Mở đầu 1. Lý do chọn đề tài Ngày nay khoa học và công nghệ phát triển cùng với sự bùng nổ về internet thì Word Wide Web phát triển cả về nội dung lẫn hình thức. Nó có một khối lƣợng thông tin khổng lồ, đƣợc tạo ra từ các tổ chức, cộng đồng và nhiều cá nhân với lý do khác nhau. Ngƣời sử dụng Web có thể dễ dàng truy cập những thông tin này bằng cách chỉ ra địa chỉ URL và theo các liên kết để tìm ra các tài nguyên liên quan khác.
Tính đơn giản của Web hiện nay đã dẫn đến một số hạn chế, việc tìm kiếm thông tin trên Web có thể trả về một lƣợng lớn thông tin không hợp lý và không liên quan. Tính đơn giản này đã gây ra hiện tƣợng thắt cổ chai, tạo khó khăn trong việc tìm kiếm, trích rút thông tin. Máy tính chỉ biết gửi và trả thông tin, chúng không thể truy xuất những nội dung cần. Nó chi hỗ trợ ở mức độ giới hạn nào đó trong việc truy xuất và xử lý thông tin.
Kết quả là ngƣời sử dụng phải đảm nhiệm việc truy cập, xử lý thông tin, trích lọc thông tin phù hợp với việc tìm kiếm. Để khắc phục các hạn chế này, khái niệm web ngữ nghĩa đã ra đời. Web ngữ nghĩa là một bƣớc tiến vƣợt bậc so với kỹ thuật web trƣớc đó dựa vào khả năng làm việc với thông tin của chúng thay vì chỉ đơn thuần là lƣu trữ thông tin. Hải Phòng là một trong 5 thành phố trực thuộc trung ƣơng và là một đô thị loại 1 trung tâm cấp quốc gia, là thành phố lớn thứ 3 của Việt Nam,có vị trí quan trọng về kinh tế xã hội và an ninh, quốc phòng của vùng Bắc Bộ và cả nƣớc.
Ẩm thực Hải Phòng bình dị và dân dã, không cầu kỳ nhƣng đậm đà khó quên. Nơi đây nổi tiếng với các món hải sản. Các nhà hàng hải sản ở khu vực Đồ Sơn nổi tiếng với tôm cua cá mực rất tƣơi và giá phải chăng. Phong cách chế biến hải sản ở Hải Phòng theo phong cách dân dã, nhấn mạnh thực chất và vị tƣơi ngon của nguyên liệu nhiều hơn sự cầu kỳ trong gia vị và cách chế biến.
Các món ăn nhƣ bánh đa cua, bún cá, bánh mỳ cay, cơm cháy hải sản, ốc cay, nem cua bể (nem vuông), giờ đây đã quá quen thuộc và nổi tiếng. Những món ăn này Số hóa bởi Trung tâm Học liệu http://www.vn/ 6 có thể đƣợc tìm thấy trên đƣờng phố của những nơi khác nhƣ TP.Hồ Chí Minh, Hà Nội,. nhƣng đƣợc thƣởng thức chúng trên Thành phố Hoa phƣợng đỏ vẫn là lý tƣởng nhất vì sự lựa chọn nguyên liệu tƣơi ngon cùng với những bí quyết ẩm thực riêng của ngƣời đầu bếp. Ẩm thực Hải Phòng đã từng đƣợc quảng bá sang Châu Âu tại lễ hội biển Brest 2008 (Cộng hòa Pháp) và đã gây đƣợc tiếng vang lớn.
Ngoài ra, Hải Phòng còn nổi tiếng với nhiều món ăn khác nhƣ lẩu bề bề, nộm giá, thịt san biển, sủi dìn, bánh bèo,. Một số món ăn không thể thƣởng thức ở những nơi khác mà chỉ có tại Hải Phòng. Với những lý do trên, tôi xin chọn đề tài “Web ngữ nghĩa và ứng dụng trong tra cứu đặc trƣng văn hóa ẩm thực tại Hải Phòng” 2. Mục tiêu Ứng dụng Semantic Web xây dựng ứng dụng tra cứu đặc trƣng văn hóa ẩm thực tại Hải Phòng.
