Xây Dựng Và Làm Giàu Ontology Tiếng Việt Chuyên Ngành Công Nghệ Thông Tin

Ngày nay, với sự phát triển mạnh mẽ của Internet, lượng dữ liệu trong ngành công nghệ thông tin tăng… 102 trang · Đại học Quốc gia TP. Hồ Chí Minh · 2011.

• Tác giả: Trần Công Danh
• Người hướng dẫn: Th.S Huỳnh Ngọc Tín
• Trường học: Đại học Quốc gia TP. Hồ Chí Minh
• Chuyên ngành: Công nghệ thông tin
• Đề tài: Xây Dựng Và Làm Giàu Ontology Tiếng Việt Chuyên Ngành Công Nghệ Thông Tin
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2011
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI MỞ ĐẦU
• LỜI CẢM ƠN
• NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪN
• NHẬN XÉT CỦA GIÁO VIÊN PHẢN BIỆN
• DANH MỤC HÌNH
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Mục tiêu và phạm vi đề tài
• 1.2. Phương pháp và công cụ
• 1.3. Kết quả dự kiến
• 1.4. Tổng kết chương
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Tổng quan về ontology
• 2.1.1. Vì sao phải xây dựng ontology?
• 2.1.2. Thành phần của ontology
• 2.1.3. Làm thế nào để xây dựng một ontology?
• 2.2. Khảo sát các nghiên cứu có liên quan
• 2.2.1. Các nghiên cứu trên thế giới
• 2.2.2. Các nghiên cứu trong nước
• 2.3. Tổng kết chương
• 3. CHƯƠNG 3: XÂY DỰNG VÀ LÀM GIÀU ONTOLOGY TIẾNG VIỆT CHUYÊN NGÀNH CÔNG NGHỆ THÔNG TIN (ITVO)
• 3.1. Xây dựng ontology tiếng Việt chuyên ngành công nghệ thông tin (ITVO)
• 3.1.1. Công cụ sử dụng
• 3.1.2. Quá trình xây dựng ontology
• 3.2. Phương pháp làm giàu ontology tiếng Việt chuyên ngành công nghệ thông tin
• 3.2.1. Khảo sát phương pháp làm giàu ontology
• 3.2.2. Phương pháp thực hiện
• 3.3. Tổng kết chương
• 4. CHƯƠNG 4: HIỆN THỰC HỆ THỐNG VÀ ĐÁNH GIÁ
• 4.1. Kiến trúc chương trình làm giàu ontology
• 4.2. Các bước chạy chương trình
• 4.3. Thực nghiệm và đánh giá
• 5. CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• 5.1. Hướng phát triển
• Tài liệu tham khảo
• Phụ lục A: Hướng dẫn sử dụng Protégé
• Phụ lục B: Danh sách các hư từ

Tóm tắt

I. Tổng Quan Về Xây Dựng Ontology Tiếng Việt CNTT Hiện Nay

Ngày nay, với sự phát triển mạnh mẽ của Internet, lượng dữ liệu trong ngành công nghệ thông tin tăng trưởng chóng mặt. Điều này đặt ra yêu cầu cấp thiết về quản lý, chia sẻ và tìm kiếm thông tin hiệu quả. Các công cụ tìm kiếm hiện tại như Google hay Yahoo chỉ đơn thuần dựa vào từ khóa, dẫn đến kết quả tìm kiếm không sát với ngữ nghĩa thực tế mà người dùng mong muốn. Để giải quyết vấn đề này, việc xây dựng ontology tiếng Việt chuyên ngành công nghệ thông tin trở nên vô cùng quan trọng. Ontology đóng vai trò như một cơ sở tri thức, mô tả các khái niệm, thuộc tính và mối quan hệ trong một lĩnh vực cụ thể, giúp máy tính "hiểu" được ngữ nghĩa và trả lời câu hỏi một cách thông minh hơn. Đề tài "Xây dựng và làm giàu ontology tiếng Việt chuyên ngành công nghệ thông tin" ra đời nhằm đáp ứng nhu cầu này, tạo nền tảng cho các ứng dụng tìm kiếm ngữ nghĩa, hệ thống hỏi đáp tự động và hỗ trợ web ngữ nghĩa.

