I. Giới thiệu về rút trích cụm từ khóa
Rút trích cụm từ khóa là một quá trình quan trọng trong việc tóm tắt nội dung tài liệu. Cụm từ khóa không chỉ giúp người đọc nhanh chóng nắm bắt nội dung chính mà còn hỗ trợ trong việc tìm kiếm thông tin. Có hai hướng tiếp cận chính trong rút trích cụm từ khóa: học máy giám sát và học máy không giám sát. Tuy nhiên, mối quan hệ ngữ nghĩa giữa các cụm từ vẫn chưa được khai thác đầy đủ. Đề tài này tập trung vào việc cải tiến hiệu suất của phương pháp SemiRank thông qua việc đánh giá vai trò của các cụm từ dựa trên mối quan hệ ngữ nghĩa giữa chúng.
1.1. Tầm quan trọng của cụm từ khóa
Cụm từ khóa là những từ hoặc cụm từ có nghĩa đại diện cho nội dung tóm tắt của tài liệu. Chúng có thể được sử dụng trong các công cụ tìm kiếm như một dạng siêu dữ liệu, giúp người dùng dự đoán nội dung của tài liệu. Việc gán cụm từ khóa bằng tay là một công việc tốn thời gian, do đó, các công cụ tự động trở thành một lựa chọn hứa hẹn. Đề tài này sẽ nghiên cứu các phương pháp rút trích cụm từ khóa từ nội dung văn bản, nhằm cải thiện hiệu suất và độ chính xác của quá trình này.
II. Các phương pháp rút trích cụm từ khóa
Đề tài đề xuất hai phương pháp chính để cải tiến tập các cụm từ khóa ban đầu: phương pháp cụm từ trọng tâm và phương pháp đặc điểm thông tin. Phương pháp cụm từ trọng tâm tập trung vào việc xác định các cụm từ có vai trò trung tâm trong văn bản, trong khi phương pháp đặc điểm thông tin đánh giá vai trò của các cụm từ dựa trên thông tin mà chúng cung cấp cho tài liệu. Cả hai phương pháp đều sử dụng mối quan hệ ngữ nghĩa giữa các cụm từ để cải thiện độ chính xác của việc rút trích.
2.1. Phương pháp cụm từ trọng tâm
Phương pháp cụm từ trọng tâm sử dụng các từ trong tiếng Anh để xác định các cụm từ có vai trò quan trọng trong văn bản. Các cụm từ này được đánh giá dựa trên khả năng xuất hiện cùng nhau trong một khoảng thời gian nhất định. Điều này giúp xác định các cụm từ có độ kết dính cao, từ đó nâng cao khả năng trở thành cụm từ khóa. Phương pháp này chỉ áp dụng cho các tài liệu có ngôn ngữ là tiếng Anh, nhưng có thể mở rộng cho các ngôn ngữ khác trong tương lai.
2.2. Phương pháp đặc điểm thông tin
Phương pháp đặc điểm thông tin tập trung vào việc đánh giá vai trò của các cụm từ dựa trên thông tin mà chúng cung cấp cho tài liệu. Các đặc điểm như tần suất xuất hiện (TF), vị trí lần đầu xuất hiện (FOC) và chiều dài của cụm từ được sử dụng để xác định mức độ quan trọng của các cụm từ. Phương pháp này giúp cải thiện độ chính xác của việc rút trích cụm từ khóa bằng cách xem xét các yếu tố ngữ nghĩa và thông tin liên quan.
III. Kết quả thực nghiệm và đánh giá
Kết quả thực nghiệm cho thấy rằng các phương pháp đề xuất đều cải thiện hiệu suất của SemiRank. Việc đánh giá lại tập các cụm từ khóa ban đầu thông qua mối quan hệ ngữ nghĩa giữa chúng đã cho thấy sự cải thiện rõ rệt. Các phương pháp này không chỉ vượt trội hơn so với các phương pháp rút trích cụm từ khóa đã có mà còn mở ra hướng đi mới cho nghiên cứu trong lĩnh vực này.
3.1. Đánh giá hiệu suất
Đánh giá hiệu suất của các phương pháp được thực hiện trên tập dữ liệu Wiki-20. Kết quả cho thấy rằng các phương pháp đề xuất có khả năng rút trích các cụm từ khóa chính xác hơn so với các phương pháp truyền thống. Điều này chứng tỏ rằng việc sử dụng mối quan hệ ngữ nghĩa giữa các cụm từ là một yếu tố quan trọng trong việc nâng cao chất lượng của quá trình rút trích.
