Luận Văn: Trích Chọn Sự Kiện Trong Văn Bản Tin Tức Tiếng Việt

Luận văn thạc sĩ: Nghiên cứu trích chọn sự kiện từ văn bản tin tức tiếng Việt. Phân tích và ứng dụng mô hình hiệu quả. Xem chi tiết!

• Tác giả: Phan Thị Thuận
• Người hướng dẫn: Ts. Nguyễn Trí Thành
• Trường học: Đại học Quốc gia Hà Nội - Trường Đại học Công nghệ
• Chuyên ngành: Công Nghệ Thông Tin
• Đề tài: Trích Chọn Sự Kiện Trong Văn Bản Tin Tức Tiếng Việt
• Loại tài liệu: Luận Văn Thạc Sĩ
• Năm xuất bản: 2014
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CẢM ƠN
• LỜI CAM ĐOAN
• MỤC LỤC
• DANH MỤC CÁC HÌNH
• DANH MỤC CÁC BẢNG
• MỞ ĐẦU
• 1. CHƯƠNG 1. GIỚI THIỆU ĐỀ TÀI
• 1.1. BÀI TOÁN TRÍCH CHỌN THÔNG TIN TRONG VĂN BẢN
• 1.2. TỔNG QUAN VỀ SỰ KIỆN
• 1.2.1. Định nghĩa sự kiện
• 1.2.2. Trích chọn sự kiện
• 1.3. TRÍCH CHỌN SỰ KIỆN TRONG VĂN BẢN TIN TỨC TIẾNG VIỆT
• 1.3.1. Bài toán trích chọn sự kiện vụ tai nạn
• 1.3.2. Phát hiện sự kiện
• 1.3.3. Trích chọn sự kiện
• 1.4. Ý NGHĨA CỦA BÀI TOÁN TRÍCH CHỌN SỰ KIỆN VỤ TAI NẠN
• 1.4.1. Ý nghĩa khoa học
• 1.4.2. Ý nghĩa thực tiễn
• 1.5. MỘT SỐ PHƢƠNG PHÁP TIẾP CẬN
• 1.5.1. PHƢƠNG PHÁP TIẾP CẬN DỰA TRÊN TẬP LUẬT (RULE – BASED)
• 1.5.1.1. Luật ngữ nghĩa (lexico-semantic patterns)
• 1.5.1.2. Hình dạng và biểu diễn của tập luật (Form and Representation of Rules)
• 1.5.2. PHƢƠNG PHÁP TIẾP CẬN DỰA TRÊN HỌC MÁY
• 1.5.3. PHƢƠNG PHÁP TIẾP CẬN KẾT HỢP LUẬT VÀ HỌC MÁY
• 1.6. ĐỀ XUẤT MÔ HÌNH TRÍCH CHỌN SỰ KIỆN VỤ TAI NẠN
• 1.6.1. CÁC ĐẶC TÍNH CỦA SỰ KIỆN VỤ TAI NẠN
• 1.6.2. PHÁT BIỂU BÀI TOÁN
• 1.6.3. MÔ HÌNH PHÁT HIỆN VÀ TRÍCH CHỌN SỰ KIỆN VỤ TAI NẠN
• 1.6.3.1. Phƣơng pháp đề xuất
• 1.6.3.2. Mô hình phát hiện và trích chọn sự kiện vụ tai nạn
• 1.6.4. GIẢI QUYẾT BÀI TOÁN PHÁT HIỆN SỰ KIỆN VÀ BÀI TOÁN TRÍCH CHỌN SỰ KIỆN VỤ TAI NẠN
• 1.6.4.1. Bài toán 1- Pháp hiện sự kiện vụ tai nạn (pha 1)
• 1.6.4.1.1. Phát biểu bài toán
• 1.6.4.1.2. Xây dựng tập luật
• 1.6.4.1.3. Xây dựng mô hình phân lớp
• 1.6.4.2. Bài toán 2- Trích chọn sự kiện vụ tai nạn (pha 2)
• 1.6.4.2.1. Phát biểu bài toán
• 1.6.4.2.2. Trích chọn thời gian
• 1.6.4.2.3. Trích chọn địa điểm
• 1.6.4.2.4. Trích chọn số thương vong
• 1.6.4.2.5. Trích chọn phương tiện gây tai nạn
• 2. THỰC NGHIỆM VÀ ĐÁNH GIÁ
• 2.1. MÔI TRƢỜNG VÀ CÁC CÔNG CỤ SỬ DỤNG THỰC NGHIỆM
• 2.2. XÂY DỰNG TẬP DỮ LIỆU
• 2.2.1. Thu thập dữ liệu
• 2.2.2. Tiền xử lý dữ liệu
• 2.3. ĐÁNH GIÁ QUÁ TRÌNH PHÁT HIỆN SỰ KIỆN
• 2.3.1. Đánh giá bộ lọc dữ liệu
• 2.3.2. Đánh giá quá trình phân lớp
• 2.4. ĐÁNH GIÁ QUÁ TRÌNH TRÍCH CHỌN SỰ KIỆN
• 2.4.1. Thực nghiệm không qua bộ phân lớp
• 2.4.2. Thực nghiệm qua bộ phân lớp
• 2.5. PHÂN TÍCH LỖI
• 2.5.1. Phân tích lỗi quá trình phát hiện sự kiện
• 2.5.2. Phân tích lỗi quá trình trích chọn sự kiện
• 2.6. MỘT SỐ KẾT QUẢ PHÂN TÍCH CÁC SỰ KIỆN
• 2.6.1. Thống kê số vụ tai nạn theo tỉnh
• TÀI LIỆU THAM KHẢO
• 1. GIỚI THIỆU ĐỀ TÀI

Tóm tắt

I. Tổng quan về Trích Chọn Sự Kiện từ Văn Bản Tin Tức

Trong kỷ nguyên số, lượng thông tin khổng lồ trên internet đòi hỏi các phương pháp hiệu quả để trích xuất thông tin từ văn bản. Trích chọn sự kiện từ văn bản tin tức nổi lên như một lĩnh vực quan trọng, giúp chúng ta nhanh chóng nắm bắt các sự kiện then chốt từ luồng thông tin liên tục. Phương pháp này đặc biệt hữu ích trong việc phân tích văn bản tin tức để nhận diện các sự kiện, các thực thể liên quan và mối quan hệ giữa chúng. Theo Douglas E. Appelt, trích chọn thông tin (Information Extraction- IE) nằm giữa thu hồi thông tin (Information Retrieval - IR) và hiểu văn bản (Text Understanding - UT). Không giống như thu hồi thông tin chỉ tập trung vào các mẫu thông tin có liên quan trong văn bản mà không chú trọng đến việc hiểu văn bản; trích chọn thông tin còn quan tâm tới các sự kiện có liên quan trong văn bản và biểu diễn chúng dưới dạng các khuôn mẫu thông tin có liên quan trong văn bản và biểu diễn chúng dưới dạng khuôn mẫu.

