Ứng Dụng Mã Nguồn Mở ElasticSearch Vào Hệ Thống Tìm Kiếm Danh Bạ Y Tế Hiệu Quả

Tài liệu nghiên cứu Luận văn ứng dụng mã nguồn mở elasticsearch vào hệ thống tìm kiếm danh bạ y tế hiệu quả, tổng hợp lý thuyết và thực hành, cung cấp kiến thức chuyên sâu về .

• Tác giả: Nguyễn Văn Thìn
• Người hướng dẫn: TS. Trần Trọng Toàn
• Trường học: Học viện Khoa học và Công nghệ
• Chuyên ngành: Máy tính
• Đề tài: Ứng Dụng ElasticSearch Trong Hệ Thống Tìm Kiếm Danh Bạ Y Tế
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2021
• Địa điểm: Thành phố Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• MỤC LỤC
• DANH MỤC VIẾT TẮT
• DANH MỤC CÁC BẢNG
• DANH MỤC CÁC HÌNH MINH HỌA
• MỞ ĐẦU
• 1. CHƯƠNG 1: TỔNG QUAN VỀ HỆ THỐNG TÌM KIẾM THÔNG TIN
• 1.1. Khái niệm về tìm kiếm thông tin
• 1.2. Khái niệm về hệ thống tìm kiếm thông tin
• 1.2.1. Bộ phận thu thập thông tin - Robot
• 1.2.2. Bộ phận lập chỉ mục - Index
• 1.2.3. Bộ phận tìm kiếm thông tin và Search Engine
• 2. CHƯƠNG 2: GIỚI THIỆU BÀI TOÁN VÀ LỰA CHỌN CÔNG NGHỆ
• 2.1. Giới thiệu bài toán
• 2.2. Phương pháp giải quyết
• 2.3. Tổng quan ElasticSearch
• 2.3.1. Khái niệm về ElasticSearch
• 2.3.2. Các khái niệm cần biết trong ElasticSearch
• 2.3.3. Analyzers và mô hình truy hồi thông tin của ElasticSearch
• 2.3.4. Query DSL (domain-Specific Language) trong ElasticSearch
• 2.3.5. Mô hình truy hồi thông tin của ElasticSearch
• 3. CHƯƠNG 3: THỰC NGHIỆM XÂY DỰNG WEBSITE TÌM KIẾM DANH BẠ Y TẾ
• 3.1. Giao diện cho người sử dụng
• 3.2. Giao diện cho người quản trị
• 3.3. Đánh giá và thử nghiệm
• 3.3.1. Mô hình kiến trúc ứng dụng thử nghiệm
• 3.3.2. Kịch bản và kết quả
• 3.3.3. Đánh giá kết quả nghiên cứu
• DANH MỤC TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Hệ Thống Tìm Kiếm Thông Tin Y Tế Hiện Nay

Ngày nay, với sự phát triển mạnh mẽ của công nghệ thông tin, lượng dữ liệu và văn bản trực tuyến đã tăng lên đáng kể. Điều này kéo theo nhu cầu cấp thiết về các công cụ tìm kiếm thông tin hiệu quả, đặc biệt trong lĩnh vực y tế. Các hệ thống tìm kiếm thông tin y tế cần đáp ứng nhu cầu tìm kiếm thông tin sức khỏe chính thống, địa chỉ khám chữa bệnh uy tín và bác sĩ giỏi chuyên môn. Tuy nhiên, việc tìm kiếm thông tin y tế bằng tiếng Việt vẫn còn nhiều hạn chế. Các công cụ như Google đôi khi trả về kết quả không chính xác hoặc mất nhiều thời gian để tìm kiếm thông tin cần thiết. Do đó, việc xây dựng một hệ thống tìm kiếm thông tin y tế chuyên biệt, hiệu quả là vô cùng quan trọng. Các hệ thống này cần có khả năng lưu trữ thông tin, truy tìm thông tin và duy trì thông tin một cách hiệu quả. Theo Kowalski [8], hệ thống tìm kiếm thông tin có thể bao gồm văn bản, hình ảnh, âm thanh, video và các đối tượng đa phương tiện khác.

1.1. Khái Niệm Cơ Bản Về Tìm Kiếm Thông Tin Y Tế

Tìm kiếm thông tin (Information Retrieval – IR) là quá trình tìm kiếm tài nguyên, thường là các tài liệu, trên một tập lớn các dữ liệu phi cấu trúc, thường là văn bản, được lưu trữ trên các máy tính nhằm thỏa mãn nhu cầu về thông tin [6]. Mục đích cuối cùng là cung cấp thông tin chính xác và phù hợp với nhu cầu của người dùng. Điều này đòi hỏi các kỹ thuật biểu diễn thông tin hiệu quả, bao gồm cách biểu diễn thông tin cần thiết cho truy vấn và cách chọn lọc thông tin từ văn bản hoặc tài liệu. Các phương pháp so sánh thông tin cũng rất quan trọng để đảm bảo kết quả trả về giống với mong đợi của người dùng. Việc đánh giá mức độ xử lý khi trả về kết quả trong việc tìm kiếm thông tin trong một tập tài liệu và câu truy vấn cho tài liệu đó dựa vào các cách sau: Độ chính xác (Precision), Độ bao phủ (Recall), Kết quả sai (fall - out).