1.1. Giới Thiệu Tổng Quan Về Đề Tài Ontology Tiếng Việt

Đề tài tập trung vào việc xây dựng một ontology làm nền tảng cho các ứng dụng như tìm kiếm thông tin tiếng Việt, hệ thống hỏi đáp tiếng Việt cho ngành công nghệ thông tin, hỗ trợ cho web ngữ nghĩa, giúp xác định thực thể có tên trong tài liệu công nghệ thông tin tiếng Việt. Ontology này có khả năng mở rộng cấu trúc và dữ liệu để phục vụ mục đích hỏi đáp của người dùng. Ngoài ra, đề tài cũng hướng đến việc xây dựng công cụ cho phép làm giàu ontology từ internet. Mục tiêu chính là xây dựng ontology chuyên ngành công nghệ thông tin tiếng Việt phục vụ cho việc nhận diện thực thể có tên, không tên và xác định quan hệ giữa chúng trong tài liệu công nghệ thông tin tiếng Việt, hỗ trợ cho các ứng dụng, nghiên cứu khác về xử lý ngữ nghĩa văn bản tiếng Việt chuyên ngành công nghệ thông tin.

1.2. Phạm Vi Nghiên Cứu Ontology Tiếng Việt Chuyên Ngành CNTT

Phạm vi của đề tài giới hạn trong lĩnh vực Công nghệ thông tin – Information Technology Vietnamese Ontology (ITVO) nhằm lưu trữ: Các khái niệm trong lĩnh vực Công nghệ thông tin và quan hệ giữa chúng. Thông tin các công ty, trường học, tổ chức, hiệp hội, chuyên gia, các sự kiện trong ngành và quan hệ ngữ nghĩa giữa chúng. Các chương trình đào tạo Công nghệ thông tin. Nguồn dữ liệu được lấy từ ComputingOntology của nhóm nghiên cứu thuộc ACM, trang Wikipedia tiếng Việt, website Bộ thông tin và truyền thông, một số website báo điện tử, các bài báo lĩnh vực công nghệ thông tin tiếng Việt, website các trường có đào tạo ngành công nghệ thông tin trong nước, tài liệu từ internet tìm được từ công cụ tìm kiếm như Google, Yahoo.

II. Vì Sao Cần Xây Dựng Ontology Tiếng Việt Cho CNTT

Việc xây dựng ontology không chỉ là một xu hướng mà còn là một nhu cầu thiết yếu trong bối cảnh bùng nổ thông tin hiện nay. Ontology mang lại nhiều lợi ích thiết thực, bao gồm khả năng chia sẻ kiến thức giữa con người và các tác tử phần mềm, tái sử dụng kiến thức chuyên ngành, làm rõ các giả định trong lĩnh vực và phân tích, suy luận tri thức một cách hiệu quả. Đặc biệt, đối với tiếng Việt, việc xây dựng ontology giúp vượt qua rào cản ngôn ngữ, tạo điều kiện thuận lợi cho việc xử lý và khai thác thông tin tiếng Việt trong các ứng dụng trí tuệ nhân tạo, web ngữ nghĩa và các hệ thống thông minh khác. Theo Gruber trong tài liệu [20], một ontology là một đặc tả rõ ràng của một sự trừu tượng hóa (An ontology is an explicit specification of a conceptualization).