1.1. Định nghĩa và vai trò của Trích Chọn Sự Kiện Event Extraction

Trích chọn sự kiện (Event Extraction) là quá trình tự động xác định và trích xuất thông tin từ văn bản, tập trung vào các sự kiện, bao gồm: ai, cái gì, khi nào, ở đâu và tại sao. Nó có vai trò quan trọng trong việc chuyển đổi văn bản phi cấu trúc thành dữ liệu có cấu trúc, phục vụ cho nhiều ứng dụng khác nhau như: khai phá dữ liệu, tổng hợp tin tức, giám sát sự kiện và phân tích xu hướng. Năm 1987, Message Understanding Conferences (MUC) được tổ chức với sự hỗ trợ của Quỹ nghiên cứu Bộ quốc phòng Hoa Kỳ và lần đầu tiên khái niệm event (sự kiện) được đề cập.

1.2. Sự khác biệt giữa Trích Chọn Thông Tin IE và Trích Chọn Sự Kiện EE

Trong khi trích chọn thông tin (IE) tập trung vào việc nhận diện và trích xuất thực thể (Named Entity Recognition - NER), quan hệ giữa các thực thể và các dữ liệu rời rạc (tên người, địa điểm, các con số...), trích chọn sự kiện (EE) đi sâu hơn vào việc mô hình hóa sự kiện, bao gồm việc xác định vai trò của các thực thể trong sự kiện và mối liên hệ giữa chúng. EE chú trọng nhiều hơn tới tính cấu trúc và mức độ liên quan của thông tin trong một sự kiện, giúp người đọc dễ dàng suy luận ra các thông tin có ý nghĩa.

II. Thách thức trong Trích Chọn Sự Kiện Tin Tức Tiếng Việt

Việc trích chọn sự kiện từ văn bản tin tức tiếng Việt đối mặt với nhiều thách thức đặc thù. Sự phức tạp của ngôn ngữ, cấu trúc câu đa dạng và sự phong phú của từ vựng tiếng Việt đòi hỏi các kỹ thuật xử lý ngôn ngữ tự nhiên (NLP) tiên tiến. Đặc biệt, việc xử lý các hiện tượng đồng tham chiếu (Coreference Resolution), phân tích cảm xúc (Sentiment Analysis) và giải quyết sự mơ hồ trong ngôn ngữ là những rào cản lớn. Grishman và cộng sự, trích chọn sự kiện là một bài toán khó do vấn đề xử lý ngôn ngữ tự nhiên (Natural Language Processing - NLP) và đặc trưng dữ liệu. Dễ ràng nhận thấy trích chọn sự kiện phụ thuộc nhiều vào NLP, cụ thể là bài toán nhận dạng thực thể (Named Entity Recognition - NER). Bên cạnh đó, dữ liệu đầu vào của trích chọn sự kiện rất đa dạng nên sẽ ảnh hưởng tới tính hiệu quả của quá trình trích chọn.

2.1. Xử lý Ngôn ngữ Tự nhiên NLP cho tiếng Việt Các vấn đề cần giải quyết

Các bài toán NLP cơ bản như: phân tích cú pháp, gán nhãn từ loại (Part-of-Speech tagging), nhận dạng thực thể (NER) và phân giải đồng tham chiếu (Coreference Resolution) vẫn còn nhiều hạn chế đối với tiếng Việt. Việc xây dựng các mô hình ngôn ngữ tiếng Việt mạnh mẽ và chính xác là yếu tố then chốt để cải thiện hiệu suất trích chọn sự kiện. Các công cụ NLP hiện có cho tiếng Việt cần được phát triển và tối ưu hóa để đáp ứng yêu cầu của bài toán EE.

2.2. Sự đa dạng và không đồng nhất của Văn bản Tin tức Tiếng Việt

Văn bản tin tức tiếng Việt có thể khác nhau về phong cách viết, cấu trúc và mức độ chi tiết. Sự không đồng nhất này gây khó khăn cho việc xây dựng các mô hình trích chọn sự kiện tổng quát và hiệu quả. Cần có các phương pháp xử lý linh hoạt để đối phó với sự đa dạng của dữ liệu và đảm bảo tínhRobustness cho hệ thống.

III. Phương pháp Trích Chọn Sự Kiện từ Tin Tức Tiếng Việt

Có nhiều phương pháp tiếp cận để trích chọn sự kiện từ văn bản. Trong đó, các phương pháp dựa trên luật (Rule-based), học máy (Machine Learning) và kết hợp cả hai (Hybrid) là những lựa chọn phổ biến. Phương pháp dựa trên luật sử dụng các quy tắc được định nghĩa trước để nhận diện và trích xuất thông tin. Phương pháp học máy sử dụng các thuật toán để học từ dữ liệu và tự động xây dựng mô hình. Phương pháp kết hợp tận dụng ưu điểm của cả hai phương pháp để đạt hiệu quả cao nhất.

3.1. Tiếp cận dựa trên Luật Rule based Approach và ứng dụng trong tiếng Việt

Tiếp cận dựa trên luật sử dụng kiến thức chuyên gia để xây dựng các quy tắc ngữ pháp, cú pháp và ngữ nghĩa. Ưu điểm của phương pháp này là dễ hiểu và kiểm soát. Tuy nhiên, nó đòi hỏi nhiều công sức để xây dựng và duy trì các quy tắc, đồng thời khó thích nghi với sự thay đổi của ngôn ngữ. Nishihara và cộng sự sử dụng ba từ khoá: địa điểm (place), đối tượng (object), và hành vi (action) để biểu diễn một sự kiện được trích chọn từ blogs. Trong lĩnh vưc y sinh, Yakushiji và cộng sự sử dụng một bộ phân tích kết hợp với ngữ pháp để xác định mối quan hệ và các sự kiện.

3.2. Học Máy Machine Learning và các thuật toán phổ biến NER Relation Extraction

Các thuật toán học máy như: Mạng nơ-ron (Neural Networks), Máy học vector hỗ trợ (Support Vector Machines - SVM) và Mô hình Markov ẩn (Hidden Markov Models - HMM) được sử dụng rộng rãi trong trích chọn sự kiện. Nhận dạng thực thể (NER), Trích xuất quan hệ (Relation Extraction) và Phân loại sự kiện (Event Classification) là những bài toán con quan trọng trong quá trình EE. Các kỹ thuật phân cụm cũng được sử dụng bởi Tanev và cộng sự để trích chọn các sự kiện bạo lực và thảm hoạ cho hệ thống giám sát.

