Tổng quan luận án

Luận án được thực hiện bởi Nguyễn Quang Minh tại Trường Đại học Bách Khoa Hà Nội, bảo vệ năm 2019, thuộc ngành Mạng máy tính và Truyền thông dữ liệu (mã số 9480102), dưới sự hướng dẫn của PGS. TS Cao Tuấn Dũng và PGS. TS Ngô Hồng Sơn. Hướng tiếp cận là định lượng kỹ thuật kết hợp với xây dựng hệ thống và thực nghiệm đánh giá.

Tính cấp thiết và khoảng trống nghiên cứu

Các hệ thống tổng hợp tin tức hiện hành như Google News hay Baomoi chủ yếu dựa trên tìm kiếm theo từ khóa và hệ quản trị nội dung (CMS) truyền thống. Phương pháp này dẫn đến kết quả tìm kiếm không chính xác do thiếu hiểu biết về ngữ nghĩa: ví dụ truy vấn "cầu thủ chơi hay trận kinh điển" có thể trả về "cầu thủ Ronaldo đi xem vở kịch kinh điển". Nguyên nhân cốt lõi là mô hình dữ liệu Web truyền thống biểu diễn nội dung bằng thẻ HTML và văn bản ngôn ngữ tự nhiên, chỉ hướng đến trình bày thông tin cho con người mà không hỗ trợ máy tính hiểu ý nghĩa của tin tức.

Bối cảnh ứng dụng thực tiễn cho thấy nhu cầu truy cập thông tin thể thao qua Web ngày càng lớn: lưu lượng Internet trung bình của World Cup 2014 gấp 7 lần World Cup 2010 (theo Akamai); Sky Sports thu hút hơn 3 triệu khách truy cập khác nhau trên Android và iOS mỗi đầu mùa bóng; Yahoo! Sport đón khoảng hơn 1,6 triệu khách khác nhau hàng ngày. Mặc dù ứng dụng Web ngữ nghĩa đã cho thấy kết quả trong y tế, nông nghiệp, thương mại điện tử và chính phủ điện tử, luận án chỉ ra rằng chưa có nhiều nghiên cứu mang tính hệ thống trong lĩnh vực tin tức thể thao.

Mục tiêu nghiên cứu

Luận án xác định bốn mục tiêu nghiên cứu cụ thể:

  1. Đề xuất mô hình kiến trúc cho hệ thống tổng hợp tin tức thể thao dựa trên nền tảng công nghệ Web ngữ nghĩa.
  2. Nghiên cứu và đề xuất phương pháp sinh chú thích ngữ nghĩa tự động hoặc bán tự động cho các tin tức thể thao dưới dạng các bộ ba, bộ bốn RDF.
  3. Thực hiện tìm kiếm ngữ nghĩa thông qua câu hỏi ngôn ngữ tự nhiên bằng cách chuyển đổi sang truy vấn SPARQL.
  4. Nghiên cứu phương pháp gợi ý tin tức đến người đọc dựa trên sự phù hợp về nội dung và ngữ nghĩa của tin tức đang đọc.

Đối tượng và phạm vi nghiên cứu

Đối tượng nghiên cứu là các bài toán xử lý dữ liệu tin tức theo tiếp cận Web ngữ nghĩa. Phạm vi được giới hạn ở tin tức tiếng Anh trong lĩnh vực thể thao (chủ yếu bóng đá), ở dạng văn bản (text). Luận án không bao phủ các lĩnh vực khác như chính trị, văn hóa, kinh tế; không xét đến tin tức tiếng Việt; và không nghiên cứu phát triển mới các kỹ thuật thu thập tin (web crawler) hay mô tơ suy diễn ngữ nghĩa.

Tổng quan tài liệu và vị trí của luận án

Các hướng nghiên cứu trước được tác giả điểm lại

Về kiến trúc và nền tảng Web ngữ nghĩa: Berners-Lee và cộng sự (2006) đề xuất kiến trúc Semantic Web Stack [59]. Lassila và cộng sự mô tả Web ngữ nghĩa như chuỗi tiêu chuẩn và ngôn ngữ mô hình hóa [56]. Nigel Shadbolt và cộng sự [57] và Lee Feigenbaum và cộng sự [58] đưa ra các góc nhìn bổ sung.