Đối tƣợng và phạm vi nghiên cứu Đối tượng nghiên cứu: - Tìm hiểu về web ngữ nghĩa, phƣơng pháp xây dựng Ontology. - Tìm hiểu về các thông tin đặc trƣng văn hóa ẩm thực tại Thành phố Hải Phòng. Phạm vi nghiên cứu: - Nghiên cứu xây dựng tập từ vựng cơ bản về đặc trƣng văn hóa ẩm thực tại Thành phố Hải Phòng. - Tổ chức lƣu trữ dữ liệu của ứng dụng với Protégé và tính năng truy xuất dữ liệu trong Ontology.
Phƣơng pháp nghiên cứu - Tìm hiểu các vấn đề về Web ngữ nghĩa. - Thu thập các tài liệu liên quan. - Triển khai xây dựng ứng dụng. Số hóa bởi Trung tâm Học liệu http://www.
Ý nghĩa khoa học và thực tiễn đề tài - Xây dựng tập từ vựng về văn hóa ẩm thực ở Hải Phòng. - Góp phần nâng cao khả năng tra cứu và chia sẻ thông tin về văn hóa ẩm thực tại thành phố Hải Phòng. Dự kiến bố cục luận văn Luận văn đƣợc chia làm 3 chƣơng: Chƣơng 1: Trình bày giới thiệu tóm tắt về Web ngữ nghĩa, kiến trúc của Web ngữ nghĩa, cũng nhƣ giới thiệu RDF – nền tảng của Web ngữ nghĩa. Chƣơng 2: Giới thiệu các công nghệ xây dựng Web ngữ nghĩa cụ thể là đi sâu vào nghiên cứu Ontology.
Đồng thời đƣa ra giải pháp về ngôn ngữ và công cụ để xây dựng ứng dụng Semantic web. Chƣơng 3: Giới thiệu về ứng dụng, phân tích và đề xuất giải pháp xây dựng ứng dụng. Tiến hành xây dựng ontology, xử lý dữ liệu, cài đặt ứng dụng và đƣa ra một số kết quả đạt đƣợc. Số hóa bởi Trung tâm Học liệu http://www.vn/ 8 CHƢƠNG 1: GIỚI THIỆU VỀ WEB NGỮ NGHĨA 1.
Cách thức tìm kiếm thông tin của bộ máy tìm kiếm (Search engine) Search engine hay còn gọi là máy tìm kiếm là một trang Web cho phép ngƣời dùng tìm kiếm nội dung số của các trang Web trên Internet [1]. Thƣờng kỳ, máy tìm kiếm sẽ dò quét nội dung tất cả các trang Web trên Internet và cập nhật nội dung văn bản text vào cơ sở dữ liệu khổng lồ của mình mà ngƣời dùng có thể khai thác sau đó. Để làm việc này các máy tìm kiếm thƣờng gửi các Web crawler, web spider hay web robot (ví dụ googlebot của Google – Yahoo slurp của Yahoo) đến các trang cần đánh chỉ số. Các bọ tìm kiếm này sẽ truy cập phân tích và gửi nội dung về các máy tìm kiếm.
Máy tìm kiếm sắp xếp các trang Web dựa vào nội dung HTML của trang. Việc này khác với các thƣ mục Web truyền thống mà những ngƣời kiểm duyệt sắp đặt trong các mục riêng biệt với tên site và miêu tả đi kèm. Một số bộ tìm kiếm thông dụng Bộ thu thập thông tin Cơ sở dữ liệu cuả các search engine đƣợc cập nhật hoá bởi các chƣơng trình đặc biệt thƣờng gọi là "robot", "spider" hay "Webcrawler". Các chƣơng trình này sẽ tự động dò tìm và phân tích từ những trang có sẵn trong cơ sở dữ liệu để kiếm ra các liên kết (links) từ các trang và trở lại bổ xung dữ liệu cho các search engine sau khi phân tích.
Về bản chất robot chỉ là một chƣơng trình duyệt và thu thập thông tin từ các site theo đúng giao thức web. Những trình duyệt thông thƣờng không đƣợc xem là robot do thiếu tính chủ động, chúng chỉ duyệt web khi có sự tác động của con ngƣời. Bộ 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, trích chọn những thông tin cần thiết (thƣờng là các từ đơn, từ ghép, cụm từ quan trọng) từ những dữ liệu mà robot thu thập đƣợc và tổ chức thành cơ sở Số hóa bởi Trung tâm Học liệu http://www.vn/ 9 dữ liệu riêng để có thể tìm kiếm trên đó một cách nhanh chóng, hiệu quả. Lập chỉ mục là giai đoạn phân tích tài liệu (document) để xác định các chỉ mục biểu diễn nội dung của tài liệu.