2.1. Chia Sẻ Tri Thức và Tái Sử Dụng Ontology Tiếng Việt

Nếu các hệ thống cùng chia sẻ chung một ontology bên dưới thì dữ liệu do con người nhập vào tại hệ thống này sau khi được xử lý thông qua ontology có thể được tổng hợp, phân tích tại một hệ thống khác và cung cấp thông tin cho người sử dụng khác. Sau khi xây dựng một ontology cho một lĩnh vực, những người khác có thể tái sử dụng và mở rộng, làm giàu thêm cho nó. Hoặc cũng có thể tích hợp những ontology có sẵn để mô tả nhiều khái niệm thuộc một lĩnh vực nhỏ trong một ontology về một lĩnh vực lớn.

2.2. Phân Tích và Suy Luận Kiến Thức Chuyên Ngành Với Ontology

Có thể phân tích và suy luận kiến thức chuyên ngành vì những thuật ngữ, khái niệm cũng như các mối quan hệ giữa chúng đều được khai báo, đặc tả trong ontology với cấu trúc có thể suy luận được theo ngữ nghĩa. Cụ thể là do các khái niệm được lưu dưới cấu trúc cây phân cấp, tên của khái niệm và quan hệ là những từ và cụm từ có nghĩa biểu diễn cho những phát biểu có nghĩa.

III. Các Thành Phần Quan Trọng Của Một Ontology Tiếng Việt

Một ontology hoàn chỉnh bao gồm các thành phần chính như lớp (khái niệm), thuộc tính và mối quan hệ. Lớp đại diện cho các nhóm đối tượng trừu tượng, thuộc tính mô tả đặc điểm của đối tượng và mối quan hệ thể hiện sự liên kết giữa các đối tượng. Việc xác định và xây dựng các thành phần này một cách chính xác là yếu tố then chốt để đảm bảo tính hiệu quả và khả năng ứng dụng của ontology. Các lớp được sắp xếp theo cấu trúc có thứ bậc, thông thường một ontology có một lớp thông dụng nhất kiểu Thing ở trên đỉnh và các lớp con rất cụ thể ở phía dưới cùng (theo Protégé 4 Tutorial).

3.1. Lớp Classes Khái Niệm Trong Ontology Tiếng Việt

Lớp là nhóm, tập hợp các đối tượng trừu tượng có thể chứa các cá thể, lớp khác hoặc cả hai. Các ontology biến đổi tuỳ thuộc vào cấu trúc và nội dung của nó: Một lớp có thể chứa các lớp con, có thể là một lớp tổng quan (chứa tất cả mọi thứ), có thể là lớp chỉ chứa những cá thể riêng lẻ. Lớp có thể có các ràng buộc (restrictions) cho các quan hệ của cá thể thuộc lớp đó, ví dụ như một Tác giả phải viết một hoặc nhiều tác phẩm thì một cá thể của tác giả phải có quan hệ “là tác giả của” với một hoặc nhiều cá thể của tác phẩm.

3.2. Thuộc Tính Properties Trong Ontology Tiếng Việt

Các đối tượng trong ontology có thể được mô tả thông qua việc khai báo các thuộc tính của chúng. Mỗi một thuộc tính đều có tên và giá trị của thuộc tính đó. Các thuộc tính được sử dụng để lưu trữ các thông tin mà đối tượng có thể có. Ví dụ, đối với một cá thể của lớp người có thể có các thuộc tính: Họ_tên, ngày_sinh, quê_quán, số_cmnd… Giá trị của một thuộc tính có các kiểu thông thường như String, int, float, date… và cũng có thể có các kiểu dữ liệu phức tạp như một cá thể khác chẳng hạn.

3.3. Mối Quan Hệ Relations Trong Ontology Tiếng Việt

Là thuộc tính để mô tả mối liên hệ giữa các đối tượng trong ontology. Một mối quan hệ là một thuộc tính có giá trị là một đối tượng nào đó trong ontology. Một đối tượng có thể có một hoặc nhiều quan hệ trong ontology bất kể lớp của nó có quan hệ đó hay không, quan hệ của đối tượng phải tuân theo ràng buộc của lớp chứa đối tượng đó nếu có. Ví dụ như một lớp Tác giả có quan hệ “nơi công tác hiện tại” với lớp Tổ chức. Quan hệ này có ràng buộc là một tác giả chỉ có một nơi công tác hiện tại, tức là một cá thể Tác giả chỉ có quan hệ với một cá thể của Tổ chức.