Về ontology: Neches và cộng sự [61], Gruber [62], Guarino [63], Swartout và cộng sự [64], Studer và cộng sự [65] lần lượt đề xuất các định nghĩa ontology được thừa nhận rộng rãi. Taye [66] khảo sát các lĩnh vực ứng dụng ontology. Ding và cộng sự [67] phân tích lợi ích của ontology cho Web ngữ nghĩa. Horrocks [68] trình bày ứng dụng ontology trong sinh học, y học, địa lý và quốc phòng. Singh và Anand [69] nêu lý do phát triển ontology.

Về phương pháp luận phát triển ontology: Methontology [74], Uschold và King [71], Grüninger và Fox [72, 77] (phương pháp luận Tove), KACTUS [73], Cyc [70]. Psyché và cộng sự [75] phân loại các phương pháp luận thành năm nhóm.

Về sinh chú thích ngữ nghĩa: Các công cụ thủ công như Semantator [27], M-OntoMat Annotizer [28], Annotea [29], Zemanta. Phương pháp bán tự động: GATE [30], NCBO [31], cTAKE [32]. Phương pháp tự động: Pankow [34] (hiệu năng tốt nhất 24,9% tự động hoàn toàn và 62,09% có chuyên gia), C-PANKOW [35], KIM [36], AeroDAML [37], SemTag [33] (độ chính xác tốt nhất ~82%), Asknet [115] (độ chính xác tổng thể 79,1%). Nghiên cứu [38] đề xuất thuật toán cây hạt nhân để trích rút quan hệ giữa hai thực thể. Nghiên cứu [39] trích rút quan hệ trong lĩnh vực y học sử dụng MetaMap.

Về cổng thông tin ngữ nghĩa: Hyvönen [23] nêu sự cần thiết của metadata, ontology và luật trong cổng thông tin. Ahmed và Hmed [24] phát triển cổng thông tin Web ngữ nghĩa cho du lịch. Esperonto [25] và Mondeca ITM [26] là hai nền tảng xây dựng cổng thông tin ngữ nghĩa có chức năng tìm kiếm theo từ khóa, duyệt và quản lý ontology.

Về tìm kiếm ngữ nghĩa: Ding và cộng sự [7] với kiến trúc Swoogle tập trung vào khám phá dữ liệu và tạo chú thích. Một số nghiên cứu [41] tạo giao diện đồ họa dựa trên ontology để hình thành câu SPARQL; nghiên cứu [42, 43] dùng ngôn ngữ tự nhiên có kiểm soát.

Về hệ thống khuyến nghị: Tiếp cận lọc cộng tác [44, 45, 46]; gợi ý dựa theo nội dung [47, 48]; các nghiên cứu tích hợp ngữ nghĩa vào khuyến nghị [49, 50].

Về ứng dụng Web ngữ nghĩa trong các lĩnh vực cụ thể: Y tế [14, 8], nông nghiệp (FAO) [12], thương mại điện tử [15], chính phủ điện tử [10], e-Learning [16], tích hợp dữ liệu [11, 12, 13, 14].

Khoảng trống luận án giải quyết

Luận án xác định ba khoảng trống: (1) chưa có mô hình kiến trúc đầy đủ cho hệ thống tổng hợp tin tức thể thao dựa trên Web ngữ nghĩa; (2) các phương pháp sinh chú thích ngữ nghĩa hiện có được thiết kế cho lĩnh vực tổng quát hoặc y tế, không phù hợp với đặc thù của tin tức thể thao (kết quả thi đấu, chuyển nhượng, tuyên bố của nhân vật thể thao); (3) chưa có nghiên cứu chuyên sâu về tìm kiếm ngữ nghĩa và gợi ý tin tức có khai thác yếu tố ngữ nghĩa trong lĩnh vực này.

Cơ sở lý thuyết và phương pháp nghiên cứu

Lý thuyết, khái niệm và khung phân tích

Luận án xây dựng trên nền tảng lý thuyết về Web ngữ nghĩa theo định nghĩa của Tim Berners-Lee (2001): "Web ngữ nghĩa là sự mở rộng của Web hiện tại mà ở đó thông tin được định nghĩa một cách rõ ràng, cho phép máy tính và con người có thể hợp tác với nhau tốt hơn" [6]. Kiến trúc Semantic Web Stack bao gồm các tầng: URI/IRI, Unicode, XML, RDF/RDFS, OWL, SPARQL, RIF, Unifying Logic, Proof, Cryptography và Trust.