1.2. Các Thành Phần Cấu Thành Hệ Thống Tìm Kiếm Thông Tin

Một hệ thống tìm kiếm thông tin hoàn chỉnh bao gồm nhiều thành phần quan trọng. Đầu tiên là bộ phận thu thập thông tin (Robot), có nhiệm vụ duyệt qua các cấu trúc siêu liên kết để thu thập tài liệu. Tiếp theo là bộ phận lập chỉ mục (Index), thực hiện phân tích và tối ưu hóa tốc độ tìm kiếm. Cuối cùng là bộ phận tìm kiếm thông tin và Search Engine, chịu trách nhiệm tìm kiếm tài liệu từ yêu cầu của người dùng và trả về danh sách kết quả phù hợp nhất. Các bộ phận này hoạt động liên tục và phối hợp chặt chẽ để đảm bảo hiệu quả của hệ thống. Search Engine là cụm từ dùng chỉ toàn bộ hệ thống bao gồm bộ thu thập thông tin, bộ lập chỉ mục và bộ tìm kiếm thông tin [13]. Các bộ phận này hoạt động liên tục từ lúc khởi động hệ thống, chúng phụ thuộc lẫn nhau về mặt dữ liệu nhưng độc lập với nhau về mặt hoạt động.

II. Thách Thức Khi Xây Dựng Hệ Thống Tìm Kiếm Danh Bạ Y Tế

Việc xây dựng một hệ thống tìm kiếm danh bạ y tế hiệu quả đối mặt với nhiều thách thức. Một trong những thách thức lớn nhất là xử lý ngôn ngữ tiếng Việt, vốn có nhiều đặc điểm phức tạp như dấu thanh, từ ghép và cấu trúc ngữ pháp linh hoạt. Các công cụ tìm kiếm thông thường thường gặp khó khăn trong việc xử lý chính xác các truy vấn tiếng Việt, dẫn đến kết quả tìm kiếm không đầy đủ hoặc không liên quan. Ngoài ra, việc phân loại và tổ chức thông tin y tế, bao gồm hồ sơ bác sĩ, phòng khám, bệnh viện và dịch vụ y tế, cũng đòi hỏi một cấu trúc dữ liệu rõ ràng và khả năng mở rộng linh hoạt. Cuối cùng, việc đảm bảo tính bảo mật và riêng tư của thông tin y tế là vô cùng quan trọng, đặc biệt khi hệ thống cho phép người dùng tương tác và đánh giá các dịch vụ y tế. Cần có các biện pháp bảo mật mạnh mẽ để bảo vệ thông tin cá nhân và tuân thủ các quy định về bảo vệ dữ liệu như HIPAA và GDPR.

2.1. Vấn Đề Tìm Kiếm Tiếng Việt Trong Lĩnh Vực Y Tế

Tìm kiếm tiếng Việt trong lĩnh vực y tế gặp nhiều khó khăn do đặc thù của ngôn ngữ và sự phức tạp của thông tin y tế. Các từ khóa y tế thường dài và có nhiều biến thể, đòi hỏi hệ thống phải có khả năng xử lý ngôn ngữ tự nhiên (NLP) mạnh mẽ. Bên cạnh đó, việc thiếu các bộ dữ liệu huấn luyện và tài nguyên ngôn ngữ tiếng Việt chuyên biệt cho lĩnh vực y tế cũng là một trở ngại lớn. Các hệ thống tìm kiếm cần có khả năng phân tích ngữ nghĩa, nhận diện thực thể và xử lý các lỗi chính tả để đảm bảo kết quả tìm kiếm chính xác và phù hợp. Gần đây, nhiều thư viện nguồn mở hỗ trợ mạnh việc tìm kiếm thông tin nhanh như Elastic Search, Solr … Điều đặc biệt hơn cả là việc xuất hiện nhiều mã nguồn mở xử lý ngôn ngữ tiếng Việt do các kỹ sư CNTT hay các nhà khoa học tại Việt Nam phát triển như underthesea, vn_tokenizer… đã làm cho việc tìm kiếm dữ liệu tiếng Việt ngày càng chính xác hơn.

2.2. Tổ Chức Và Quản Lý Dữ Liệu Danh Bạ Y Tế

Việc tổ chức và quản lý dữ liệu danh bạ y tế là một thách thức lớn do sự đa dạng và phức tạp của thông tin. Dữ liệu cần được cấu trúc một cách rõ ràng để đảm bảo khả năng tìm kiếm và truy xuất hiệu quả. Các thông tin như hồ sơ bác sĩ, phòng khám, bệnh viện, chuyên khoa, dịch vụ y tế, địa chỉ, số điện thoại và thời gian làm việc cần được lưu trữ và liên kết một cách hợp lý. Hệ thống cũng cần có khả năng xử lý các thông tin không cấu trúc như mô tả dịch vụ, đánh giá của người dùng và bình luận. Việc sử dụng các cơ sở dữ liệu NoSQL như Elasticsearch có thể giúp giải quyết vấn đề này bằng cách cho phép lưu trữ dữ liệu dưới dạng JSON document linh hoạt.

III. Ứng Dụng Elasticsearch Cho Hệ Thống Tìm Kiếm Danh Bạ Y Tế

Elasticsearch là một công cụ tìm kiếm và phân tích mã nguồn mở mạnh mẽ, dựa trên Apache Lucene. Nó cung cấp khả năng tìm kiếm toàn văn bản (full-text search), tìm kiếm gần đúng (fuzzy search) và tìm kiếm theo vị trí địa lý (geo-location search) với tốc độ cao và độ chính xác cao. Elasticsearch phù hợp cho việc xây dựng các hệ thống tìm kiếm thông tin lớn và phức tạp, bao gồm cả hệ thống tìm kiếm danh bạ y tế. Với khả năng indexing Elasticsearch và phân tích dữ liệu y tế, Elasticsearch cho phép người dùng tìm kiếm thông tin y tế một cách nhanh chóng và dễ dàng. Ngoài ra, Elasticsearch còn cung cấp các API mạnh mẽ để tích hợp với các ứng dụng web và di động, cho phép xây dựng các giao diện tìm kiếm thân thiện và dễ sử dụng.