IV. Hướng Dẫn Xây Dựng Ontology Tiếng Việt Chuyên Ngành CNTT

Hiện nay, không có một phương pháp chuẩn duy nhất cho việc xây dựng ontology. Tuy nhiên, quá trình này thường bao gồm các bước cơ bản như xác định miền và phạm vi của ontology, liệt kê các thuật ngữ quan trọng, xác định lớp và cấu trúc phân cấp, xác định thuộc tính và mối quan hệ, tạo cá thể và kiểm tra, đánh giá ontology. Việc tuân thủ các bước này giúp đảm bảo tính logic, nhất quán và khả năng mở rộng của ontology. Theo tài liệu [2] thì phương pháp xây dựng ontology gồm các bước:

4.1. Xác Định Miền và Phạm Vi Của Ontology Tiếng Việt

Đây là bước chúng ta nên làm trước khi muốn xây dựng một ontology. Trong một hệ thống có sử dụng ontology thì các yêu cầu đối với nó thường là mô tả một lĩnh vực nào đó nhằm cung cấp cơ sở tri thức trong việc giải quyết những mục đích chuyên biệt. Để nhận diện chính xác những yêu cầu chúng ta cần phải trả lời một số câu hỏi như: Ontology cần mô tả lĩnh vực nào? Ontology phục vụ cho mục đích chuyên biệt gì? Cơ sở tri thức trong ontology sẽ trả lời những câu hỏi gì? Ontology nhằm vục vụ đối tượng nào? Ai là người sẽ xây dựng, quản trị ontology?

4.2. Liệt Kê Các Thuật Ngữ Quan Trọng Trong Ontology

Liệt kê các thuật ngữ quan trọng trong lĩnh vực cần mô tả. Các thuật ngữ này có thể là danh từ, động từ, tính từ hoặc cụm từ. Việc liệt kê đầy đủ các thuật ngữ giúp đảm bảo ontology bao quát được các khái niệm quan trọng trong lĩnh vực. Ví dụ như ontology cần xây dựng có chức năng xử lý ngôn ngữ tự nhiên, ứng dụng dịch tài liệu tự động thì cần phải có kỹ thuật xác định từ đồng nghĩa.

V. Ứng Dụng Thực Tế Của Ontology Tiếng Việt Trong CNTT

Ontology tiếng Việt trong lĩnh vực CNTT có tiềm năng ứng dụng rộng rãi trong nhiều lĩnh vực khác nhau. Một số ứng dụng tiêu biểu bao gồm: Tìm kiếm thông tin ngữ nghĩa, hệ thống hỏi đáp tự động, trích xuất thông tin, phân tích văn bản, khai phá dữ liệu và xây dựng hệ chuyên gia. Việc ứng dụng ontology giúp nâng cao hiệu quả và độ chính xác của các hệ thống thông tin, đồng thời tạo ra những sản phẩm và dịch vụ thông minh hơn. Cùng với những nhu cầu đã nêu ở trên, giáo viên hướng dẫn đã gợi ý và đưa ra đề tài: “Xây dựng và làm giàu ontology tiếng Việt chuyên ngành Công nghệ thông tin”.

5.1. Ứng Dụng Ontology Tiếng Việt Trong Tìm Kiếm Thông Tin

Ontology có thể được sử dụng để cải thiện khả năng tìm kiếm thông tin bằng cách cho phép người dùng tìm kiếm dựa trên ý nghĩa của các từ khóa, thay vì chỉ dựa trên sự xuất hiện của chúng trong văn bản. Điều này có thể giúp người dùng tìm thấy thông tin phù hợp hơn và giảm thiểu số lượng kết quả không liên quan.

