Tổng quan nghiên cứu

Sự bùng nổ của kỷ nguyên số và thương mại điện tử đã biến Internet thành kênh cung cấp thông tin du lịch khổng lồ với hàng triệu trang web đăng tải các chương trình lữ hành mỗi ngày. Tại Việt Nam, sự phát triển nhanh chóng của thị trường du lịch trực tuyến dẫn đến tình trạng thông tin phân tán, không đồng nhất và thiếu cấu trúc, khiến du khách mất trung bình khoảng 3 đến 5 giờ tìm kiếm trước khi lựa chọn được một lịch trình phù hợp. Vấn đề nghiên cứu cốt lõi đặt ra là làm thế nào để tự động hóa quy trình thu thập, xử lý và trích xuất dữ liệu tour từ các nguồn văn bản bán cấu trúc trên môi trường web nhằm phục vụ các hệ thống tìm kiếm và tư vấn thông minh.

Luận văn thạc sĩ chuyên ngành Hệ thống thông tin của tác giả Triệu Thị Tiệp, dưới sự hướng dẫn khoa học của Tiến sĩ Nguyễn Trí Thành tại Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội năm 2014, đã tập trung giải quyết trọn vẹn bài toán trích chọn thông tin trong văn bản du lịch tiếng Việt. Mục tiêu cụ thể của đề tài là xây dựng mô hình trích chọn tự động các trường dữ liệu đặc trưng bao gồm tên tour, thời gian, giá cả, lịch trình, phương tiện và điểm khởi hành.

Nghiên cứu được triển khai trên tập ngữ liệu thực tế gồm 3500 trang web thu thập từ 7 cổng thông tin du lịch uy tín tại Việt Nam. Về mặt học thuật và ứng dụng, công trình đóng góp giải pháp nâng cao chỉ số F1 tổng thể lên 93.45%, tạo tiền đề vững chắc cho việc xây dựng cơ sở dữ liệu có cấu trúc phục vụ các hệ thống gợi ý du lịch và dự báo xu hướng thị trường đạt độ tin cậy trên 90%.

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) thuộc lĩnh vực khai phá dữ liệu văn bản và xử lý ngôn ngữ tự nhiên. Khung lý thuyết bao gồm 3 khái niệm nền tảng: bài toán nhận dạng thực thể có tên (Named Entity Recognition - NER) để xác định các nhãn thời gian, tiền tệ và địa danh; bài toán trích chọn quan hệ ngữ nghĩa (Relationship Extraction) nhằm kết nối các thực thể rời rạc vào một cấu trúc thống nhất; và mô hình biểu diễn đối tượng tài liệu (Document Object Model - DOM) theo chuẩn W3C nhằm phân tích cây cú pháp của mã nguồn HTML.

Nghiên cứu kết hợp hai mô hình tiếp cận chính: mô hình phân tích cây DOM thông qua đường dẫn XPath và mô hình trích chọn dựa trên tri thức chuyên gia (Rule-based IE). Thay vì sử dụng học máy giám sát vốn đòi hỏi hàng chục nghìn mẫu huấn luyện gán nhãn thủ công tốn kém, tác giả tích hợp phương pháp bóc tách mã HTML với hệ thống tập luật ngữ cảnh (Contextual Patterns) gồm tiền tố, hậu tố và biểu thức chính quy (Regular Expressions). Mô hình này giúp nhận diện chính xác 6 thuộc tính cốt lõi của một tour du lịch: tên tour, thời lượng, giá tour, điểm xuất phát, phương tiện di chuyển và lịch trình chi tiết.

Phương pháp nghiên cứu

Nguồn dữ liệu thực nghiệm được thu thập từ 7 website du lịch phổ biến tại Việt Nam vào năm 2014, bao gồm Du Lịch Việt, Du Lịch Nam Châu, Du Lịch Á Châu, Dream Travel, Du Lịch Hà Nội, Du Lịch Miền Bắc và Du Lịch Net. Quy trình nghiên cứu kéo dài 12 tháng, triển khai tuần tự qua 5 module chức năng: thu thập dữ liệu (Crawler), lọc dữ liệu (Filter), phân lớp nguồn (Classification), trích chọn khối thông tin (Tour Extraction) và trích chọn thuộc tính chi tiết (Properties Extraction).