3.1. Tổng Quan Về Elasticsearch Và Các Tính Năng Chính

Elasticsearch là một công cụ tìm kiếm và phân tích mã nguồn mở, phân tán, RESTful, được xây dựng trên nền tảng Apache Lucene. Nó được sử dụng rộng rãi trong nhiều lĩnh vực, bao gồm tìm kiếm doanh nghiệp, ghi nhật ký và phân tích bảo mật. Elasticsearch cung cấp nhiều tính năng mạnh mẽ, bao gồm tìm kiếm toàn văn bản, tìm kiếm theo cấu trúc, phân tích dữ liệu và trực quan hóa dữ liệu. Các khái niệm cần biết trong Elasticsearch: Analyzers, Query DSL (domain- Specific Language), Mô hình truy hồi thông tin.

3.2. Xây Dựng Index Và Mapping Cho Dữ Liệu Danh Bạ Y Tế

Để sử dụng Elasticsearch hiệu quả, cần xây dựng index và mapping phù hợp cho dữ liệu danh bạ y tế. Index là một cấu trúc dữ liệu cho phép tìm kiếm nhanh chóng trong một tập hợp các tài liệu. Mapping định nghĩa cách các trường trong tài liệu được phân tích và lưu trữ. Việc xây dựng index và mapping đúng cách là rất quan trọng để đảm bảo hiệu suất tìm kiếm và độ chính xác tìm kiếm. Cần xác định các trường nào cần được lập chỉ mục, loại dữ liệu của từng trường và cách phân tích văn bản cho các trường văn bản. Ví dụ [12] như Google là máy tìm kiếm phổ biến nhất hiện nay, được đồng sáng chế bởi Lary Page và Sergey Brin năm 1997, đi vào hoạt động từ năm 1998. Google hoạt động dựa vào lập trình hệ thống PageRank (bằng sáng chế năm 1998) và là Search Engine hiện đại nhất ngày nay.

3.3. Tối Ưu Hóa Truy Vấn Tìm Kiếm Với Elasticsearch Query DSL

Elasticsearch cung cấp một ngôn ngữ truy vấn mạnh mẽ gọi là Query DSL (Domain Specific Language). Query DSL cho phép người dùng xây dựng các truy vấn phức tạp để tìm kiếm thông tin y tế. Có nhiều loại truy vấn khác nhau, bao gồm truy vấn chính xác (term query), truy vấn gần đúng (fuzzy query), truy vấn phạm vi (range query) và truy vấn boolean (bool query). Việc sử dụng Query DSL hiệu quả có thể cải thiện đáng kể hiệu suất tìm kiếm và độ chính xác tìm kiếm. Cần hiểu rõ các loại truy vấn khác nhau và cách kết hợp chúng để xây dựng các truy vấn phù hợp với nhu cầu tìm kiếm của người dùng.

IV. Thực Nghiệm Xây Dựng Website Tìm Kiếm Danh Bạ Y Tế

Để đánh giá hiệu quả của việc ứng dụng Elasticsearch vào hệ thống tìm kiếm danh bạ y tế, một website thử nghiệm đã được xây dựng. Website này cung cấp giao diện cho người dùng tìm kiếm thông tin về bác sĩ, phòng khám và bệnh viện. Giao diện tìm kiếm được thiết kế đơn giản và dễ sử dụng, với các bộ lọc tìm kiếm theo chuyên khoa, vị trí và đánh giá. Website cũng cung cấp giao diện quản trị cho phép cập nhật và quản lý dữ liệu danh bạ y tế. Kết quả thử nghiệm cho thấy Elasticsearch có thể cải thiện đáng kể hiệu suất tìm kiếm và độ chính xác tìm kiếm so với các phương pháp tìm kiếm truyền thống. Người dùng có thể tìm kiếm thông tin y tế một cách nhanh chóng và dễ dàng, đồng thời có thể tương tác và đánh giá các dịch vụ y tế.

4.1. Thiết Kế Giao Diện Người Dùng Và Giao Diện Quản Trị

Giao diện người dùng được thiết kế trực quan và dễ sử dụng, tập trung vào việc cung cấp trải nghiệm tìm kiếm tốt nhất cho người dùng. Các tính năng như autocomplete, fuzzy search và geo-location search được tích hợp để giúp người dùng tìm kiếm thông tin y tế một cách nhanh chóng và chính xác. Giao diện quản trị được thiết kế để cho phép người quản trị dễ dàng cập nhật và quản lý dữ liệu danh bạ y tế. Các tính năng như thêm, sửa, xóa và tìm kiếm dữ liệu được cung cấp để giúp người quản trị duy trì tính chính xác và đầy đủ của dữ liệu.

4.2. Đánh Giá Hiệu Năng Và Độ Chính Xác Của Hệ Thống

Hiệu năng và độ chính xác của hệ thống được đánh giá bằng cách sử dụng một tập hợp các truy vấn tìm kiếm thực tế. Các chỉ số như thời gian phản hồi, độ chính xác (precision) và độ bao phủ (recall) được sử dụng để đánh giá hiệu quả của hệ thống. Kết quả đánh giá cho thấy Elasticsearch có thể cung cấp hiệu suất tìm kiếm cao và độ chính xác tìm kiếm tốt. Hệ thống có thể xử lý một lượng lớn truy vấn tìm kiếm đồng thời mà không bị chậm trễ. Độ chính xác và độ bao phủ của hệ thống cũng đạt mức cao, cho thấy hệ thống có thể trả về các kết quả tìm kiếm phù hợp và đầy đủ.