Các chuẩn kỹ thuật chính được sử dụng bao gồm:

  • RDF (Resource Description Framework): mô hình dữ liệu biểu diễn thông tin dạng bộ ba (chủ thể – vị ngữ – đối tượng).
  • RDFS (RDF Schema): cung cấp từ vựng mô hình hóa lớp, thuộc tính, quan hệ lớp con.
  • OWL (Web Ontology Language): biểu diễn ngữ nghĩa hình thức; ba ngôn ngữ con là OWL Lite, OWL DL và OWL Full; phiên bản OWL2 công bố năm 2012 [54].
  • SPARQL 1.1 (chuẩn W3C, phát hành 2013 [52]): ngôn ngữ truy vấn dữ liệu ngữ nghĩa.
  • RIF (phiên bản mới nhất 5/2/2013 [55]): trao đổi luật giữa các hệ thống.

Khung ontology sử dụng: ontology PROTON (các mô đun System, Top, Upper, KM) và ontology thể thao BBC làm cơ sở; từ đó tác giả xây dựng ontology BKSport dành riêng cho hệ thống. Phương pháp luận phát triển ontology tham chiếu: Methontology [74], Uschold và King [71], Grüninger và Fox [72].

Phương pháp nghiên cứu

Luận án áp dụng phương pháp tiếp cận từ trên xuống (top-down), kết hợp nghiên cứu lý thuyết với thực nghiệm đánh giá. Đây là nghiên cứu định lượng kỹ thuật: không có phỏng vấn hay phân tích định tính; kết quả được đo bằng các chỉ số kỹ thuật cụ thể.

Về lý thuyết: Tổng quan các kết quả nghiên cứu liên quan công bố trên hội thảo và tạp chí quốc tế; xác định bài toán và đề xuất phương pháp mới cho từng bài toán thành phần.

Về thực nghiệm: Cài đặt các thuật toán đề xuất, chạy thực nghiệm trên tập dữ liệu thu thập từ lĩnh vực thể thao, đánh giá kết quả bằng các chỉ số độ chính xác (Precision – P), độ bao phủ (Recall – R).

Công cụ và phần mềm:

  • GATE (General Architecture for Text Engineering): nền tảng xử lý văn bản, làm cơ sở cho KIM.
  • KIM (Knowledge and Information Management): nền tảng chú thích tự động dùng để so sánh với phương pháp đề xuất.
  • Allegrograph (Franz Inc.): mô tơ tìm kiếm ngữ nghĩa và kho lưu trữ RDF triple store, dùng cho tìm kiếm và suy diễn ngữ nghĩa.
  • JAPE (Java Annotation Patterns Engine): công cụ tạo mô hình chú thích.
  • Các công cụ phân tích cú pháp ngôn ngữ tự nhiên tiếng Anh.

Nguồn dữ liệu

Tin tức thể thao tiếng Anh thu thập tự động bằng hệ thống con Crawler từ các website BBC Sport, SkySports, ESPN. Dữ liệu thực nghiệm được xây dựng từ miền lĩnh vực bài toán; các tập dữ liệu cụ thể được mô tả trong từng chương thực nghiệm (150 tin tức trong thực nghiệm sinh chú thích; tập câu hỏi đánh giá hệ thống truy vấn ngôn ngữ tự nhiên).

Nội dung chính theo từng chương

Chương 1: Kiến thức nền tảng và tiếp cận phát triển hệ thống tin tức thể thao dựa trên Web ngữ nghĩa