5.2. Ontology Tiếng Việt Cho Hệ Thống Hỏi Đáp Tự Động

Ontology có thể được sử dụng để xây dựng các hệ thống hỏi đáp tự động có khả năng hiểu các câu hỏi bằng tiếng Việt và cung cấp câu trả lời chính xác và đầy đủ. Điều này có thể giúp người dùng tìm thấy thông tin họ cần một cách nhanh chóng và dễ dàng.

VI. Kết Luận và Hướng Phát Triển Ontology Tiếng Việt CNTT

Việc xây dựng ontology tiếng Việt chuyên ngành công nghệ thông tin là một quá trình phức tạp nhưng vô cùng cần thiết. Với sự phát triển không ngừng của công nghệ thông tin và nhu cầu ngày càng cao về xử lý thông tin tiếng Việt, ontology sẽ đóng vai trò ngày càng quan trọng trong việc xây dựng các hệ thống thông minh và hiệu quả. Hướng phát triển trong tương lai có thể tập trung vào việc mở rộng phạm vi của ontology, cải thiện độ chính xác và khả năng suy luận, cũng như phát triển các công cụ hỗ trợ xây dựng và quản lý ontology một cách dễ dàng hơn. Trong chương này chúng em đã trình bày mục tiêu của việc nghiên cứu và xây dựng ontology hiện nay.

6.1. Mở Rộng Phạm Vi và Độ Chính Xác Của Ontology Tiếng Việt

Hướng phát triển trong tương lai có thể tập trung vào việc mở rộng phạm vi của ontology để bao gồm nhiều lĩnh vực con của công nghệ thông tin hơn, cũng như cải thiện độ chính xác của các khái niệm và mối quan hệ trong ontology.

6.2. Phát Triển Công Cụ Hỗ Trợ Xây Dựng Ontology Tiếng Việt

Cần phát triển các công cụ hỗ trợ xây dựng và quản lý ontology một cách dễ dàng hơn, giúp người dùng không chuyên cũng có thể tham gia vào quá trình xây dựng ontology.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Sự phát triển nhanh chóng của Internet kéo theo khối lượng dữ liệu trong ngành công nghệ thông tin (CNTT) gia tăng với tốc độ lớn. Nhu cầu quản lý, chia sẻ và tra cứu thông tin chuyên ngành trở thành một thách thức đối với người dùng. Các công cụ tìm kiếm truyền thống như Google hay Yahoo chủ yếu hoạt động dựa trên cơ chế so khớp từ khóa, trả về danh sách các tài liệu có chứa chuỗi ký tự được nhập vào. Phương pháp này bộc lộ hạn chế lớn khi hệ thống không hiểu được ý nghĩa ngữ nghĩa của câu truy vấn, dẫn đến kết quả tìm kiếm không sát với nhu cầu thực tế hoặc chứa nhiều thông tin sai lệch. Đặc biệt, việc xử lý ngôn ngữ tự nhiên và giải quyết các câu hỏi bằng tiếng Việt trong chuyên ngành CNTT vẫn còn rất hạn chế.

Để máy tính có thể hiểu được ngữ nghĩa và suy luận tri thức, việc xây dựng một bản thể học (ontology) đóng vai trò nền tảng. Ontology mô tả các khái niệm, thuộc tính và mối quan hệ ngữ nghĩa trong một miền lĩnh vực cụ thể, hỗ trợ cho Web ngữ nghĩa (Semantic Web) và các hệ thống hỏi đáp thông minh. Xuất phát từ bối cảnh đó, đề tài khóa luận "Xây dựng và làm giàu ontology tiếng Việt chuyên ngành công nghệ thông tin" được thực hiện.

