipedia tiếng Việt là nguồn dữ liệu phong phú, cập nhật liên tục và phù hợp với đặc thù văn hóa, lịch sử địa phương, giúp xây dựng lưới tri thức sát thực tế du lịch Việt Nam.

2. Làm thế nào để xử lý dữ liệu phi cấu trúc từ Wikipedia?
   Nghiên cứu sử dụng các kỹ thuật làm sạch dữ liệu, xử lý ký tự đặc biệt, bài viết điều hướng và ánh xạ các thuộc tính vào mô hình Ontology chuẩn để cấu trúc hóa dữ liệu.

3. Hệ thống có thể cập nhật dữ liệu mới như thế nào?
   Hệ thống tích hợp API Wikipedia để tự động cập nhật các bài viết mới hoặc phiên bản mới nhất theo chu kỳ định sẵn, đảm bảo dữ liệu luôn được làm mới.

4. SPARQL hỗ trợ truy vấn dữ liệu ra sao?
   SPARQL cho phép truy vấn dữ liệu ngữ nghĩa theo các mẫu bộ ba (subject-predicate-object), hỗ trợ lọc, tìm kiếm theo điều kiện, giúp truy xuất thông tin chính xác và linh hoạt.

5. Ứng dụng thực tế của lưới tri thức du lịch là gì?
   Lưới tri thức hỗ trợ tra cứu địa điểm du lịch, bảo tàng, lễ hội, ẩm thực, nhân vật lịch sử gắn liền với địa danh, giúp khách du lịch có trải nghiệm phong phú và thuận tiện hơn.

Kết luận

• Đã xây dựng thành công lưới tri thức du lịch từ Wikipedia tiếng Việt với hơn 150.000 dữ kiện được trích xuất và mô hình hóa.
• Phát triển hệ thống truy vấn SPARQL và giao diện người dùng hỗ trợ tra cứu dữ liệu ngữ nghĩa hiệu quả.
• Hệ thống tự động cập nhật dữ liệu mới, phân loại bài viết theo thể loại, nâng cao tính nhất quán và cập nhật của dữ liệu.
• Nghiên cứu mở ra hướng phát triển ứng dụng công nghệ Ontology và web ngữ nghĩa trong lĩnh vực du lịch tại Việt Nam.
• Đề xuất các giải pháp mở rộng và cải tiến nhằm nâng cao hiệu quả và phạm vi ứng dụng trong tương lai.

Khuyến nghị các nhà nghiên cứu, chuyên gia và doanh nghiệp trong lĩnh vực du lịch và công nghệ dữ liệu tiếp tục khai thác, phát triển nền tảng này để thúc đẩy ngành du lịch thông minh, trải nghiệm du lịch đa dạng và phong phú hơn.

Trích đoạn nội dung tài liệu

CHƯƠNG 1: KHÁI NIỆM 1.1 Khái niệm Ontology Ontology là một mô hình biểu diễn dữ liệu tri thức. Ontology được thể hiện qua các khái niệm, các thuộc tính trong khái niệm đó và mối liên hệ giữa các khái niệm với nhau. Các khái niệm này liên kết với nhau và tạo thành một lưới tri thức (knowledge graph). Ontology là một trong các mô hình biểu diễn tri thức rộng rãi và tiên tiến nhất hiện nay.

Với hình thức biểu diễn tri thức này, mô hình của các khái niệm và mối quan hệ giữa các khái niệm trong miền tri thức cho phép tri thức có thể được được chia sẻ rộng rãi. Ontology được ứng dụng rộng rãi trong nhiều lĩnh vực khác nhau như: ❖ Ứng dụng trong xử lý ngôn ngữ tự nhiên ❖ Mô hình hoá tri thức thành một lưới tri thức (knowledge graph). ❖ Ứng dụng trí tuệ nhân tạo vào các nhóm ngành, nghề cụ thể. ❖ Ứng dụng trong thư viện lưu trữ toàn thư.