Chương trình bày tổng quan về nguồn gốc, khái niệm và kiến trúc Web ngữ nghĩa; các chuẩn RDF, RDFS, OWL, SPARQL, RIF; ontology và các phương pháp luận phát triển ontology (Methontology, Uschold và King, Grüninger và Fox); các công cụ phát triển ontology (Protégé [78], OntoEdit [79], WebODE [80]); tìm kiếm ngữ nghĩa; kho dữ liệu ngữ nghĩa mở (Linked Open Data). Phần cuối chương điểm lại các nghiên cứu tiêu biểu về ứng dụng Web ngữ nghĩa trong y tế, nông nghiệp, thương mại điện tử, chính phủ điện tử và lĩnh vực thể thao, sau đó đề xuất mô hình kiến trúc hệ thống BKSport với các thành phần: Crawler, Ontology thể thao (BKSport), Sinh chú thích ngữ nghĩa, Cổng thông tin ngữ nghĩa (Query Transformer, Query Answering, Recommender), Mô tơ suy diễn và tìm kiếm ngữ nghĩa (Allegrograph), Kho dữ liệu ngữ nghĩa (Annotation Base lưu trữ bộ ba RDF).

Luận điểm chính của chương: ứng dụng công nghệ ngữ nghĩa là hướng tiếp cận phù hợp để cải thiện hạn chế của tìm kiếm từ khóa trong hệ thống tổng hợp tin tức, và ba trọng tâm nghiên cứu (sinh chú thích ngữ nghĩa, tìm kiếm ngữ nghĩa, gợi ý tin tức) được xác lập từ phân tích này.

Chương 2: Sinh chú thích ngữ nghĩa cho tin tức thể thao

Đây là chương nghiên cứu trọng tâm đầu tiên. Luận án đề xuất một phương pháp sinh chú thích ngữ nghĩa cho tin tức thể thao dựa trên ontology BKSport, cơ sở tri thức thể thao và các luật (mẫu) trích chọn, hoạt động theo các bước: thu thập và tiền xử lý tin tức → nhận dạng/trích rút thực thể có tên → xác định lớp ngữ nghĩa → sinh chú thích dạng bộ ba RDF.

Xây dựng ontology BKSport: Tác giả kế thừa ontology PROTON (với các mô đun System, Top, Upper, KM) và ontology thể thao BBC làm nền tảng, sau đó xây dựng BKSport với các ánh xạ từ BKSport sang PROTON.

Các cải tiến trong nhận dạng thực thể có tên (NER):

  • Nhận dạng thực thể như thể hiện trong cơ sở tri thức.
  • Phát hiện bí danh của thực thể.
  • Nhận dạng thực thể ở mức khái niệm chi tiết.
  • Cải tiến nhận dạng thực thể ở dạng rút gọn.
  • Nhận dạng thực thể cùng tên khác kiểu.

Các loại chú thích ngữ nghĩa được sinh ra:

  • Ngữ nghĩa bộ ba đơn giản: diễn tả sự kiện, hành động, chủ đề, thực thể gắn với tin tức.
  • Ngữ nghĩa về thực thể quan trọng trong tin tức.
  • Chú thích về tuyên bố gián tiếp (sử dụng từ khóa nhận dạng câu tuyên bố gián tiếp, có bảng danh sách từ khóa – Bảng 2.1).
  • Chú thích về tin tức chuyển nhượng bóng đá (nhận dạng thực thể và trích rút ngữ nghĩa).

Kết quả thực nghiệm:

Thực nghiệm Nội dung Chỉ số
Thực nghiệm 1 (150 tin) Trích rút thông tin ngữ nghĩa Độ chính xác (P) và độ bao phủ (R) được báo cáo – Bảng 2.2, 2.3
Thực nghiệm 2 Nhận dạng thực thể và bộ ba Thống kê nhận dạng – Bảng 2.4
Nhận dạng quan hệ ngữ nghĩa So sánh trước và sau cải tiến Bảng 2.5 và Bảng 2.6 (kết quả cải thiện hiệu năng)

Phương pháp đề xuất được so sánh với công cụ KIM trên cùng tập dữ liệu; hình 2.18 và hình 2.20 minh họa số lượng thể hiện được nhận dạng bởi KIM và phương pháp đề xuất. Kết quả đầu ra là các bộ ba ngữ nghĩa RDF được ghi nhận trong Annotation Base.