Phương pháp chọn mẫu áp dụng kỹ thuật chọn mẫu ngẫu nhiên phân tầng, trích xuất đồng đều 500 trang web từ mỗi website để hình thành tập dữ liệu thô gồm 3500 bài viết. Đối với các pha kiểm thử, tác giả chọn ngẫu nhiên 500 bài viết để thẩm định bộ lọc và 650 bài viết để đánh giá bộ phân lớp. Lý do lựa chọn phương pháp phân tích kết hợp giữa thư viện phân tích HTML JsoupParser và tập luật dựa trên ngữ cảnh là nhằm loại bỏ hơn 80% nhiễu cấu trúc web, triệt tiêu sự phụ thuộc vào dữ liệu gán nhãn lớn của học máy, đồng thời xử lý triệt để tính đa dạng của các cấu trúc giao diện trang web dạng danh sách (List Page) và trang chi tiết (Detail Page).

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm với hệ thống TravelFeatureExtractor trên môi trường máy tính CPU 2.2 GHz Intel Core i3 và RAM 4GB đã mang lại 4 phát hiện quan trọng:

Thứ nhất, bộ lọc dữ liệu tự động dựa trên thẻ tiêu đề và thẻ khối nội dung đạt độ chính xác 81%, giúp sàng lọc 3500 bài viết ban đầu để thu về 1820 bài viết thực sự chứa thông tin tour, loại bỏ thành công 1680 trang bài viết nhiễu liên quan đến tin tức văn hóa, ẩm thực hoặc dịch vụ phụ trợ.

Thứ hai, bộ phân lớp trang web dựa trên cấu trúc đường dẫn liên kết đạt độ chính xác ấn tượng 99.8%, phân loại chính xác 646 trên tổng số 650 bài viết thử nghiệm về đúng 7 danh mục website tương ứng để kích hoạt tập luật xử lý chuyên biệt.

Thứ ba, việc tích hợp bộ lọc tiền xử lý giúp nâng cao vượt bậc hiệu năng trích chọn. Cụ thể, độ đo F1-score trung bình của hệ thống khi trích chọn trực tiếp từ dữ liệu thô chỉ đạt 84.97%, nhưng sau khi đi qua bộ lọc dữ liệu, chỉ số F1 đã tăng vọt lên 93.45%, tương ứng mức cải thiện 8.48%. Tại một số trang như Du Lịch Việt, chỉ số F1 đạt đỉnh 94.61% với 710 tour trích chọn chính xác trên 753 tour thực tế.

Thứ tư, kết quả trích xuất và thống kê tổng hợp từ 7 website đã phân tích thành công 12758 lượt tour theo địa danh và 7409 tour theo các mức giá. Điểm đến nội địa thu hút nhiều tour nhất là Thành phố Hồ Chí Minh với 4837 tour và Hà Nội với 4739 tour; thị trường quốc tế dẫn đầu bởi Malaysia với 1872 tour và Singapore với 1500 tour. Về giá thành, phân khúc từ 2 đến 5 triệu đồng chiếm tỷ trọng cao nhất với 1741 tour, trong khi 1320 tour thuộc dạng giá liên hệ trực tiếp.

Thảo luận kết quả

Hiệu năng vượt trội của mô hình bắt nguồn từ khả năng kết hợp linh hoạt giữa phân tích cú pháp DOM của thư viện JsoupParser với các mẫu luật biên ngữ cảnh. Bộ lọc giúp cô lập chính xác các khối văn bản mục tiêu trước khi trích xuất thuộc tính, giảm thiểu đáng kể các lỗi nhận diện nhầm.

Khi phân tích sâu về các trường hợp trích chọn sai, nguyên nhân chính đến từ hai yếu tố: sự bất đồng nhất cấu trúc HTML giữa các bài viết trong cùng một website (điển hình tại website Du Lịch Miền Bắc) và lỗi chính tả tiếng Việt trong văn bản gốc (như thiếu dấu tiếng Việt ở các từ khóa chỉ giá hay thời gian). Dữ liệu nghiên cứu được trực quan hóa sinh động thông qua biểu đồ cột phân bố giá tiền từ dưới 1 triệu đến trên 30 triệu đồng và bảng ma trận đối sánh 11 địa danh trọng điểm trên 7 cổng thông tin, giúp các đơn vị kinh doanh dễ dàng nhận diện thế mạnh của từng đối thủ cạnh tranh. So với các giải pháp trích chọn dựa trên học máy thuần túy vốn đòi hỏi chi phí gán nhãn rất lớn, phương pháp đề xuất chứng minh tính khả thi cao, thời gian xử lý nhanh và độ bao phủ đạt trên 93% đối với dữ liệu văn bản tiếng Việt.