Tuy nhiên, một trong những ứng dụng phổ biến nhất của ontology là trong lĩnh vực web ngữ nghĩa (Semantic Web). Đây chính là nền tảng cung cấp ngữ nghĩa cho dữ liệu, cho phép dữ liệu có thể được hiểu bởi máy tính.2 RDFS RDFS (viết tắt của Resource Description Framework Schema) là một tiêu chuẩn W3C để biểu diễn tri thức. Nó được sử dụng để biểu diễn trong hầu hết Khung tri thức (KBs) hiện nay. RDFS dựa trên 1 nhóm Resources U.

Trong đa số các ứng dụng, Resources U được tách nhỏ thành: Instance I, Relation R, Literal L và Class C, với công thức: 𝑼 = 𝑰 ∪𝑹 ∪𝑳 ∪𝑪 Trong đó: Class (hoặc type): là tên đại diện cho một nhóm các instance. Ví dụ: Class “City” là đại diện cho một tập các thực thể là thành phố. 12 Relation: là thể hiện tên mối quan hệ giữa các resources (Ví dụ: vị_trí, hoặc ngày_thành_lập). Tất cả relation r giới hạn bởi domain: dom(r) ∈ 𝑪, và range: ran(r) ∈ 𝑪.

Literal: là kiểu dữ liệu number, string, hay date. Một mệnh đề có ý nghĩa (Statement s) là tập hợp của một bộ ba (triple) thành phần: 𝑠 ∈ (𝑈 \ 𝐿 ) × 𝑅 × 𝑈 𝑠 ∈ 𝐼 × 𝑅 × 𝑈 (𝐼 ∪ 𝐿 ) Thành phần đầu tiên: chủ ngữ (subject) có mối quan hệ được đưa ra bởi: thành phần thứ hai: vị ngữ (predicate) với thành phần thứ ba: tân ngữ (object).3 Ngôn ngữ OWL Ngôn ngữ OWL (viết tắt của Web Ontology Language) là một ngôn ngữ cho phép xuất bản và chia sẻ ontology trên World Wide Web. OWL được phát triển như một phần mở rộng của RDF [6]. Như chúng ta đã biết, World Wide Web là nơi mọi thứ có thể đều chia sẻ công khai, OWL cũng cần phải làm được điều tương tự, hơn nữa cho phép nhập và trộn các bản thể luận khác nhau.

Một số trong số các bản thể luận có thể là đưa ra các nội dung gây mâu thuẫn, nhưng các thông tin mới sẽ liên tục được bổ sung, giải thích cho những mâu thuẫn đó. Để cung cấp những tính năng như vậy, cùng với hỗ trợ tính toán và suy luận trong thời gian có hạn, OWL giới thiệu ba ngôn ngữ con phục vụ cho các mục đích khác nhau: OWL Full, OWL DL và OWL Lite. ❖ OWL Full: OWL Full cung cấp khả năng diễn đạt tối đa và sự tự do về cú pháp của RDF, nhưng không cung cấp bất kỳ đảm bảo tính logic, đúng đắn nào. Đặc điểm chính của OWL Full trong so với OWL DL và OWL Lite là một lớp, theo định nghĩa, là một tập hợp các cá nhân, 13 có thể là chính cá nhân đó.

Rõ ràng là cách tiếp cận này có thể dẫn đến các mô hình cần thời gian vô hạn để tính toán. ❖ OWL DL: OWL DL (Descriptive Logic) cho phép đảm bảo và biểu đạt tối đa tính đầy đủ của logic và khả năng đảm bảo tất cả các tính toán sẽ kết thúc trong thời gian hữu hạn. Thành phần của OWL DL bao gồm: cấu trúc của OWL Full và nối thêm một số ràng buộc (relations). Các ràng buộc quan trọng nhất là lớp đó không thể là một cá nhân hoặc tài sản, hoặc tài sản đó không thể là một cá nhân hoặc giai cấp.