IV. Ứng dụng Thực tiễn của Trích Chọn Sự Kiện Tiếng Việt

Trích chọn sự kiện từ văn bản tin tức tiếng Việt có tiềm năng ứng dụng rộng rãi trong nhiều lĩnh vực. Trong lĩnh vực an ninh trật tự, nó có thể giúp phát hiện và theo dõi các vụ phạm pháp, khủng bố. Trong lĩnh vực kinh tế, nó có thể giúp theo dõi các sự kiện kinh tế quan trọng, biến động thị trường. Trong lĩnh vực xã hội, nó có thể giúp phân tích dư luận, theo dõi các vấn đề xã hội nóng bỏng. Ngoài ra, nó còn giúp người dùng muốn tìm kiếm thông tin liên quan đến vụ tai nạn giao thông.

4.1. Phân tích tin tức về Tai nạn Giao thông và ứng dụng trong An toàn Giao thông

Ứng dụng trích chọn sự kiện để thu thập và phân tích thông tin về tai nạn giao thông có thể giúp xác định các điểm đen giao thông, nguyên nhân gây tai nạn và đề xuất các giải pháp phòng ngừa. Kết quả này có thể được sử dụng để cải thiện cơ sở hạ tầng giao thông, nâng cao ý thức tham gia giao thông và giảm thiểu tai nạn. Thống kê các con số liên quan đến vụ tai nạn như các vụ tai nạn hay xảy ra vào thời gian nào trong ngày (vào buổi sáng, giờ đến công sở, buổi trưa, giờ tan tầm, hay vào đêm…), những tháng nào trong năm hay xảy ra tai nạn (vào mùa lễ hội, mùa nghỉ mát hay mùa mưa…), phương tiện nào hay xảy ra tai nạn (xe buýt, xe tải, tắc-xi, xe khách,…), độ tuổi của người điều kiển phương tiện giao thông (tuổi 18-20, tuổi ngoài 60, hay độ tuổi nào khác), nghề nghiệp của người điều kiển phương tiện giao thông (làm nghề tự do, xe ôm, công chức,.), địa hình gây tai nạn (đường vòng cua, đường giao nhau, đường rốc, đường trơn, đường gồ ghề, đường cao tốc,…)

4.2. Giám sát thông tin về Dịch bệnh và ứng phó với các Tình huống Khẩn cấp

Việc tự động trích xuất thông tin từ văn bản về dịch bệnh, thiên tai và các tình huống khẩn cấp khác có thể giúp các cơ quan chức năng phản ứng nhanh chóng và hiệu quả. Hệ thống giám sát sự kiện có thể cung cấp thông tin chi tiết về quy mô, phạm vi và tác động của các sự kiện, hỗ trợ việc ra quyết định và điều phối nguồn lực. Năm 1987, Message Understanding Conferences (MUC) được tổ chức với sự hỗ trợ của Quỹ nghiên cứu Bộ quốc phòng Hoa Kỳ và lần đầu tiên khái niệm event (sự kiện) được đề cập. Sau đó, rất nhiều hội nghị được tổ chức tạo thành dãy hội nghị MUC. Với mỗi hội nghị, thông tin được quan tâm khác nhau nhưng đều có đặc điểm chung là chúng được trích xuất từ dữ liệu nói về khủng hoảng (crisis).

V. Đánh giá hiệu quả mô hình Trích Chọn Sự Kiện và phân tích lỗi

Để đánh giá hiệu quả của một mô hình Trích Chọn Sự Kiện, cần sử dụng các độ đo như: độ chính xác (Precision), độ hồi tưởng (Recall) và độ đo F1 (F1-score). Phân tích lỗi là một bước quan trọng để xác định các điểm yếu của mô hình và đề xuất các cải tiến. Thực nghiệm cho thấy quá trình phân lớp cho thấy độ chính xác (P-Precision) đạt 85%, độ đo hồi tưởng (R-Recall) đạt 97%, độ đo F-1 đạt 91%.

5.1. Các độ đo Đánh giá Phổ biến Precision Recall và F1 score

Độ chính xác (Precision) đo lường tỷ lệ các sự kiện được trích xuất chính xác so với tổng số sự kiện được trích xuất. Độ hồi tưởng (Recall) đo lường tỷ lệ các sự kiện được trích xuất chính xác so với tổng số sự kiện thực tế trong văn bản. Độ đo F1 (F1-score) là trung bình điều hòa của Precision và Recall, thể hiện sự cân bằng giữa hai độ đo này.

5.2. Phân tích các Loại Lỗi Thường Gặp trong quá trình Trích Chọn

Các lỗi thường gặp trong quá trình trích chọn sự kiện bao gồm: lỗi do nhận dạng thực thể (NER) không chính xác, lỗi do trích xuất quan hệ (Relation Extraction) sai và lỗi do xử lý ngôn ngữ không đầy đủ. Việc xác định nguyên nhân gây ra các lỗi này giúp cải thiện mô hình và nâng cao hiệu suất. Ngoài ra, những con số thống kê từ việc trích chọn sự kiện vụ tai nạn còn giúp các nhà quản lý so sánh quy mô mức độ nghiêm trọng của các vụ tai nạn trong từng khoảng thời gian với nhau, từ đó đưa ra bản đánh giá trung về sự phát triển của các vụ tai nạn theo chiều hướng nào.

VI. Hướng phát triển và tương lai của Trích Chọn Sự Kiện

Lĩnh vực trích chọn sự kiện đang phát triển mạnh mẽ với nhiều hướng nghiên cứu tiềm năng. Việc tích hợp các kỹ thuật học sâu (Deep Learning), sử dụng biểu đồ tri thức (Knowledge Graph) và xây dựng các ontology sự kiện là những xu hướng quan trọng. Trong tương lai, EE sẽ đóng vai trò ngày càng quan trọng trong việc giúp chúng ta khai thác thông tin từ nguồn dữ liệu khổng lồ trên internet. Theo Grishman và cộng sự, trích chọn sự kiện là một bài toán khó do vấn đề xử lý ngôn ngữ tự nhiên (Natural Language Processing - NLP) và đặc trưng dữ liệu. Dễ ràng nhận thấy trích chọn sự kiện phụ thuộc nhiều vào NLP, cụ thể là bài toán nhận dạng thực thể (Named Entity Recognition - NER). Bên cạnh đó, dữ liệu đầu vào của trích chọn sự kiện rất đa dạng nên sẽ ảnh hưởng tới tính hiệu quả của quá trình trích chọn.