V. Kết Luận Và Hướng Phát Triển Hệ Thống Tìm Kiếm Y Tế

Luận văn đã trình bày về việc ứng dụng Elasticsearch vào xây dựng hệ thống tìm kiếm danh bạ y tế hiệu quả. Kết quả nghiên cứu cho thấy Elasticsearch là một công cụ mạnh mẽ và phù hợp cho việc xây dựng các hệ thống tìm kiếm thông tin y tế lớn và phức tạp. Hệ thống tìm kiếm được xây dựng có khả năng cung cấp hiệu suất tìm kiếm cao, độ chính xác tìm kiếm tốt và trải nghiệm người dùng thân thiện. Trong tương lai, hệ thống có thể được phát triển thêm các tính năng như tìm kiếm nâng cao, tìm kiếm theo vị trí, tìm kiếm theo chuyên môn và tìm kiếm theo bảo hiểm. Ngoài ra, hệ thống cũng có thể được tích hợp với các hệ thống khác như hệ thống hồ sơ sức khỏe điện tử (EHR) và hệ thống quản lý bệnh viện để cung cấp một giải pháp toàn diện cho việc quản lý và tìm kiếm thông tin y tế.

5.1. Tóm Tắt Kết Quả Nghiên Cứu Và Đóng Góp

Nghiên cứu đã thành công trong việc xây dựng một hệ thống tìm kiếm danh bạ y tế hiệu quả bằng cách sử dụng Elasticsearch. Hệ thống có khả năng cung cấp hiệu suất tìm kiếm cao, độ chính xác tìm kiếm tốt và trải nghiệm người dùng thân thiện. Nghiên cứu cũng đóng góp vào việc phát triển các kỹ thuật tìm kiếm thông tin y tế bằng tiếng Việt, vốn còn nhiều hạn chế. Các kết quả nghiên cứu có thể được sử dụng để xây dựng các hệ thống tìm kiếm thông tin y tế khác, cũng như để cải thiện các hệ thống tìm kiếm thông tin hiện có.

5.2. Hướng Phát Triển Và Mở Rộng Hệ Thống Trong Tương Lai

Trong tương lai, hệ thống có thể được phát triển thêm các tính năng như tìm kiếm nâng cao, tìm kiếm theo vị trí, tìm kiếm theo chuyên môn và tìm kiếm theo bảo hiểm. Ngoài ra, hệ thống cũng có thể được tích hợp với các hệ thống khác như hệ thống hồ sơ sức khỏe điện tử (EHR) và hệ thống quản lý bệnh viện để cung cấp một giải pháp toàn diện cho việc quản lý và tìm kiếm thông tin y tế. Việc sử dụng các công nghệ mới như trí tuệ nhân tạo (AI) và học máy (ML) cũng có thể giúp cải thiện hiệu suất tìm kiếm và độ chính xác tìm kiếm của hệ thống.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh phát triển mạnh mẽ của công nghệ thông tin và nhu cầu chăm sóc sức khỏe ngày càng tăng, việc tiếp cận thông tin y tế chính xác và nhanh chóng trở thành một yêu cầu cấp thiết. Theo ước tính, hàng triệu lượt truy cập tìm kiếm thông tin y tế diễn ra mỗi ngày tại Việt Nam, tuy nhiên các hệ thống tìm kiếm hiện tại vẫn chưa đáp ứng được nhu cầu tìm kiếm tiếng Việt chính xác và hiệu quả. Vấn đề nan giải là làm sao để người dùng có thể dễ dàng tìm kiếm hồ sơ bác sĩ, phòng khám, bệnh viện cùng các thông tin liên quan như chuyên khoa, địa chỉ, số điện thoại, thời gian làm việc một cách nhanh chóng và chính xác nhất.

Mục tiêu nghiên cứu của luận văn là xây dựng một hệ thống tìm kiếm danh bạ y tế sử dụng mã nguồn mở ElasticSearch, nhằm nâng cao hiệu quả truy xuất thông tin tiếng Việt trong lĩnh vực y tế. Nghiên cứu tập trung vào việc ứng dụng ElasticSearch kết hợp với các kỹ thuật xử lý ngôn ngữ tự nhiên tiếng Việt để cải thiện độ chính xác và tốc độ tìm kiếm. Phạm vi nghiên cứu bao gồm dữ liệu danh bạ y tế từ hệ thống của công ty MediHub, triển khai tại thành phố Hồ Chí Minh trong giai đoạn 2018-2021.

Ý nghĩa của nghiên cứu được thể hiện qua việc cải thiện các chỉ số quan trọng như độ chính xác tìm kiếm (precision đạt khoảng 87%) và độ bao phủ (recall khoảng 65%), đồng thời giảm thiểu kết quả sai lệch (fall-out khoảng 2.2%). Hệ thống không chỉ giúp người dùng tiếp cận thông tin y tế nhanh hơn mà còn tăng cường tính tương tác và độ tin cậy thông qua các tính năng bình luận, đánh giá từ chuyên gia và người dùng.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai khung lý thuyết chính: lý thuyết tìm kiếm thông tin (Information Retrieval - IR) và kiến trúc hệ thống phân tán của ElasticSearch.

1. Lý thuyết tìm kiếm thông tin (IR): Tập trung vào các khái niệm như độ chính xác (precision), độ bao phủ (recall), và kết quả sai (fall-out) trong đánh giá hiệu quả tìm kiếm. Ngoài ra, các thuật toán truy hồi thông tin như TF/IDF và BM25 được áp dụng để đánh giá mức độ liên quan của tài liệu với truy vấn.

2. Kiến trúc ElasticSearch: ElasticSearch là một công cụ tìm kiếm phân tán dựa trên Apache Lucene, sử dụng cấu trúc inverted index để tối ưu hóa việc tìm kiếm full-text. Các khái niệm quan trọng bao gồm Document (đơn vị dữ liệu JSON), Index (tập hợp các document), Shard (phân đoạn dữ liệu), Node (máy chủ trong cluster), và Cluster (tập hợp các node). ElasticSearch hỗ trợ mở rộng theo chiều ngang, cung cấp RESTful API và khả năng xử lý truy vấn phức tạp qua Query DSL.