OWL DL có nền tảng chính thức tốt vì nó được tạo ra dựa trên logic mô tả. ❖ OWL Lite: OWL Lite chủ yếu nhằm hỗ trợ hệ thống phân cấp, phân loại đơn giản. Các tính năng trên OWL Lite tương đối hạn chế. OWL Lite là điểm khởi đầu tốt cho các thí nghiệm đơn giản.

Do vậy, ngôn ngữ này có thể hữu ích trong di chuyển các nguyên tắc phân loại hiện có sang OWL. Tựu chung lại, OWL Full là phần mở rộng của OWL DL, là phần mở rộng của OWL Lite. Do đó mọi ontology OWL Lite là OWL DL và OWL Full; mọi ontology OWL DL là OWL Full. Tuỳ theo nhu cầu thực tế, ta sẽ xem xét và chọn một ngôn ngữ con phù hợp nhất.4 Các thành phần của Ontology Ontology bao gồm các thành phần: thực thể (Individuals), lớp (Classes), thuộc tính (Properties) và quan hệ (Relations).

[3] ❖ Lớp (Classes): Lớp là các nhóm hay tập hợp các đối tượng có chung một số thuộc tính. Lớp có thể bao gồm các lớp con (subclasses), các thực thể hoặc bao gồm cả hai. Ví dụ: - Lớp “Du lịch Hà Nội”, “Di tích quốc gia đặc biệt”… - Lớp “Du lịch Hà Nội” có các lớp con là: “Ẩm thực Hà Nội”, “Bảo tàng tại Hà Nội”. ❖ Thuộc tính 14 Thuộc tính chỉ ra đặc điểm, tính chất giữa các thực thể, giữa thực thể và kiểu dữ liệu.

Ví dụ: - Thuộc tính đối tượng “vị trí” chỉ ra nơi đặt trụ sở của một “Địa điểm du lịch”. - Thuộc tính kiểu dữ liệu với một “địa điểm du lịch” có thể có các thuộc tính: tên, ngày tháng thành lập, vị trí, kinh độ, vĩ độ. Giá trị của một thuộc tính dữ liệu có thể có các kiểu dữ liệu khác nhau như kiểu chuỗi, kiểu số… ❖ Thực thể Thực thể là các thành phần cơ bản của ontology. Các thực thể là các đối tượng cụ thể, là thể hiện của một hoặc nhiều lớp.

Ví dụ về các tên con đường là tướng lĩnh, chính khách, người có công với đất nước… Ví dụ về các thực thể: đại tướng Võ Nguyên Giáp, chủ tịch nước Hồ Chí Minh, Võ Văn Kiệt, Trần Hưng Đạo, Quang Trung… ❖ Mối quan hệ Mối quan hệ được sử dụng để xác định sự liên quan của đối tượng này với một đối tượng khác bằng các thuộc tính tương ứng. Cùng với đó là tập hợp các quan hệ mô tả ngữ nghĩa của miền như quan hệ đồng nghĩa, trái nghĩa và các quan hệ khác. Điểm mạnh của Ontology là khả năng mô tả các mối quan hệ. Tập hợp các kiểu quan hệ được sử dụng và hệ thống phân cấp của chúng mô tả sức mạnh biểu đạt của ngôn ngữ mà Ontology được thể hiện.

Ví dụ: - Mối quan hệ tương đồng giữa 2 thực thể là Quang Trung & Nguyễn Huệ ❖ Các thành phần liên quan: Thuộc tính Mô tả Ví dụ owl:Ontology Định nghĩa những tóm tắt cơ bản nhất của tổng thể 1 Ontology owl:Class Định nghĩa một lớp Địa điểm du lịch Individual Các thực thể là đối tượng của các lớp và các thuộc tính có thể được sử dụng 15 để liên kết giữa thực thể này với thực thể khác. rdfs:Resource URI của thực thể rdfs:Datatype Kiểu dữ liệu - String: tên nhân vật, bài - String là kiểu giá trị đơn giản nhất viết được sử dụng cho các thuộc tính. Thể - Number: năm sinh của hiện dạng ký tự một nhân vật - Number (Float, Integer, …) mô tả - Boolean: nhân vật đã các thuộc tính có giá trị số. mất hay chưa - Bolean là kiểu giá trị có - không.