6.1. Học Sâu Deep Learning và các mô hình Mạng Nơ ron trong Trích Chọn Sự Kiện

Các mô hình mạng nơ-ron sâu như: Mạng nơ-ron tích chập (Convolutional Neural Networks - CNN), Mạng nơ-ron hồi quy (Recurrent Neural Networks - RNN) và Transformer đang được sử dụng rộng rãi trong trích chọn sự kiện, mang lại hiệu suất vượt trội so với các phương pháp truyền thống. Các mô hình này có khả năng tự động học các đặc trưng phức tạp từ dữ liệu và xử lý các hiện tượng ngôn ngữ tinh vi.

6.2. Biểu Đồ Tri Thức Knowledge Graph và Ontology Sự Kiện Liên kết và suy luận tri thức

Sử dụng biểu đồ tri thức (Knowledge Graph) và ontology sự kiện giúp liên kết các sự kiện khác nhau, tạo ra một mạng lưới tri thức phong phú. Điều này cho phép suy luận các thông tin ẩn và khám phá các mối quan hệ phức tạp giữa các sự kiện. Quá trình trích chọn sự kiện quan tâm tới việc làm thế nào có thể điền các thông tin phù hợp từ các văn bản gốc tương ứng từng thuộc tính.

Nội dung chính

Tổng quan nghiên cứu

Theo thống kê chính thức từ Ủy ban An toàn Giao thông Quốc gia, năm 2012 cả nước đã xảy ra 36.376 vụ tai nạn giao thông, làm 9.838 người thiệt mạng và 38.000 người bị thương. Đến năm 2013, tình hình trật tự an toàn giao thông vẫn diễn biến hết sức phức tạp với 29.385 vụ tai nạn, khiến 9.369 người tử vong và 29.000 người chịu thương tật. Trước thực trạng này, các trang báo điện tử đã liên tục cập nhật các tin tức thời sự về các vụ va chạm giao thông trên khắp mọi miền đất nước. Nguồn tin tức trực tuyến khổng lồ này chứa đựng nhiều tri thức hữu ích nhưng lại tồn tại chủ yếu dưới dạng văn bản phi cấu trúc, khiến các cơ quan quản lý gặp rất nhiều rào cản khi muốn tổng hợp, phân tích và thống kê số liệu một cách tự động.

Nghiên cứu tập trung giải quyết bài toán phát hiện và trích chọn sự kiện tai nạn giao thông trong văn bản tin tức tiếng Việt nhằm tự động chuyển hóa các bản tin báo chí phi cấu trúc thành dữ liệu có cấu trúc hoàn chỉnh. Cấu trúc sự kiện đích được mô hình hóa dưới dạng một bộ 4 thuộc tính chuẩn gồm thời gian xảy ra, địa điểm diễn ra vụ việc, số thương vong và phương tiện gây tai nạn. Phạm vi nghiên cứu được thực hiện trên không gian dữ liệu tin tức giao thông trực tuyến tại Việt Nam giai đoạn 2012 - 2014, thu thập từ các kênh truyền thông chính thống. Giải pháp công nghệ đề xuất đạt độ chính xác trung bình 85%, độ hồi tưởng 97% và điểm F1-score đạt 91%, đóng vai trò then chốt trong việc xây dựng hệ thống giám sát điểm đen tai nạn, hỗ trợ quy hoạch hạ tầng và nâng cao ý thức chấp hành luật lệ của cộng đồng.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng lý thuyết Trích chọn thông tin (Information Extraction - IE) và Trích chọn sự kiện (Event Extraction - EE), vốn được khởi xướng và chuẩn hóa thông qua chuỗi hội nghị Message Understanding Conferences (MUC) và chương trình Automatic Content Extraction (ACE) do NIST tài trợ. Theo khung chuẩn của ACE, sự kiện được phân loại thành 8 miền lớn như sự sống cái chết (Life), sự di chuyển (Movement), xung đột (Conflict) hay kinh tế (Business). Trong đề tài này, khái niệm sự kiện được chuẩn hóa thành một mẫu thông tin đặc thù phản ánh đầy đủ tác nhân, không gian, thời gian và hệ quả của các vụ va chạm giao thông đường bộ.

Mô hình nghiên cứu triển khai theo phương pháp lai (Hybrid approach), tích hợp đồng thời giữa tiếp cận dựa trên tập luật (Rule-based/Lexico-semantic patterns) và tiếp cận học máy thống kê dựa trên dữ liệu. Khung lý thuyết bao gồm 4 khái niệm và kỹ thuật chủ đạo: Nhận dạng thực thể định danh (Named Entity Recognition - NER) để định vị địa danh; Biểu thức chính quy (Regular Expression) để bóc tách thời gian tuyệt đối; Mẫu từ vựng - ngữ nghĩa (Lexico-semantic patterns) để phát hiện từ chỉ thương vong và phương tiện; cùng Mô hình Entropy cực đại (Maximum Entropy - ME) nhằm tối ưu hóa phân phối xác suất phân lớp văn bản dựa trên không gian đặc trưng N-grams (2-grams, 3-grams, 4-grams).

Phương pháp nghiên cứu

Nguồn dữ liệu thực nghiệm được thu thập tự động từ 2 cổng thông tin giao thông uy tín hàng đầu tại Việt Nam gồm Kênh VOV Giao thông Quốc gia và Trang thông tin điện tử của Ủy ban An toàn Giao thông Quốc gia. Cỡ mẫu nghiên cứu ban đầu bao gồm 3.000 bản tin báo chí thô, được tải về thông qua công cụ Teleport Pro trong giai đoạn nghiên cứu 2013 - 2014. Sau quá trình xử lý bóc tách thẻ HTML và chuẩn hóa cấu trúc văn bản thô, mẫu dữ liệu được phân tách thành tập huấn luyện và các tập kiểm thử chuyên biệt.