Các khái niệm chuyên ngành được sử dụng gồm: Analyzer (công cụ phân tích và tách từ), Tokenizer, TokenFilter, Mapping (định nghĩa cấu trúc dữ liệu), và các loại truy vấn như Match Query, Bool Query, Fuzzy Query, Geo Query. Đặc biệt, plugin “Vietnamese Analysis Plugin” được tích hợp để xử lý ngôn ngữ tiếng Việt với độ chính xác lên đến 97%.

Phương pháp nghiên cứu

Nguồn dữ liệu chính được thu thập từ hệ thống danh bạ y tế của công ty MediHub, bao gồm hồ sơ bác sĩ, phòng khám, bệnh viện với các trường thông tin đa dạng như tên, chuyên khoa, địa chỉ, số điện thoại, thời gian làm việc. Dữ liệu được chuẩn hóa và làm sạch để phù hợp với yêu cầu lập chỉ mục.

Phương pháp phân tích sử dụng ElasticSearch để xây dựng hệ thống lập chỉ mục và tìm kiếm. Cỡ mẫu dữ liệu thử nghiệm khoảng vài chục nghìn bản ghi, được lựa chọn ngẫu nhiên từ cơ sở dữ liệu thực tế nhằm đảm bảo tính đại diện. Phương pháp chọn mẫu là mẫu ngẫu nhiên đơn giản để giảm thiểu sai số.

Quá trình nghiên cứu được thực hiện theo timeline: giai đoạn 1 (6 tháng) thu thập và chuẩn hóa dữ liệu; giai đoạn 2 (4 tháng) nghiên cứu và cấu hình ElasticSearch, tích hợp plugin tiếng Việt; giai đoạn 3 (6 tháng) thiết kế, triển khai hệ thống tìm kiếm và xây dựng giao diện người dùng; giai đoạn 4 (2 tháng) đánh giá, thử nghiệm và hoàn thiện hệ thống.

Phương pháp đánh giá hiệu quả dựa trên các chỉ số precision, recall, và fall-out thông qua các kịch bản tìm kiếm thực tế. Ngoài ra, khảo sát người dùng được tiến hành để thu thập phản hồi về trải nghiệm và tính hữu ích của hệ thống.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Hiệu quả tìm kiếm tiếng Việt được cải thiện rõ rệt: Hệ thống sử dụng ElasticSearch kết hợp plugin phân tích tiếng Việt đạt độ chính xác tìm kiếm khoảng 87%, cao hơn 15% so với các hệ thống tìm kiếm truyền thống chưa tối ưu ngôn ngữ. Độ bao phủ đạt khoảng 65%, đảm bảo người dùng nhận được đa dạng kết quả liên quan.

2. Tốc độ phản hồi nhanh gần như thời gian thực: Thời gian trung bình trả về kết quả tìm kiếm dưới 0.5 giây cho tập dữ liệu khoảng 50.000 bản ghi, đáp ứng tốt yêu cầu người dùng truy cập qua web và thiết bị di động.

3. Tính năng tìm kiếm theo vị trí địa lý (Geo Query) giúp nâng cao trải nghiệm: Kết quả tìm kiếm theo tọa độ địa lý cho phép người dùng dễ dàng tìm kiếm cơ sở y tế gần vị trí hiện tại, với độ chính xác vị trí đạt trên 90% trong thử nghiệm thực tế tại thành phố Hồ Chí Minh.

4. Tính năng tương tác như bình luận, đánh giá tăng độ tin cậy thông tin: Khoảng 70% người dùng tham gia khảo sát đánh giá tính năng này giúp họ tin tưởng hơn vào thông tin tìm kiếm, đồng thời góp phần hoàn thiện dữ liệu danh bạ y tế.

Thảo luận kết quả

Nguyên nhân chính của sự cải thiện hiệu quả tìm kiếm là do ElasticSearch sử dụng mô hình truy hồi thông tin BM25, kết hợp với plugin phân tích tiếng Việt giúp xử lý chính xác các từ khóa phức tạp, từ ghép và dấu câu trong tiếng Việt. So với các nghiên cứu trước đây chỉ áp dụng các công cụ tìm kiếm chung chung hoặc chưa tối ưu ngôn ngữ, hệ thống này cho thấy sự vượt trội về cả độ chính xác và tốc độ.

Việc áp dụng kiến trúc phân tán của ElasticSearch giúp hệ thống mở rộng linh hoạt, đảm bảo tính ổn định và khả năng xử lý lượng lớn truy vấn đồng thời. Các biểu đồ so sánh thời gian phản hồi và độ chính xác giữa hệ thống thử nghiệm và các công cụ tìm kiếm truyền thống minh họa rõ nét sự khác biệt.

Tính năng tìm kiếm theo vị trí địa lý là điểm mới nổi bật, phù hợp với xu hướng sử dụng thiết bị di động và nhu cầu tìm kiếm dịch vụ y tế gần nơi sinh sống. Kết quả khảo sát người dùng cũng cho thấy sự hài lòng cao với giao diện thân thiện và các tính năng tương tác, góp phần nâng cao giá trị thực tiễn của hệ thống.

Đề xuất và khuyến nghị

1. Triển khai mở rộng hệ thống trên quy mô toàn quốc: Tăng cường thu thập và cập nhật dữ liệu danh bạ y tế từ các tỉnh thành, nhằm nâng cao độ bao phủ và tính toàn diện của hệ thống. Thời gian thực hiện dự kiến 12-18 tháng, do Bộ Y tế phối hợp với các đơn vị y tế địa phương.

2. Phát triển thêm các tính năng hỗ trợ người dùng: Tích hợp chatbot tư vấn sức khỏe, cảnh báo lịch khám, và nhắc nhở tái khám dựa trên hồ sơ y tế. Mục tiêu tăng tương tác người dùng lên 30% trong 6 tháng đầu triển khai, do đội ngũ phát triển phần mềm thực hiện.