Đề xuất và khuyến nghị

Dựa trên kết quả thực nghiệm và những phân tích chuyên sâu về hệ thống trích chọn thông tin văn bản du lịch, 4 giải pháp cụ thể được đề xuất nhằm tối ưu hóa và mở rộng ứng dụng:

Thứ nhất, chuẩn hóa và tự động hóa bộ từ điển tiền xử lý chính tả tiếng Việt. Nhóm kỹ sư phát triển phần mềm và chuyên gia ngôn ngữ cần tích hợp các giải thuật sửa lỗi chính tả tự động nhằm xử lý triệt để các biến thể từ khóa không dấu hoặc sai dấu, hướng tới mục tiêu nâng chỉ số F1-score của hệ thống từ 93.45% lên 96.5% trong vòng 6 tháng tới.

Thứ hai, nâng cấp mô hình trích chọn theo hướng học bán giám sát kết hợp phân tích trực quan. Nhóm nghiên cứu trí tuệ nhân tạo cần triển khai áp dụng mô hình học máy bán giám sát (Semi-supervised Learning) kết hợp dấu hiệu trực quan (Visual Cues) trên cây DOM, nhằm giảm 70% thời gian xây dựng luật thủ công cho các website mới trong lộ trình 9 tháng.

Thứ ba, thương mại hóa hệ thống thông qua giao diện lập trình ứng dụng gợi ý du lịch thời gian thực. Các doanh nghiệp công nghệ và đơn vị lữ hành trực tuyến cần phối hợp xây dựng hệ thống tìm kiếm, so sánh giá tour tự động, cam kết năng lực xử lý trên 10000 truy vấn mỗi ngày với thời gian phản hồi dưới 200 mili giây trong vòng 12 tháng.

Thứ tư, mở rộng phạm vi thu thập dữ liệu sang các nền tảng mạng xã hội và diễn đàn trực tuyến. Cơ quan quản lý nhà nước về du lịch và các viện nghiên cứu cần tài trợ mở rộng quy mô dữ liệu thu thập sang mạng xã hội và đánh giá của người dùng, đặt mục tiêu bao phủ 100% các nguồn dữ liệu du lịch số trọng điểm tại Việt Nam trong vòng 15 tháng.

Đối tượng nên tham khảo luận văn

Luận văn là tài liệu tham khảo học thuật và ứng dụng giá trị cho 4 nhóm đối tượng trọng tâm sau:

Thứ nhất, học viên cao học, nghiên cứu sinh và giảng viên chuyên ngành Công nghệ thông tin, Khoa học máy tính và Hệ thống thông tin. Nhóm đối tượng này có thể sử dụng toàn bộ mô hình kiến trúc 5 thành phần và phương pháp kết hợp cây DOM với hệ thống luật ngữ cảnh làm tài liệu nghiên cứu cơ sở cho các đề tài trích xuất thông tin, xử lý ngôn ngữ tự nhiên tiếng Việt và khai phá dữ liệu web.

Thứ hai, kỹ sư dữ liệu (Data Engineers) và kiến trúc sư hệ thống phần mềm tại các công ty công nghệ. Luận văn cung cấp quy trình kỹ thuật hoàn chỉnh từ việc thu thập dữ liệu bằng công cụ tự động, bóc tách mã nguồn HTML bằng thư viện JsoupParser cho đến xây dựng biểu thức chính quy trích xuất thuộc tính, giúp rút ngắn hơn 50% thời gian phát triển các module thu thập dữ liệu thương mại.

Thứ ba, các doanh nghiệp lữ hành, công ty du lịch trực tuyến (OTA) và sàn thương mại điện tử. Các nhà quản trị có thể ứng dụng trực tiếp mô hình phân loại và phân tích giá để tự động cập nhật sản phẩm, theo dõi biến động giá của hơn 1000 tour đối thủ theo thời gian thực và tối ưu hóa chiến lược định giá sản phẩm từ 2 đến 5 triệu đồng.

Thứ tư, chuyên viên phân tích thị trường và cơ quan quản lý nhà nước về xúc tiến du lịch số. Nghiên cứu cung cấp phương pháp luận chuẩn xác để đo lường mức độ quan tâm của du khách đối với từng địa danh, phục vụ việc xây dựng báo cáo quy hoạch du lịch địa phương dựa trên dữ liệu lớn.