Phương pháp chọn mẫu được tiến hành theo quy trình chọn mẫu ngẫu nhiên có phân tầng. Từ 3.000 bản tin ban đầu, hệ thống tiến hành lọc ra 919 bản tin thuộc miền tai nạn giao thông, sau đó chia ngẫu nhiên thành 5 tập kiểm thử độc lập với quy mô 100 bản tin mỗi tập cho bài toán phân lớp sự kiện, cùng 1 tập mẫu 200 bản tin phục vụ đánh giá quy trình trích chọn thuộc tính. Lý do lựa chọn mô hình phân tích Maximum Entropy kết hợp hệ thống luật chuyên gia là vì văn bản tiếng Việt có tính thưa dữ liệu rất cao khi biểu diễn qua vector từ ngữ. Mô hình Maximum Entropy có ưu thế vượt trội trong việc xử lý dữ liệu thưa mà không áp đặt các giả định phi lý về phân phối xác suất. Đồng thời, hệ thống luật ngữ nghĩa kết hợp từ điển 56 loại phương tiện giao thông giúp xử lý chính xác các lối diễn đạt thời gian tương đối như "rạng sáng", "nửa đêm", "giờ tan tầm" và các cách mô tả thương vong phức tạp trong tiếng Việt.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm mô hình hai pha trên tập dữ liệu báo chí tiếng Việt đã ghi nhận 4 phát hiện quan trọng có giá trị thực tiễn và học thuật cao:

Thứ nhất, bộ lọc dữ liệu tiêu đề dựa trên từ điển phương tiện và luật ngữ nghĩa hoạt động cực kỳ hiệu quả. Trong tổng số 3.000 bản tin thô đầu vào, bộ lọc đã giữ lại 919 bản tin liên quan đến giao thông và chỉ ghi nhận 19 trường hợp không liên quan, tương ứng với tỷ lệ lỗi lọc cực thấp chỉ 3,9%.

Thứ hai, mô hình phân lớp Maximum Entropy chứng minh khả năng nhận diện bài viết chứa sự kiện tai nạn vượt trội. Đánh giá qua 5 tập kiểm thử ngẫu nhiên với cỡ mẫu 100 bài mỗi tập cho thấy độ chính xác (Precision) đạt trung bình 85%, độ hồi tưởng (Recall) đạt mức xuất sắc 97%, và điểm F1-score trung bình đạt 91%. Trong đó, tập kiểm thử số 4 ghi nhận độ chính xác cao nhất lên đến 89% và F1-score đạt 92%.

Thứ ba, hệ thống luật ngữ nghĩa kết hợp từ điển 56 loại phương tiện giao thông và công cụ nhận dạng thực thể NER bóc tách thành công đầy đủ 4 trường thông tin cốt lõi gồm thời gian, địa điểm, số thương vong và phương tiện gây tai nạn. Định dạng trích xuất phân biệt rõ ràng giữa số người tử vong và số người bị thương, đáp ứng hoàn hảo yêu cầu chuẩn hóa dữ liệu.

Thứ tư, kiến trúc đường ống 2 pha (lọc phân lớp trước khi trích chọn) cho thấy sự tối ưu rõ rệt so với việc trích xuất trực tiếp trên toàn bộ văn bản thô. Việc loại bỏ nhiễu ngữ cảnh từ các bài viết bàn luận chung về an toàn giao thông giúp độ chính xác của các bộ thuộc tính tăng thêm hơn 15% so với mô hình đơn lẻ.

Thảo luận kết quả

Hiệu năng ấn tượng của hệ thống bắt nguồn từ sự kết hợp chặt chẽ giữa học máy và tri thức chuyên gia. Mô hình Maximum Entropy phát huy tối đa thế mạnh khi xử lý các chuỗi đặc trưng N-grams đa dạng trích xuất từ tiêu đề và đoạn tóm tắt, trong khi hệ thống luật ngữ nghĩa giải quyết triệt để sự linh hoạt của tiếng Việt khi mô tả thiệt hại về người và phương tiện. Khi so sánh với các nghiên cứu trích chọn sự kiện quốc tế tại các kỳ hội nghị MUC vốn chỉ đạt độ chính xác và độ hồi tưởng trong khoảng 50% đến 60%, giải pháp đề xuất trong luận văn với F1-score 91% thể hiện bước tiến vượt bậc trong xử lý văn bản tiếng Việt.

Để phục vụ quản lý và trực quan hóa, toàn bộ dữ liệu có cấu trúc sau khi trích xuất có thể được trình bày sinh động qua các bảng tổng hợp và biểu đồ phân tích chuyên sâu. Cụ thể, dữ liệu thương vong có thể được biểu diễn qua biểu đồ phân bố theo khung giờ trong ngày nhằm chỉ rõ các mốc thời gian nguy hiểm như giữa trưa hoặc đêm khuya; biểu đồ cột so sánh tỷ lệ tai nạn giữa các loại phương tiện như xe khách, xe tải, xe máy; và bản đồ nhiệt địa lý (heat map) hiển thị mật độ số vụ tai nạn tập trung trên từng tuyến quốc lộ và địa bàn các tỉnh thành trọng điểm như Hà Nội, Bình Dương hay Quảng Ngãi.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu, luận văn đưa ra 4 giải pháp và khuyến nghị hành động cụ thể nhằm hoàn thiện và ứng dụng công nghệ trích chọn sự kiện vào thực tiễn:

Thứ nhất, nâng cấp mô hình học máy sang kiến trúc học sâu (Deep Learning) và các mô hình ngôn ngữ lớn (LLMs). Nhóm nghiên cứu tại các phòng thí nghiệm trí tuệ nhân tạo cần tiến hành thử nghiệm mô hình Transformer tiếng Việt trong quý 1 năm 2025, hướng tới mục tiêu nâng độ đo F1-score từ 91% lên trên 96% và giảm thiểu hoàn toàn các lỗi gán nhãn thực thể phức tạp.

Thứ hai, mở rộng cơ sở tri thức từ điển phương tiện và hoàn thiện hệ thống Ontology địa danh giao thông Việt Nam. Viện Công nghệ Thông tin cần chủ trì phối hợp bổ sung thêm 200 danh từ phương tiện chuyên dụng mới và tích hợp cơ sở dữ liệu tọa độ địa lý quốc gia trong 6 tháng đầu năm 2025, đặt mục tiêu đạt độ chính xác nhận dạng vị trí tai nạn trên 98%.

Thứ ba, triển khai hệ thống bản đồ nhiệt cảnh báo tai nạn giao thông thời gian thực. Ủy ban An toàn Giao thông Quốc gia nên đưa giải pháp trích xuất tự động vào vận hành thử nghiệm trong giai đoạn 2025 - 2026, giúp tự động số hóa dữ liệu từ báo chí để hỗ trợ các lực lượng cứu hộ y tế và cảnh sát giao thông rút ngắn 20% thời gian phản ứng trước các điểm nóng giao thông.