Mục tiêu và nhiệm vụ nghiên cứu của đề tài bao gồm:

1. Xây dựng ontology chuyên ngành CNTT tiếng Việt (Information Technology Vietnamese Ontology - ITVO) nhằm phục vụ nhận diện thực thể có tên, thực thể không tên và xác định quan hệ giữa chúng trong các văn bản CNTT tiếng Việt.
2. Thiết lập cơ sở tri thức nền tảng để hỗ trợ các ứng dụng tìm kiếm ngữ nghĩa, hệ thống hỏi đáp tự động, phân tích tài liệu và tư vấn chương trình đào tạo CNTT.
3. Xây dựng công cụ bán tự động cho phép thu thập, trích xuất và làm giàu cá thể cho ontology từ nguồn dữ liệu Internet.

Đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Hệ thống khái niệm, quan hệ ngữ nghĩa và các thực thể thuộc miền tri thức công nghệ thông tin bằng tiếng Việt.
• Phạm vi nội dung: Lưu trữ các khái niệm chuyên ngành CNTT; thông tin về các công ty, trường học, tổ chức, hiệp hội, chuyên gia, sự kiện và các chương trình đào tạo trong ngành CNTT.
• Phạm vi nguồn dữ liệu: ComputingOntology của nhóm nghiên cứu thuộc ACM, Wikipedia tiếng Việt, cổng thông tin Bộ Thông tin và Truyền thông, các website báo điện tử, bài báo khoa học CNTT tiếng Việt, website của các trường đại học đào tạo CNTT trong nước và dữ liệu thu thập qua các API tìm kiếm (Google, Yahoo).

Cơ sở lý thuyết và phương pháp

Ontology được tiếp cận từ góc độ khoa học máy tính như một mô hình dữ liệu biểu diễn các khái niệm của một lĩnh vực và các mối quan hệ giữa chúng, cho phép máy tính suy luận và chia sẻ tri thức chung. Bốn thành phần chính cấu thành một ontology bao gồm:

• Lớp (Classes): Nhóm các đối tượng trừu tượng, được sắp xếp theo cấu trúc cây phân cấp (taxonomic tree).
• Thuộc tính (Properties): Mô tả đặc trưng của đối tượng, gồm thuộc tính kiểu dữ liệu (DatatypeProperty) và thuộc tính đối tượng (ObjectProperty).
• Mối quan hệ (Relations): Thể hiện sự liên kết ngữ nghĩa giữa các lớp và cá thể, thường bao gồm các quan hệ nghịch đảo (inverse relations).
• Ràng buộc (Restrictions): Giới hạn về lượng số (cardinality - đơn trị, đa trị) và kiểu dữ liệu/miền giá trị (domain, range).

Về mặt ngôn ngữ biểu diễn tri thức, ontology được xây dựng dựa trên các chuẩn của W3C gồm XML, RDF (Resource Description Framework), RDF Schema (RDFS) và OWL (Web Ontology Language với ba biến thể: OWL Lite, OWL DL, OWL Full) cùng mô hình DLP (Description Logic Programs).

Quy trình xây dựng ontology được thực hiện theo phương pháp lặp 7 bước:

1. Xác định miền và phạm vi của ontology thông qua các câu hỏi kiểm chứng khả năng (competency questions).
2. Xem xét kế thừa các ontology sẵn có.
3. Liệt kê các thuật ngữ quan trọng trong miền quan tâm.
4. Xây dựng các lớp và cấu trúc phân cấp lớp (sử dụng phương pháp kết hợp Top-down và Bottom-up).
5. Định nghĩa các thuộc tính và quan hệ cho từng lớp.
6. Định nghĩa các ràng buộc về thuộc tính và quan hệ (lượng số, miền, khoảng).
7. Tạo cá thể và gán giá trị thuộc tính.