Câu hỏi thường gặp

Phương pháp kết hợp giữa phân tích mã HTML và tập luật có ưu điểm gì vượt trội so với học máy thuần túy?

Phương pháp này giúp hệ thống đạt chỉ số F1 lên tới 93.45% mà không đòi hỏi xây dựng tập dữ liệu huấn luyện gán nhãn thủ công tốn kém hàng trăm triệu đồng. Bằng cách thao tác trực tiếp trên cây DOM của JsoupParser và áp dụng các biểu thức chính quy theo ngữ cảnh, mô hình triệt tiêu hoàn toàn thời gian tiền xử lý phức tạp của ngôn ngữ tự nhiên tiếng Việt.

Bộ lọc dữ liệu đóng góp bao nhiêu phần trăm vào việc cải thiện độ chính xác của toàn hệ thống?

Bộ lọc dữ liệu đóng vai trò quyết định khi loại bỏ 1680 bài viết không liên quan từ 3500 trang web thô với độ chính xác 81%. Nhờ bước tiền lọc này, chỉ số F1-score tổng thể của toàn bộ hệ thống tăng mạnh từ 84.97% lên 93.45%, tương đương mức cải thiện thực tế là 8.48% độ chính xác trích xuất.

Hệ thống xử lý sự khác biệt giữa hai định dạng trang web danh sách và trang web chi tiết như thế nào?

Hệ thống sử dụng bộ phân lớp nguồn đạt độ chính xác 99.8% để xác định website gốc, sau đó kích hoạt các mẫu luật bóc tách tương ứng. Đối với trang danh sách như Du Lịch Việt, hệ thống lặp qua các khối chứa nhiều tour; đối với trang chi tiết như Dream Travel, hệ thống bóc tách trực tiếp từng trường thuộc tính đơn lẻ.

Dữ liệu sau khi trích chọn có thể hỗ trợ dự đoán xu hướng du lịch như thế nào?

Dữ liệu có cấu trúc giúp tự động thống kê tần suất xuất hiện của các tour theo địa danh và mức giá. Ví dụ, phân tích 12758 lượt tour cho thấy Thành phố Hồ Chí Minh dẫn đầu với 4837 tour và điểm đến quốc tế như Malaysia đạt 1872 tour, giúp doanh nghiệp nhận diện chính xác 80% nhu cầu thị trường để phân bổ nguồn lực.

Những yếu tố nào gây ra sai số trong quá trình trích chọn và cách khắc phục?

Sai số chủ yếu phát sinh do lỗi chính tả tiếng Việt trong bài viết gốc và cấu trúc thẻ HTML không đồng nhất giữa các trang con. Vấn đề này có thể khắc phục triệt để bằng cách tích hợp thuật toán sửa lỗi chính tả tự động và ứng dụng mô hình học máy bán giám sát để cập nhật luật linh hoạt trong tương lai.

Kết luận

  • Luận văn đã giải quyết xuất sắc bài toán trích chọn thông tin trong văn bản du lịch tiếng Việt bán cấu trúc bằng mô hình kết hợp phân tích cây DOM HTML và tập luật ngữ cảnh chuyên biệt.
  • Hệ thống TravelFeatureExtractor hoàn chỉnh gồm 5 module chức năng đã xử lý thành công tập dữ liệu 3500 bài viết từ 7 cổng thông tin trực tuyến lớn tại Việt Nam.
  • Kết quả thực nghiệm khẳng định vai trò then chốt của bộ lọc dữ liệu với độ chính xác 81%, giúp nâng chỉ số F1-score của toàn bộ quy trình trích chọn từ 84.97% lên 93.45%.
  • Công trình cung cấp bức tranh toàn cảnh về thị trường du lịch với 12758 lượt tour được cấu trúc hóa, chỉ ra phân khúc giá 2 đến 5 triệu đồng và các điểm đến trọng điểm như Thành phố Hồ Chí Minh, Hà Nội, Malaysia chiếm tỷ trọng cao nhất.
  • Lộ trình 6 đến 15 tháng tới tập trung mở rộng mô hình học máy bán giám sát, chuẩn hóa từ điển chính tả và thương mại hóa hệ thống tư vấn du lịch thông minh phục vụ cộng đồng.

Hãy tham khảo và ứng dụng ngay mô hình trích chọn thông tin tiên tiến này để nâng cấp hệ sinh thái dữ liệu số cho doanh nghiệp lữ hành của bạn ngay hôm nay.