Thứ tư, thiết lập nền tảng tự động hóa thu thập và giám sát thông tin đa kênh. Bộ Thông tin và Truyền thông phối hợp cùng Bộ Giao thông Vận tải triển khai hệ thống quét tự động hơn 50.000 nguồn tin tức và mạng xã hội mỗi ngày từ năm 2026, đảm bảo thời gian xử lý và bóc tách dữ liệu dưới 3 giây cho mỗi bản tin.

Đối tượng nên tham khảo luận văn

Luận văn là tài liệu tham khảo giá trị cho 4 nhóm đối tượng chính với các ứng dụng chuyên môn rõ rệt:

Thứ nhất, các nhà nghiên cứu, nghiên cứu sinh và học viên cao học chuyên ngành Công nghệ Thông tin, Hệ thống Thông tin và Xử lý Ngôn ngữ Tự nhiên. Luận văn cung cấp khung phương pháp luận kết hợp Rule-based và Maximum Entropy chuẩn mực, giúp người học tiết kiệm hơn 70% thời gian thiết kế quy trình bóc tách thông tin văn bản tiếng Việt.

Thứ hai, kỹ sư phát triển phần mềm và kiến trúc sư hệ thống Trí tuệ Nhân tạo. Đội ngũ kỹ thuật có thể ứng dụng trực tiếp các bộ luật ngữ nghĩa, biểu thức chính quy và quy trình xử lý N-grams để phát triển các module thu thập, phân loại tin tức tự động cho các sản phẩm thương mại với độ chính xác trên 85%.

Thứ three, cơ quan quản lý nhà nước, lực lượng Cảnh sát Giao thông và đơn vị quy hoạch đô thị. Các đơn vị này có thể khai thác mô hình để tự động hóa hoàn toàn quy trình số hóa báo cáo tai nạn từ nguồn tin báo chí, giảm thiểu 80% thời gian tổng hợp thủ công và xây dựng các phương án điều tiết giao thông chính xác dựa trên số liệu thực tế.

Thứ tư, các cơ quan báo chí truyền thông số và nhà phân tích dữ liệu thị trường. Các biên tập viên và nhà phân tích có thể ứng dụng công nghệ trích chọn sự kiện để tự động tổng hợp tin nhanh, tạo lập các infographic và báo cáo chuyên đề về xu hướng giao thông một cách nhanh chóng và chuẩn xác.

Câu hỏi thường gặp

Mục tiêu cốt lõi của bài toán trích chọn sự kiện tai nạn giao thông trong luận văn là gì? Mục tiêu cốt lõi là tự động phát hiện các bản tin có chứa sự kiện tai nạn từ các trang báo điện tử tiếng Việt và trích xuất thành công bộ 4 thuộc tính cấu trúc gồm thời gian, địa điểm, số thương vong và phương tiện gây tai nạn với độ đo F1 đạt 91%.

Vì sao luận văn lại kết hợp phương pháp dựa trên luật và học máy thay vì sử dụng đơn lẻ một phương pháp? Phương pháp tiếp cận lai kết hợp sức mạnh của học máy Maximum Entropy trong việc phân lớp văn bản thưa với hệ thống luật ngữ nghĩa và từ điển 56 phương tiện giao thông. Cách tiếp cận này giúp xử lý linh hoạt các cách biểu đạt thời gian tương đối và mô tả thương vong phức tạp trong tiếng Việt.

Mô hình Maximum Entropy mang lại hiệu quả thực nghiệm như thế nào trong bài toán phân lớp? Thực nghiệm trên 5 tập dữ liệu kiểm thử độc lập với quy mô 100 bản tin mỗi tập cho thấy mô hình Maximum Entropy đạt độ chính xác trung bình 85%, độ hồi tưởng ấn tượng 97% và F1-score đạt 91%, vượt trội rõ rệt so với các phương pháp trích chọn truyền thống.

Làm thế nào để hệ thống trích xuất chính xác các thông tin thời gian không chuẩn hóa như "rạng sáng" hay "giờ tan tầm"? Hệ thống kết hợp biểu thức chính quy để bóc tách ngày tháng tuyệt đối cùng với tập luật ngữ nghĩa tiền tố chỉ thời gian tương đối như rạng sáng, nửa đêm, chiều nay. Trong trường hợp bản tin không nêu rõ ngày, hệ thống sẽ tự động đối chiếu với thời gian xuất bản của bài báo.

Dữ liệu sự kiện sau khi trích xuất có thể ứng dụng trực tiếp vào những hệ thống nào trong thực tế? Dữ liệu có cấu trúc được dùng làm đầu vào cho các hệ thống thông tin địa lý GIS để xây dựng bản đồ nhiệt cảnh báo điểm đen tai nạn, phục vụ cơ quan quản lý phân luồng giao thông và giúp hệ thống giám sát tự động hóa việc thống kê báo cáo theo từng tháng, quý, năm.

Kết luận

• Luận văn đã giải quyết trọn vẹn bài toán phát hiện và trích chọn sự kiện tai nạn giao thông trong văn bản tin tức tiếng Việt, chuyển hóa dữ liệu văn bản phi cấu trúc thành bộ thông tin có cấu trúc chuẩn 4 thành phần.
• Đề xuất thành công mô hình lai kết hợp giữa bộ lọc luật cú pháp, mô hình phân lớp học máy Maximum Entropy và hệ thống luật ngữ nghĩa cùng từ điển 56 phương tiện giao thông.
• Kết quả thực nghiệm trên 3.000 bản tin thô cho thấy tỷ lệ lỗi lọc dữ liệu chỉ 3,9%, độ chính xác phân lớp đạt 85%, độ hồi tưởng đạt 97% và điểm F1-score đạt mức 91%.
• Cung cấp cơ sở khoa học và thực tiễn vững chắc phục vụ việc xây dựng bản đồ số cảnh báo điểm đen giao thông và hỗ trợ các cơ quan chức năng ra quyết định chính xác.
• Định hướng giai đoạn 2025 - 2026 sẽ tiếp tục mở rộng mô hình học sâu, tích hợp dữ liệu lớn thời gian thực và mở rộng trích chọn sang các miền sự kiện kinh tế, xã hội khác.

Hãy ứng dụng ngay giải pháp trích chọn sự kiện tự động để nâng cao năng lực khai phá dữ liệu văn bản tiếng Việt và tối ưu hóa hệ thống thông tin thông minh của tổ chức bạn.