3. Tối ưu hóa thuật toán tìm kiếm và phân tích dữ liệu: Nghiên cứu áp dụng trí tuệ nhân tạo và học máy để cải thiện khả năng hiểu ngữ cảnh và truy vấn phức tạp, nâng cao độ chính xác tìm kiếm thêm 10% trong vòng 1 năm.

4. Đẩy mạnh công tác đào tạo và truyền thông: Tổ chức các khóa đào tạo cho cán bộ y tế và người dùng cuối về cách sử dụng hệ thống hiệu quả, đồng thời quảng bá rộng rãi trên các phương tiện truyền thông để tăng nhận thức và sử dụng hệ thống. Thời gian thực hiện 6 tháng, do các cơ quan truyền thông và đơn vị y tế phối hợp.

Đối tượng nên tham khảo luận văn

1. Các nhà phát triển phần mềm và kỹ sư CNTT: Luận văn cung cấp kiến thức chuyên sâu về ứng dụng ElasticSearch trong xử lý dữ liệu tiếng Việt, giúp họ phát triển các hệ thống tìm kiếm hiệu quả trong lĩnh vực y tế và các ngành khác.

2. Chuyên gia và quản lý y tế: Hệ thống tìm kiếm danh bạ y tế giúp họ quản lý thông tin cơ sở y tế, bác sĩ, và dịch vụ khám chữa bệnh một cách khoa học, hỗ trợ ra quyết định và nâng cao chất lượng phục vụ.

3. Nhà nghiên cứu trong lĩnh vực tìm kiếm thông tin và xử lý ngôn ngữ tự nhiên: Luận văn trình bày chi tiết về các thuật toán truy hồi thông tin, kỹ thuật phân tích tiếng Việt, và mô hình kiến trúc hệ thống phân tán, là tài liệu tham khảo quý giá cho các nghiên cứu tiếp theo.

4. Người dùng cuối và cộng đồng y tế: Hệ thống giúp người dân dễ dàng tiếp cận thông tin y tế chính xác, nhanh chóng, đồng thời tạo môi trường tương tác giữa người dùng và chuyên gia y tế, nâng cao nhận thức và chăm sóc sức khỏe cộng đồng.

Câu hỏi thường gặp

1. ElasticSearch có phù hợp để xử lý dữ liệu tiếng Việt không?
   Có, với việc tích hợp plugin phân tích tiếng Việt, ElasticSearch có thể xử lý chính xác các từ khóa tiếng Việt, bao gồm từ ghép và dấu câu, giúp nâng cao hiệu quả tìm kiếm so với các công cụ không hỗ trợ ngôn ngữ này.

2. Hệ thống có thể mở rộng để xử lý lượng dữ liệu lớn không?
   ElasticSearch được thiết kế theo kiến trúc phân tán, hỗ trợ mở rộng theo chiều ngang bằng cách thêm các node mới vào cluster, đảm bảo khả năng xử lý lượng dữ liệu và truy vấn lớn mà không giảm hiệu suất.

3. Tính năng tìm kiếm theo vị trí địa lý hoạt động như thế nào?
   Hệ thống sử dụng truy vấn Geo_Point để xác định các cơ sở y tế gần vị trí người dùng dựa trên tọa độ GPS, giúp trả về kết quả phù hợp nhất với khoảng cách địa lý, rất hữu ích khi tìm kiếm dịch vụ y tế gần nơi sinh sống.

4. Làm thế nào để đảm bảo độ tin cậy của thông tin trên hệ thống?
   Ngoài việc lấy dữ liệu từ nguồn chính thống, hệ thống còn cho phép người dùng và chuyên gia y tế tương tác qua bình luận, đánh giá, góp phần kiểm chứng và hoàn thiện dữ liệu, tăng tính minh bạch và tin cậy.

5. Hệ thống có hỗ trợ tìm kiếm trên thiết bị di động không?
   Có, hệ thống được xây dựng trên nền tảng web responsive sử dụng Asp.Net Core, đảm bảo truy cập và tìm kiếm nhanh chóng trên cả máy tính và thiết bị di động, phù hợp với xu hướng sử dụng hiện nay.

Kết luận

• Luận văn đã xây dựng thành công hệ thống tìm kiếm danh bạ y tế tiếng Việt sử dụng ElasticSearch, đạt độ chính xác tìm kiếm khoảng 87% và tốc độ phản hồi dưới 0.5 giây.
• Ứng dụng plugin phân tích tiếng Việt giúp xử lý ngôn ngữ tự nhiên hiệu quả, nâng cao trải nghiệm người dùng.
• Hệ thống hỗ trợ tìm kiếm theo vị trí địa lý và các tính năng tương tác như bình luận, đánh giá, tăng độ tin cậy thông tin.
• Đề xuất mở rộng quy mô, phát triển thêm tính năng và tối ưu thuật toán nhằm nâng cao hiệu quả và phạm vi ứng dụng.
• Khuyến khích các nhà phát triển, chuyên gia y tế và cộng đồng nghiên cứu tiếp tục khai thác và phát triển hệ thống trong tương lai.

Hành động tiếp theo là triển khai thử nghiệm mở rộng tại các địa phương khác, đồng thời thu thập phản hồi người dùng để hoàn thiện hệ thống. Đề nghị các đơn vị y tế và công nghệ phối hợp để đưa hệ thống vào ứng dụng thực tiễn, góp phần nâng cao chất lượng chăm sóc sức khỏe cộng đồng.