Hệ thống chỉ mục là danh sách các từ khoá, chỉ rõ các từ khoá nào xuất hiện ở trang nào, địa chỉ nào. Bộ tìm kiếm thông tin – Search Engine Search engine là cụm từ dùng chỉ toàn bộ hệ thống bao gồm bộ thu thập thông tin, bộ lập chỉ mục & bộ tìm kiếm thông tin. Các bộ này hoạt động liên tục từ lúc khởi động hệ thống, chúng phụ thuộc lẫn nhau về mặt dữ liệu nhƣng độc lập với nhau về mặt hoạt động. Search engine tƣơng tác với user thông qua giao diện web, có nhiệm vụ tiếp nhận và trả về những tài liệu thoả yêu cầu của user.
Bộ Query Engine Bộ công cụ truy vấn có nhiệm vụ nhận và tìm kiếm các yêu cầu của ngƣời sử dụng, Bộ công cụ này sẽ dựa vào bảng chỉ mục và các kho lƣu trữ. Bởi kích thƣớc của web rất lớn, thêm nữa khi sử dụng chỉ đƣa vào một hay hai từ khóa sau đó sẽ nhận đƣợc tập kết quả. Do đó phải có một modul sắp xếp kết quả theo thứ tự sao cho nó gần với nội dung đang cần tìm nhất. Sắp xếp Đây là một modul có chức năng sàng lọc thông tin từ hàng triệu trang tƣơng tự nhau để sắp xếp vị trí từng trang sao cho phù hợp nhất.
Cách thức tìm kiếm Tìm kiếm thông tin nói chung là giải quyết các vấn đề nhƣ: biểu diễn, lƣu trữ, tổ chức và truy cập đến các mục thông tin. Việc tổ chức và biểu diễn thông tin giúp ngƣời sử dụng dễ dàng truy cập thông tin mà mình quan tâm. Nhƣng để mô tả các thông tin đó không phải là điều dễ dàng. Do vậy, hệ thống tìm kiếm thông tin bao gồm quá trình cơ bản sau: Biểu diễn nội dung các tài liệu, biểu diễn yêu cầu ngƣời dùng và so sánh hai biểu diễn này.
Quy trình biểu diễn tài liệu thƣờng gọi là quá trình chỉ số hóa. Quá trình này có thể lƣu trữ thực sự các tài liệu trong hệ thống nhƣng thƣờng chỉ lƣu một phần tài liệu, chẳng hạn nhƣ phần tiêu đề, phần tóm tắt. Quá trình biểu diễn yêu cầu của ngƣời Số hóa bởi Trung tâm Học liệu http://www.vn/ 10 dùng gọi là quá trình truy vấn. Truy vấn biểu thị sự tƣơng tác giữa hệ thống và ngƣời sử dụng.
Việc so sánh truy vấn với tài liệu cũng đƣợc gọi là quá trình đối sánh và cho kết quả là một danh sách các tài liệu đƣợc sắp xếp theo thứ tự mức độ liên quan với truy vấn. Rõ ràng, để mô tả thông tin yêu cầu một cách đầy đủ, ngƣời sử dụng không thể trực tiếp yêu cầu thông tin sử dụng các giao diện hiện thời của hệ thống tìm kiếm. Thay vì ngƣời sử dụng đầu tiên phải chuyển đổi thông tin yêu cầu này thành một truy vấn mà có thể đƣợc xử lý bởi hệ thống tìm kiếm (hoặc hệ thống thu hồi thông tin (Information Retrieval - IR)). Thông thƣờng, phép chuyển đổi này tạo ra một tập hợp các từ khoá (hoặc các term chỉ số) mô tả khái quát yêu cầu của ngƣời sử dụng.
Nhƣ vậy, việc tìm kiếm các tài liệu dựa trên nội dung thực sự của văn bản mà không phụ thuộc vào các từ khoá gắn với văn bản đó.