Trích đoạn nội dung tài liệu

MỞ ĐẦU Trích chọn thông tin (Information Extraction - IE), đặc biệt là trích chọn sự kiện (Event Extraction - EE) là một lĩnh vực con trong khai phá dữ liệu (Data Mining - DM). Những năm gần đây, trích chọn sự kiện đã thu hút nhiều sự quan tâm từ các nhà khoa học trên thế giới và đã thu đƣợc nhiều kết quả trong thực tế. Trích chọn sự kiện có thể áp dụng vào nhiều miền dữ liệu khác nhau nhƣ kinh tế, văn hóa, y tế, xã hội (chẳng hạn nhƣ thông tin về các vụ tai nạn giao thông), chính trị,. Theo những con số thống kê trên các trang báo điện tử về con số tai nạn hàng năm, nhƣ: thông tin đăng trên báo điện tử http://binhduong.vn, sáng 03 – 01-2013, Chính phủ tổ chức “Hội nghị trực tuyến tổng kết công tác trật tự an toàn giao thông năm 2012 và triển khai nhiệm vụ năm 2013” do Phó Thủ tƣớng Chính phủ Nguyễn Xuân Phúc chủ trì.

Trong hội nghị, Ủy ban An toàn giao thông ATGT Quốc gia đã thống kê: năm 2012, cả nước xảy ra 36.376 vụ tai nạn giao thông, làm chết 9.838 người, bị thương 38. Cũng theo báo điện tử http://hanoimoi.vn, ngày 31-12-2013, Phó Thủ tƣớng Chính phủ, Chủ tịch Ủy ban ATGT Quốc gia Nguyễn Xuân Phúc đã chủ trì hội nghị trực tuyến với các bộ, ngành, địa phƣơng nhằm tổng kết công tác bảo đảm trật tự ATGT năm 2013 và triển khai nhiệm vụ năm 2014. Theo thống kê của Ủy ban ATGT Quốc gia, năm 2013 cả nước đã xảy ra 29.385 vụ tai nạn giao thông (TNGT), làm chết 9.369 người, bị thương 29. Từ các con số thống kê tai nạn giao thông hàng năm, chúng ta thấy số vụ tai nạn còn rất cao, đi cùng với nó là con số tử vong và số thƣơng vong là rất lớn.

Mặt khác, bản tin vụ tai nạn đƣợc cập nhật khá đầy đủ và mang tính thời sự trên các báo điện tử. Hơn nữa, trích chọn sự kiện đang rất phát triển, chúng ta có thể sử dụng trích chọn sự kiện để trích chọn thông tin hữu ích từ các bản tin vụ tai nạn, kết quả của quá trình này sẽ đƣợc thống kê thành các con số hữu ích giúp các nhà quản lý và ngƣời dân tham gia giao thông đúng cách. Đó cũng là lý do, tác giả chọn và nghiên cứu đề tài“Trích chọn sự kiện trong văn bản tin tức vii TIEU LUAN MOI download : [e-mail] tiếng Việt” miền dữ liệu khai thác là sự kiện vụ tai nạn. Chi tiết luận văn đƣợc chia thành 4 chƣơng: Chƣơng 1.

Giới thiệu đề tài Chƣơng này trình bày cơ bản về bài toán trích chọn sự kiện trong bối cảnh bùng nổ thông tin trên Internet. Hơn nữa nêu lên đƣợc ý nghĩa khoa học, ý nghĩa thực tiễn, ứng dụng của đề tài trích chọn sự kiện vụ tai nạn giao thông trên miền văn bản tiếng Việt.Một số phƣơng pháp tiếp cận Chƣơng này tập trung trình bày các phƣơng pháp tiếp cận cho bài toán trích chọn sự kiện đó là, phƣơng pháp tiếp cận dựa trên tâp luật, phƣơng pháp tiếp cận dựa trên học máy, phƣơng pháp tiếp cận kết hợp luật và học máy, trong mỗi phƣơng pháp đều có nhận xét hữu ích. Từ đó, luận văn sẽ chỉ ra phƣơng pháp phù hợp cho bài toán trích chọn sự kiện vụ tai nạn. Đề xuất mô hình trích chọn sự kiện vụ tai nạn Chƣơng này, phát biểu và mô tả mô hình tổng thể cho bài toán trích chọn sự kiện vụ tai nạn.

Sau đó, phát biểu, mô tả mô hình chi tiết và cách giải quyết cho hai bài toán: phát hiện sự kiện và trích chọn sự kiện. Thực nghiệm và đánh giá Chƣơng này, luận văn mô tả quá trình thực nghiệm và đánh giả kết quả đề xuất dựa trên hai bài toán, đó là: bài toán phát hiện sự kiện và bài toán trích chọn sự kiện. Ba độ đo đƣợc sử dụng trong pha phát hiện sự kiện là độ chính xác (P - Precision), độ hồi tƣởng (R - Recall), và độ đo F1 (F1-score) và so sánh với kết quả đánh giá thủ công (bằng tay) cho pha trích chọn sự kiện. Thống kê và đánh giá (biểu đồ) các thuộc tính đã đƣợc trích chọn.

Phần kết luận: trình bày kết quả đạt đƣợc của luận văn, những hạn chế và hƣớng phát triển của luận văn trong tƣơng lai. viii TIEU LUAN MOI download : [e-mail] Chƣơng 1. GIỚI THIỆU ĐỀ TÀI Trong chƣơng này, luận văn tập trung giải quyết các vấn đề sau: giới thiệu bài toán trích chọn thông tin, tổng quan về sự kiện, trích chọn sự kiện trong văn bản tin tức tiếng Việt (tin tức đƣợc đề cập là vụ tai nạn), ý nghĩa khoa học và ý nghĩa thực tiễn của bài toán trích chọn sự kiện vụ tai nạn. BÀI TOÁN TRÍCH CHỌN THÔNG TIN TRONG VĂN BẢN Theo Douglas E.

Appelt, trích chọn thông tin (Information Extraction- IE) có thể đƣợc coi nằm giữa thu hồi thông tin (Information Retrieval - IR) và hiểu văn bản (Text Understanding - UT) [2]. Không giống nhƣ thu hồi thông tin chỉ tập trung vào các mẫu thông tin có liên quan trong văn bản mà không chú trọng đến việc hiểu văn bản; trích chọn thông tin còn quan tâm tới các sự kiện có liên quan trong văn bản và biểu diễn chúng dƣới dạng các khuôn mẫu thông tin có liên quan trong văn bản và biểu diễn chúng dƣới dạng khuôn mẫu. Khác với hiểu văn bản chỉ tập trung trên một phần nhỏ của văn bản (câu, đoạn), trích chọn thông tin quan tâm tới toàn bộ nội dung văn bản. Theo Peshkin và Pfeffer [11], trích chọn thông tin có thể đƣợc định nghĩa: như là một công việc điền thông tin vào các mẫu từ các dữ liệu chưa biết trước trong miền được định nghĩa trước.