Chương 3: Một phương pháp truy vấn tin tức thể thao với ngôn ngữ tự nhiên

Chương đề xuất phương pháp chuyển đổi câu hỏi ngôn ngữ tự nhiên (tiếng Anh) sang truy vấn SPARQL để thực hiện tìm kiếm ngữ nghĩa. Quy trình gồm các bước:

  1. Tiền xử lý câu hỏi: phân loại câu hỏi đầu vào theo loại (hình 3.1).
  2. Phân tích cú pháp: xây dựng cây cấu trúc cụm từ (hình 3.3).
  3. Biểu diễn ngữ nghĩa cho câu hỏi: theo mô hình biểu diễn ngữ nghĩa (Bảng 3.1); chuyển từ cấu trúc ngữ pháp sang biểu diễn ngữ nghĩa qua xác định quan hệ phụ thuộc bộ ba (hình 3.6), xử lý nhãn thời gian.
  4. Sinh câu truy vấn SPARQL trung gian (hình 3.8): xác định mệnh đề hỏi (SELECT), xây dựng mệnh đề điều kiện WHERE.
  5. Xác định thực thể, khái niệm và vị từ: nhận dạng các lớp, nhận dạng thuộc tính từ ontology BKSport.
  6. Sinh truy vấn SPARQL hoàn chỉnh.

Kết quả thực nghiệm: Đánh giá trên tập câu hỏi (Bảng 3.2 – một phần tập câu hỏi đánh giá). Nhận xét đánh giá chi tiết theo từng khía cạnh: phân tích cú pháp, nhận dạng quan hệ phụ thuộc bộ ba, nhận dạng khái niệm và vị từ, xử lý nhãn thời gian. Một số trường hợp đặc biệt chưa xử lý được cũng được ghi nhận.

Chương 4: Gợi ý tin tức dựa trên ngữ nghĩa cho hệ thống tổng hợp tin tức thể thao

Chương đề xuất phương pháp gợi ý tin tức dựa trên độ tương đồng kết hợp giữa ngữ nghĩa và nội dung. Tư tưởng chính: không đi theo tiếp cận lọc cộng tác (collaborative filtering) vì đòi hỏi lượng dữ liệu người dùng lớn, mà dùng gợi ý dựa theo nội dung (content-based) kết hợp với yếu tố ngữ nghĩa.

Công thức độ tương đồng kết hợp giữa hai tin tức bao gồm:

  • Độ tương đồng ngữ nghĩa, gồm ba thành phần:
    • Quan hệ ngữ nghĩa giữa các thực thể (hình 4.1).
    • Loại thực thể xuất hiện trong tin.
    • Các chú thích ngữ nghĩa của tin (hình 4.2).
  • Độ tương đồng nội dung (dựa trên TF-IDF).

Kết quả thực nghiệm: Các kịch bản thử nghiệm được thiết kế để đánh giá độ chính xác gợi ý tin tức trong từng trường hợp (Bảng 4.1 – Độ chính xác gợi ý tin tức trong các trường hợp).

Kết quả và những đóng góp mới

Luận án tự nêu các đóng góp mới về lý luận và thực tiễn như sau:

Đóng góp về lý luận:

  • Mô hình kiến trúc hệ thống tổng hợp tin tức thể thao dựa trên Web ngữ nghĩa, làm rõ vai trò và mối quan hệ giữa các thành phần: Crawler, ontology BKSport, Sinh chú thích ngữ nghĩa, Cổng thông tin ngữ nghĩa, Mô tơ suy diễn (Allegrograph), Kho dữ liệu ngữ nghĩa.

  • Phương pháp sinh chú thích ngữ nghĩa tự động cho tin tức thể thao, với các dạng ngữ nghĩa: bộ ba đơn giản (sự kiện, hành động, chủ đề), thực thể quan trọng, tuyên bố gián tiếp, chuyển nhượng bóng đá. Kết quả có thể làm cơ sở cho các nghiên cứu tiếp theo về tạo chú thích ngữ nghĩa cho văn bản.

  • Phương pháp chuyển đổi câu hỏi ngôn ngữ tự nhiên tiếng Anh sang truy vấn SPARQL, có thể làm cơ sở cho nghiên cứu chuyển đổi từ câu hỏi tự nhiên sang truy vấn ngữ nghĩa nói chung.

  • Công thức tính độ tương đồng và liên quan ngữ nghĩa giữa hai tin tức thể thao, kết hợp độ liên quan ngữ nghĩa và độ tương đồng nội dung; sử dụng trong phương pháp gợi ý tin tức. Kết quả có thể làm cơ sở cho nghiên cứu các bộ trọng số kết hợp độ đo về sự liên quan và tương đồng ngữ nghĩa giữa hai văn bản.