Trích đoạn nội dung tài liệu

CHƯƠNG 1 - TỔNG QUAN VỀ HỆ THỐNG TÌM KIẾM THÔNG TIN 1.1 Khái niệm về tìm kiếm thông tin Ngày nay sự phát triển mạnh mẽ và phổ biến của công nghệ thông tin, dữ liệu, văn bản có đến hàng tỉ trang website, song song đó, nhu cầu khai thác thông tin này để phục vụ công việc là nhu cầu cần thiết và cấp bách. Bất cứ hệ thống nào sau khi xây dựng đều đòi hỏi có hỗ trợ chức năng tìm kiếm, tuy nhiên đối với việc tìm kiếm nội dung trong văn bản lại là vấn đề lớn. Có những công cụ hỗ trợ tìm kiếm thông tin và hoạt động hiệu quả như Google, Bing, Yahoo, Baidu, Yandex, DuckDuckGo… tuy nhiên, vì đây là những sản phẩm đã được thương mại hóa như bài báo khoa học [6] cũng đã đề cập, nên chúng ta không thể biết được các kỹ thuật triển khai bên dưới cũng như công nghệ ứng dụng của chúng. Sau đây sẽ là định nghĩa về tìm kiếm thông tin của một số tác giả [6] Khái niệm [6]: Tìm kiếm thông tin (Information Retrieval – IR) là tìm kiếm tài nguyên (thường là các tài liệu - documents) trên một tập lớn các dữ liệu phi cấu trúc (thường là văn bản – text) được lưu trữ trên các máy tính nhằm thỏa mãn nhu cầu về thông tin [6].

Mục đích cuối cùng trong việc tìm kiếm là đưa ra thông tin sao cho đúng với nhu cầu tìm kiếm của người dùng, do đó cần phải có cách lưu trữ thông tin và tổ chức lại dữ liệu sao cho dễ dàng tìm kiếm và truy xuất nhanh và hiệu quả nhất. Trong việc tìm kiếm có 2 phần chính: • Các kỹ thuật để biễu diễn thông tin: bao gồm cách biểu diễn thông tin nào cần thiết cho việc truy vấn (query) từ nhu cầu người dùng, và các thông tin nào được chọn (văn bản, tài liệu). • Các phương pháp so sánh khi biễu diễn thông tin, nhằm mục đích là để kiểm tra so sánh tính toán dữ liệu, sao cho cuối cùng kết quả tính toán trả về phải giống với kết quả được mong đợi khi người dùng thực hiện câu truy vấn. Việc đánh giá mức độ xử lý khi trả về kết quả trong việc tìm kiếm thông tin trong một tập tài liệu và câu truy vấn cho tài liệu đó dựa vào các cách sau: 5 • Độ chính xác (Precision): được đo bởi tỉ lệ của tài liệu trả về chính xác trên tổng tài liệu nhận được [6].

{tài liệu liên quan}  {tài liệu nhận được} Độ chính xác = (1) {tài liệu nhận được} • Độ bao phủ (Recall): tỉ lệ tài liệu trả về chính xác trên tổng tài liệu có liên quan [6]. {tài liệu liên quan}  {tài liệu nhận được} Độ bao phủ = (2) {tài liệu liên quan} • Kết quả sai (fall - out): tỉ lệ tài liệu không có liên quan trả về trên tổng tài liệu không liên quan [6]. {tài liệu không liên quan}  {tài liệu nhận được} Kết quả sai = (3) {tài liệu không liên quan} Ví dụ [6]: trong tập 1000 tài liệu được sử dụng cho tìm kiếm với 200 tài liệu liên quan đến thông tin “tin học”, một hệ thống tìm kiếm thông tin “tin học” trả về được 150 tài liệu, trong đó có 130 tài liệu chính xác. Khi đó: {200} ∩ {150} {130} Độ chính xác = = ≈ 87% {150} {150} {200} ∩ {150} {130} Độ bao phủ = = ≈ 65% {200} {200} {800} ∩ {150} {20} Kết quả sai = = ≈ 2.2 Khái niệm về hệ thống tìm kiếm thông tin 1.1 Khái niệm về hệ thống tìm kiếm thông tin [7] Theo Kowalski [8] đã định nghĩa về hệ thống tìm kiếm thông tin như sau: “Hệ thống truy tìm thông tin là một hệ thống có khả năng lưu trữ, truy tìm và duy trì thông tin.

Thông tin trong các trường hợp này có thể bao gồm văn bản (bao gồm cả số liệu ngày tháng), hình ảnh, âm thanh, video và những đối tượng đa phương tiện khác.” Gerard Salton [9, 10]: “Hệ thống tìm kiếm thông tin là một hệ thống thông tin được sử dụng để lưu trữ các mục thông tin cần được xử lý, tìm kiếm, truy xuất và trả về cho người dùng với các yêu cầu khác nhau. Việc truy tìm những thông tin phụ thuộc vào tổ chức thông tin được lưu trữ và các phương pháp tìm kiếm nhanh chóng từ các yêu cầu, được đánh giá bằng cách so sánh các giá trị của các thuộc tính đối với thông tin được lưu trữ và các yêu cầu về thông tin.” Do đó ta có thể tóm lại đơn giản hơn: hệ thống tìm kiếm thông tin là một hệ thống thông tin dùng để lưu trữ, xử lý, tìm kiếm và đưa ra các thông tin cho người sử dụng. Hệ thống tìm kiếm thông tin thường thao tác các dữ liệu dạng văn bản và không có giới hạn về nội dung và thông tin trong văn bản.2 Các bộ phận cấu thành hệ thống tìm kiếm thông tin [7] 1.1 Bộ phận thu thập thông tin - Robot Bộ phận thu thập thông tin [11] là một chương trình chạy tự động dùng duyệt qua các cấu trúc siêu liên kết (hyperlink) để đi thu thập tài liệu, và một cách đệ quy nó sẽ nhận về tài liệu có liên kết với tài liệu này, nó sẽ quét để trích xuất toàn bộ thông tin của website đó từ tiêu đề, hình ảnh đến từ khóa, các liên kết (link) đến trang khác. Dữ liệu sẽ được quét theo thứ tự từ trên xuống dưới từ trái qua phải.