- Enumerated: Danh sách - Enumerated chỉ rõ một danh sách tuỳ chọn giới tính của các giá trị được phép cho thuộc tính. một nhân vật: Nam, Nữ. - Instance: cho phép xác định mối - Instance: một thực thể, quan hệ giữa các thực thể. Các thuộc nhân vật khác.

tính có kiểu giá trị Instance cũng phải xác định danh sách các lớp được phép mà các thực thể thuộc vào. rdfs:range Phạm vi thuộc tính giới hạn các thực thể mà thuộc tính có thể có. rdfs:domain Miền của thuộc tính giới hạn các thực Thuộc tính “công trạng” thể mà thuộc tính có thể được áp dụng. giới hạn trong thể“Danh nhân”.

rdfs:type Thể hiện loại của thuộc tính rdfs:subClassOf Thể hiện một lớp là lớp con của một Lớp “Danh nhân” là một lớp khác lớp con của lớp “Person” rdfs:subPropertyOf Thuộc tính thể hiện một thuộc tính là Thuộc tính “chức vị” thuộc tính con của một hoặc nhiều được sử dụng để liên kết thuộc tính khác 16 Cả owl:ObjectProperty và một thực thể của lớp owl:DatatypeProperty là các lớp con “Danh nhân” của lớp RDF rdf:Property. rdfs:label Nội dung thể hiện của thuộc tính. Đây là giá trị thường xuyên sử dụng. rdf:Property Thuộc tính được sử dụng để chỉ ra mối quan hệ giữa các thực thể hoặc giữa các thực thể và giá trị dữ liệu owl:equivalentClass Hai lớp có thể được cho là tương Lớp “Ô tô” là tương đương, hay còn gọi là hai lớp đồng đương với lớp “Xe hơi”.

nghĩa khi chúng có các đối tượng giống nhau owl:equivalentProperty Hai thuộc tính có thể được cho là tương đương, hay còn gọi là các thuộc tính đồng nghĩa khi chúng liên kết một thực thể owl:sameAs Hai thực thể có thể được cho là giống Thực thể “Quang Trung” nhau khi cùng đề cập đến cùng một và “Nguyễn Huệ” là hai đối tượng giống nhau thực thể giống nhau owl:differentFrom Thể hiện một thực thể có thể khác với Thực thể “Nguyễn Huệ” những thực thể khác khác với thực thể “Nguyễn Nhạc” và khác với thực thể “Võ Nguyên Giáp” 1.5 Truy vấn SPARQL SPARQL là một ngôn ngữ truy vấn thông tin, thao tác dữ liệu RDF. Hầu hết các dạng truy vấn SPARQL đều chứa một bộ ba mẫu (subject, predicate và object) được gọi là mẫu đồ thị cơ bản (basic graph pattern), trong đó mỗi thành phần trong 17 bộ ba mẫu có thể là một biến. SPARQL hỗ trợ truy vấn ngữ nghĩa, cho phép thực hiện truy vấn cả ở chủ ngữ (subject), vị ngữ (predicate) và tân ngữ (object) từ lưới tri thức. SPARQL có các thành phần truy vấn như sau: - SELECT: Trả về tất cả hoặc một tập hợp con của các biến được ràng buộc trong một mẫu truy vấn phù hợp - WHERE: Bắt đầu các điều kiện lọc - ASK: Trả về một boolean cho biết một mẫu truy vấn có khớp hay không.

- FILTER: Lọc theo điều kiện truòng dữ liệu - Regex: Cho phép tìm kiếm theo Regular Expression Ví dụ dưới đây sử dụng SPARQL để tìm thực thể có tên gọi là “Quang Trung” từ lưới tri thức.