Đóng góp về thực tiễn:

  • Xây dựng và triển khai hệ thống mẫu thử BKSport, minh họa ba nghiên cứu trên trong một hệ thống tổng hợp tin tức thể thao hoàn chỉnh, hỗ trợ người dùng tìm kiếm chính xác hơn theo ngữ nghĩa câu hỏi và nhận gợi ý tin tức phù hợp.

  • Một số kết quả không gắn với đặc thù ngôn từ thể thao có thể áp dụng cho các lĩnh vực tin tức khác.

  • Mô hình ngữ nghĩa của hệ thống tạo điều kiện cho các nghiên cứu về trực quan hóa và tổ chức nội dung cổng thông tin.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế được đề cập trong văn bản:

  • Phạm vi chỉ giới hạn ở tin tức thể thao tiếng Anh; tiếng Việt không được xét đến, dù tác giả giải thích lý do là phạm vi ứng dụng của tiếng Anh rộng hơn.
  • Luận án không đi sâu nghiên cứu kỹ thuật mới cho web crawler, mô tơ suy diễn ngữ nghĩa, hay lọc cộng tác.
  • Hệ thống truy vấn ngôn ngữ tự nhiên có một số trường hợp đặc biệt chưa xử lý được (được liệt kê trong Chương 3, mục 3.5.2.5).
  • Chú thích ngữ nghĩa tự động hiện tại vẫn cần cải tiến độ chính xác.

Hướng nghiên cứu tiếp được nêu:

  • Tiếp tục cải tiến phương pháp sinh chú thích ngữ nghĩa, đặc biệt cho các ngữ nghĩa phức tạp hơn.
  • Nghiên cứu các bộ trọng số kết hợp các độ đo tương đồng ngữ nghĩa trong gợi ý tin tức.
  • Mở rộng sang các lĩnh vực tin tức khác ngoài thể thao.
  • Nghiên cứu trực quan hóa và tổ chức nội dung cổng thông tin dựa trên mô hình ngữ nghĩa.

Giá trị tham khảo

Luận án có thể hữu ích cho các nhóm đối tượng sau:

  • Nghiên cứu sinh và giảng viên ngành Khoa học máy tính, Mạng máy tính, Kỹ thuật phần mềm và Xử lý ngôn ngữ tự nhiên: Chương 1 cung cấp tổng quan có hệ thống về Web ngữ nghĩa và ontology; Chương 2 về sinh chú thích ngữ nghĩa; Chương 3 về chuyển đổi ngôn ngữ tự nhiên sang SPARQL.

  • Nghiên cứu sinh làm về hệ thống khuyến nghị (Recommender Systems): Chương 4 trình bày cách tích hợp yếu tố ngữ nghĩa vào gợi ý dựa theo nội dung, là hướng tham khảo cho các bài toán tương tự trong tin tức hay tài liệu văn bản.

  • Kỹ sư phần mềm xây dựng hệ thống tổng hợp tin tức hoặc cổng thông tin chuyên ngành: Mô hình kiến trúc BKSport ở Chương 1 có thể tham khảo như khung thiết kế tổng thể; các quyết định kỹ thuật về lựa chọn Allegrograph, GATE, SPARQL 1.1 có thể tham chiếu cho các dự án tương tự.

  • Người nghiên cứu về Web ngữ nghĩa ứng dụng trong lĩnh vực truyền thông và thông tin thể thao: Phần tổng quan nghiên cứu liên quan trong Chương 1 và Chương 2 cung cấp bức tranh khá đầy đủ về tình trạng nghiên cứu tính đến 2019.

Câu hỏi thường gặp

1. Hệ thống BKSport sử dụng ontology nào và ontology đó được xây dựng như thế nào?

Hệ thống sử dụng ontology BKSport do tác giả xây dựng, dựa trên hai nền tảng: ontology PROTON (gồm các mô đun System, Top, Upper, KM) và ontology thể thao của hãng BBC. Tác giả thực hiện ánh xạ từ BKSport sang PROTON và thiết kế các lớp, thuộc tính đặc thù cho miền thể thao, đặc biệt bóng đá. Ontology BKSport đóng vai trò trung tâm, dẫn dắt hoạt động của các thành phần sinh chú thích ngữ nghĩa và tìm kiếm ngữ nghĩa.