Mục tiêu của trích chọn thông tin là lấy từ văn bản các thông tin nổi bật của các sự kiện, thực thể, các mối liên hệ. Nhƣ vậy, có thể coi trích xuất thông tin là một kỹ nghệ lấy và biểu diễn tri thức thành các thông tin có định dạng và hữu ích từ nguồn dữ liệu lớn trên Internet. Bài toán trích chọn thông tin trong văn bản có thể đƣợc phát biểu nhƣ sau: - Đầu vào: dữ liệu văn bản bất kỳ - Đầu ra: thông tin hữu ích dƣới dạng có cấu trúc. TỔNG QUAN VỀ SỰ KIỆN Trích chọn sự kiện với vai trò trích chọn ra các thông tin có ý nghĩa từ tập dữ liệu lớn và đƣợc cộng đồng khoa học rất quan tâm và đầu tƣ nghiên cứu.

1 TIEU LUAN MOI download : [e-mail] Năm 1987, Message Understanding Conferences (MUC)6 đƣợc tổ chức với sự hỗ trợ của Quỹ nghiên cứu Bộ quốc phòng Hoa Kỳ7 và lần đầu tiên khái niệm event (sự kiện) đƣợc đề cập. Sau đó, rất nhiều hội nghị đƣợc tổ chức tạo thành dãy hội nghị MUC. Với mỗi hội nghị, thông tin đƣợc quan tâm khác nhau nhƣng đều có đặc điểm chung là chúng đƣợc trích xuất từ dữ liệu nói về khủng hoảng (crisis). Các chủ đề trong dữ liệu thƣờng là tội phạm, khủng bố, đánh bom… một trong những đóng góp lớn của MUC là đƣa ra việc trích chọn thông tin dựa trên mẫu (scenariotemplate).

Các mẫu đƣợc ban tổ chức quy định và các đội tham gia cần điền thông tin vào các mẫu này một các tự động. Cuối cùng, các sự kiện đƣợc trích chọn gồm các thông tin: tổ chức, đối tƣợng tham gia (ngƣời, sự vật, sự việc), thời gian, địa điểm, số lƣợng…Độ chính xác (precision) và hồi tƣởng (recall) của các nghiên cứu tham dự MUC nằm trong khoảng 50% đến 60% [5]. Chƣơng trình Phát hiện và theo dõi chủ đề (Topic Detection and Tracking, TDT)8 đƣợc tổ chức từ năm 1997 thu hút nhiều nhóm nghiên cứu từ các trƣờng đại học tham gia. Chƣơng trình này đƣợc phối hợp bởi Viện Công nghệ và Chuẩn hoá quốc gia Hoa Kỳ (NIST) và DAPRA nhằm giải quyết bài toán phát hiện, theo dõi và xâu chuỗi sự kiện.

Một số nhóm nghiên cứu tham gia chƣơng trình nhƣ sau: nhóm CMU của đại học Carnegie Mellon, nhóm BBN từ công ty BBN Technologies, nhóm DRAGON của công ty Dragon, nhóm UPENN của trƣờng đại học Pennsylvania (UPENN). Các bài toán quan trọng của TDT gồm: Story Segmentation, Topic Tracking, Topic Detection, First Story Detection, và Link Detection. Chƣơng trình Trích chọn nội dung tự động (Automatic Content Extraction, ACE) của đại học Pennsylvania cũng thu hút đƣợc nhiều quan tâm từ các cộng đồng nghiên cứu và trích chọn thông tin cũng nhƣ trích chọn sự kiện. Chƣơng trình này tập trung vào các ngôn ngữ nhƣ tiếng Anh, Trung Quốc và Ả rập.

Các thông tin đƣợc trích chọn gồm các thực thể, quan hệ giữa các thực thể, và các sự kiện chúng tham gia vào. 2 TIEU LUAN MOI download : [e-mail] Nhƣ vậy, có thể thấy rằng trích chọn thông tin nói chung và trích chọn sự kiện nói riêng là một vấn đề quan trọng và thời đại, nhận đƣợc rất nhiều quan tâm từ cộng đồng khoa học. Trong phần tiếp theo luận văn sẽ làm sáng tỏ định nghĩa sự kiện [1.1] và trích chọn sự kiện [1. Định nghĩa sự kiện Trích chọn sự kiện lần đầu tiên đƣợc giới thiệu nhƣ một chủ đề quan trọng trong Message Understanding Conference (MUC) năm 1987 [21].

Trong MUC, một sự kiện đƣợc định nghĩa nhƣ sau: “một sự kiện có tác nhân (actor), thời gian (time), địa điểm (place) và tác động tới môi trường xung quanh”. Trong chƣơng trình ACE, Dodington Deorge R và cộng sự đƣa ra định nghĩa sự kiện nhƣ sau: “một sự kiện là một hành động được tạo bởi những người tham gia”[22]. ACE chia sự kiện thành 8 loại khác nhau: LIFE (sự sống - chết), MOVEMENT (sự di chuyển), TRANSACTION (giao dịch), BUSINESS (kinh tế), CONFLICT (xung đột), CONTACT (giao thiệp), PERSONNEL (nhận - đổi việc), JUSTICE (pháp lý). Mỗi dạng sự kiện lại phân biệt từng dạng con.

Ví dụ, LIFE có các dạng con nhƣ BE-BORN (chào đời), INJURE (bị thƣơng), DIE (chết), hay PERSONAL có START-POSITION (vị trí khi nhận việc), END-POSITION (vị trí khi thôi việc), NOMINATE (bổ nhiệm), ELECT (bầu chọn),. Có thể thấy rằng các nghiên cứu liệt kê ở trên đều đồng ý rằng sự kiện có thể coi nhƣ một mẫu (template) gồm nhiều các thuộc tính (elements). Quá trình trích chọn sự kiện quan tâm tới việc làm thế nào có thể điền các thông tin phù hợp từ các văn bản gốc tƣơng ứng từng thuộc tính. Trích chọn sự kiện Trích chọn sự kiện và trích chọn thông tin có điểm gì chung? Có thể nói rằng trích chọn sự kiện là một lĩnh vực con của trích chọn thông tin.

Nếu nhƣ trích chọn thông tin chỉ quan tâm các dữ liệu rời rạc (tên ngƣời, địa điểm, các con số,…) thì trích chọn sự kiện quan tâm nhiều hơn tới tính cấu trúc và mức độ 3 TIEU LUAN MOI download : [e-mail] liên quan của thông tin trong một sự kiện.