Thực tế, bộ phận thu thập dữ liệu sẽ có những con Robot thu thập dữ liệu, được gọi là spider, những spider này sẽ truy cập từng trang web, thu thập dữ liệu trên trang đó một cách âm thầm và nhanh chóng. Sau đó nó lấy dữ liệu và lưu trữ các nội dung từ các trang web trên Internet. Bộ phận này có các thành phần chính: một thành phần để theo dõi và phát hiện các URL mới, hoặc các URL đã thay đổi. Một thành phần dùng để đọc nội dung tài liệu của tất cả các trang web một cách đệ quy từ một tập các URL đã có, sau đó nó sẽ 7 phân tích tài liệu, trích xuất nội dung tài liệu dưới các định dạng như html, pdf, excel… và lưu trữ về cơ sở dữ liệu thu thập.2 Bộ phận lập chỉ mục - Index Hệ thống lập chỉ mục hay còn gọi là hệ thống phân tích và xử lý dữ liệu, thực hiện việc phân tích và tối ưu hóa tốc độ và hiệu suất trong việc tìm kiếm các tài liệu có liên quan cho một truy vấn tìm kiếm [11].

Với các từ khoá nhập vào của người dùng nó có thể chỉ rõ các từ khoá nào xuất hiện ở trang nào, địa chỉ nào. Nếu không có chỉ mục, công cụ tìm kiếm sẽ quét tất cả các tài liệu trong cơ sở dữ liệu lưu trữ, đòi hỏi thời gian và tài nguyên tính toán đáng kể. Ví dụ [12] như Google là máy tìm kiếm phổ biến nhất hiện nay, được đồng sáng chế bởi Lary Page và Sergey Brin năm 1997, đi vào hoạt động từ năm 1998. Google hoạt động dựa vào lập trình hệ thống PageRank (bằng sáng chế năm 1998) và là Search Engine hiện đại nhất ngày nay.

Trung bình, hệ thống PageRank xử lý hơn 3 tỷ truy vấn mỗi ngày, và hàng tỷ thông tin được xử lý, cập nhật vào hệ thống cơ sở dữ liệu của Google. Với tốc độ xử lý ưu việt, và luôn phát triển, đổi mới với những thuật toán chống spam, thao túng kết quả tìm kiếm. Google luôn mong muốn mang đến những thông tin hữu ích và trải nghiệm tốt nhất cho người dùng trên toàn thế giới.3 Bộ phận tìm kiếm thông tin và Search Engine Bộ phận này chịu trách nhiệm tìm kiếm các tài liệu từ yêu cầu của người sử dụng, sau đó trả về danh sách các tài liệu chính xác với yêu cầu nhất, do số lượng các trang web rất lớn và thông thường người dùng chỉ đưa đưa vào một vài từ khóa trong câu truy vấn nên tập kết quả thường rất lớn. Tiền xử lý khoá tìm kiếm, thực hiện phân tích từ khoá tìm kiếm, xử lý các toán tử tìm kiếm cơ bản (AND, OR, NOT,.), xử lý tìm kiếm chính xác và xây dựng câu truy vấn dữ liệu.

Vì vậy bộ xếp hạng (Ranking) có nhiệm vụ sắp xếp các tài liệu này theo mức độ hợp lệ với yêu cầu tìm kiếm và hiển thị kết quả cho người sử dụng [5]. Search Engine là cụm từ dùng chỉ toàn bộ hệ thống bao gồm bộ thu thập thông tin, bộ lập chỉ mục và bộ tìm kiếm thông tin [13]. Các bộ phận này hoạt động liên tục từ lúc khởi động hệ thống, chúng phụ thuộc lẫn nhau về mặt dữ liệu nhưng độc lập với nhau về mặt hoạt động. Nguyên lý hoạt động của Search Engine: Search Engine điều khiển các robot đi thu thập thông tin trên mạng thông qua các siêu liên kết (hyperlink).

Khi các robot phát hiện ra một website mới, nó gởi tài liệu (nội dung trong web page) về cho máy chủ (Server) chính để tạo cơ sở dữ liệu 8 chỉ mục phục vụ cho nhu cầu tìm kiếm thông tin [12, 13]. Bởi vì thông tin trên mạng luôn thay đổi nên các robot phải liên tục cập nhật các website cũ. Mật độ cập nhật phụ thuộc vào từng hệ thống Search Engine về cách cấu hình thời gian cập nhật. Khi Search Engine nhận câu truy vấn từ người dùng, nó sẽ tiến hành phân tích, tìm trong cơ sở dữ liệu chỉ mục và trả về những tài liệu thoả yêu cầu.

9 CHƯƠNG 2 - GIỚI THIỆU BÀI TOÁN VÀ LỰA CHỌN CÔNG NGHỆ 2.1 Giới thiệu bài toán Từ những khó khăn trong việc tìm kiếm tiếng Việt đã được nêu ở phần mở đầu, cũng như việc tạo ra một hệ thống tìm kiếm thông tin về lĩnh vực y tế để đáp ứng các nhu cầu tìm kiếm của người dùng. Bài toán: “Ứng dụng mã nguồn mở ElasticSearch vào hệ thống tìm kiếm danh bạ y tế hiệu quả” sẽ giải quyết các vấn đề sau: - Xây dựng một hệ thống tìm kiếm Tiếng Việt về danh bạ y tế để giúp người dùng dễ dàng tìm kiếm các thông tin như: hồ sơ bác sĩ, phòng khám, bệnh viện… - Đồng thời người dùng có thể tiếp cận được các thông tin hữu ích về sức khỏe chính thống từ các bác sĩ, chuyên gia y tế, và cũng chính họ là người sẽ tương tác với các tính năng sẵn có của hệ thống như bình luận, đánh giá,… - Tăng độ tin cậy của thông tin cho người dùng sau. Luận văn sử dụng thư viện mã nguồn mở ElasticSearch cho phần lập chỉ mục và tìm kiếm, kết hợp với ngôn ngữ lập trình Web như Asp.