2. Phương pháp sinh chú thích ngữ nghĩa đề xuất khác biệt như thế nào so với hệ thống KIM?

Phương pháp đề xuất của luận án mở rộng so với KIM (vốn dựa trên GATE với phần mở rộng Annie) theo hướng: nhận dạng các thực thể có tên đặc thù của thể thao (bí danh cầu thủ, thực thể rút gọn, thực thể cùng tên khác kiểu); và sinh ra các chú thích ngữ nghĩa phức tạp hơn như tuyên bố gián tiếp và ngữ nghĩa chuyển nhượng bóng đá, không chỉ dừng ở việc gán lớp cho thực thể. Kết quả so sánh giữa phương pháp đề xuất và KIM được trình bày qua hình 2.18 và hình 2.20 trong luận án.

3. Quy trình chuyển đổi câu hỏi ngôn ngữ tự nhiên tiếng Anh sang SPARQL gồm những bước nào?

Quy trình gồm sáu bước chính: (1) tiền xử lý và phân loại câu hỏi; (2) phân tích cú pháp để xây dựng cây cấu trúc cụm từ; (3) biểu diễn ngữ nghĩa cho câu hỏi theo mô hình biểu diễn được thiết kế; (4) sinh câu truy vấn SPARQL trung gian bao gồm xác định mệnh đề SELECT và mệnh đề WHERE; (5) xác định thực thể, khái niệm và vị từ từ ontology BKSport; (6) sinh truy vấn SPARQL hoàn chỉnh để gửi tới mô tơ Allegrograph.

4. Phương pháp gợi ý tin tức đề xuất tính độ tương đồng giữa hai tin như thế nào?

Luận án đề xuất công thức độ tương đồng kết hợp giữa độ tương đồng ngữ nghĩa và độ tương đồng nội dung. Phần độ tương đồng ngữ nghĩa bao gồm ba thành phần: quan hệ ngữ nghĩa giữa các thực thể có trong hai tin (khai thác cấu trúc ontology BKSport), loại thực thể xuất hiện trong tin, và các chú thích ngữ nghĩa của tin được sinh ra từ Chương 2. Phần độ tương đồng nội dung dựa trên TF-IDF. Kết quả đánh giá theo từng trường hợp được trình bày trong Bảng 4.1.

5. Luận án không nghiên cứu những gì và tại sao?

Luận án xác định rõ ba phạm vi không nghiên cứu: (1) không nghiên cứu kỹ thuật mới cho web crawler, chỉ sử dụng các kỹ thuật đã công bố; (2) không nghiên cứu phát triển mô tơ suy diễn ngữ nghĩa, thay vào đó sử dụng Allegrograph của Franz Inc.; (3) không theo tiếp cận lọc cộng tác trong gợi ý tin tức vì phương pháp đó đòi hỏi lượng lớn dữ liệu người dùng sẵn có, điều chỉ có ở các hệ thống lớn đã triển khai thực tế. Luận án cũng không xét tin tức tiếng Việt.

Kết luận

Luận án trình bày một hướng nghiên cứu kỹ thuật nhất quán: ứng dụng công nghệ Web ngữ nghĩa để xây dựng hệ thống tổng hợp tin tức thể thao tiếng Anh với ba trọng tâm là sinh chú thích ngữ nghĩa, tìm kiếm ngữ nghĩa qua ngôn ngữ tự nhiên và gợi ý tin tức có khai thác ngữ nghĩa. Ontology BKSport được xây dựng riêng cho lĩnh vực thể thao, đóng vai trò trung tâm kết nối các thành phần trong kiến trúc hệ thống BKSport. Các phương pháp đề xuất trong ba chương nghiên cứu (2, 3, 4) đều được triển khai và đánh giá trên dữ liệu thực nghiệm với các chỉ số Precision và Recall, và được so sánh với công cụ KIM. Phạm vi nghiên cứu được giới hạn rõ ràng ở tin tức thể thao tiếng Anh, và luận án ghi nhận một số trường hợp đặc biệt chưa được xử lý trong hệ thống truy vấn ngôn ngữ tự nhiên, mở ra hướng nghiên cứu tiếp theo.