Công trình khảo sát	Cơ quan/Tác giả	Đặc điểm dữ liệu và cấu trúc	Ngôn ngữ/Công cụ	Hạn chế đối với mục tiêu đề tài
TheComputingOntology	Nhóm nghiên cứu thuộc ACM, IEEE, NSF	Biểu diễn tri thức tính toán, phân lớp theo ACM CCS và chương trình đào tạo đại học	Protégé / OWL	Dữ liệu hoàn toàn bằng tiếng Anh, không hỗ trợ xử lý tiếng Việt
SwetoDBLP	Đại học Georgia (Mỹ)	Chứa thông tin chỉ mục hơn 1,5 triệu bài báo từ DBLP, danh sách trường đại học, nhà xuất bản	RDF / FOAF, Dublin Core, SPARQL	Hoạt động như thư viện số bài báo, không chứa cây khái niệm chuyên ngành CNTT
Ontology for Vietnamese Language (OVL)	Trường ĐH Công nghệ Thông tin (ĐHQG TP.HCM)	Ontology tổng quát gồm 2.543 lớp, 10.024 cá thể, 312 ràng buộc thuộc 10 lĩnh vực	Protégé 3.x / OWL	Dữ liệu mang tính phổ quát, thiếu chi tiết sâu về chuyên gia, khái niệm và đào tạo CNTT
Ontology Khoa học Công nghệ	Bộ môn Hệ thống thông tin (ĐH Bách Khoa Hà Nội)	Quản lý 3.000 chuyên gia, 1.500 đề tài thuộc 150 lĩnh vực KHCN	Protégé API	Không rút trích tự động từ văn bản, dữ liệu không bao trùm sâu toàn ngành CNTT

Nội dung chính theo từng chương

Chương 1: Tổng quan

Chương này phân tích bối cảnh bùng nổ thông tin và sự hạn chế của các hệ thống tìm kiếm dựa trên từ khóa đơn thuần. Tác giả xác định mục tiêu xây dựng một ontology tiếng Việt chuyên ngành CNTT (ITVO) và phát triển công cụ bán tự động phục vụ việc làm giàu dữ liệu. Phạm vi nghiên cứu được giới hạn vào các nhóm dữ liệu về khái niệm, công ty, trường học, chuyên gia, sự kiện và tổ chức CNTT. Phương pháp nghiên cứu kết hợp việc thiết kế thủ công cấu trúc cốt lõi bằng phần mềm Protégé và tự động hóa khâu thu thập ngữ liệu thông qua các API tìm kiếm, phân loại tài liệu bằng thuật toán Support Vector Machine (SVM), tách từ bằng vnTokenizer và lưu trữ qua Protégé API. Chỉ tiêu dữ liệu dự kiến đề ra gồm khoảng 1.000 lớp, 100 quan hệ, 100 cá thể nhập tay và 1.000 cá thể được làm giàu bán tự động.

Chương 2: Cơ sở lý thuyết

Chương 2 hệ thống hóa nền tảng lý luận về bản thể học từ định nghĩa triết học đến khoa học máy tính. Nội dung trình bày chi tiết bốn thành phần cốt lõi của ontology, quy trình 7 bước xây dựng cơ sở tri thức và so sánh các chuẩn ngôn ngữ biểu diễn (RDF, RDFS, ba phân lớp của OWL). Tác giả tiến hành khảo sát và đánh giá ưu nhược điểm của 4 công trình tiêu biểu: TheComputingOntology, SwetoDBLP, OVL và Ontology Khoa học Công nghệ. Kết quả khảo sát khẳng định sự cần thiết của việc xây dựng một ontology chuyên biệt cho ngành CNTT bằng tiếng Việt có cấu trúc phân cấp chuẩn hóa.

Chương 3: Xây dựng và làm giàu ontology tiếng Việt chuyên ngành công nghệ thông tin (ITVO)

Chương này tập trung vào thiết kế chi tiết cấu trúc ITVO trên công cụ Protégé 3.4 (môi trường Protégé-OWL). Tác giả thiết lập cây phân cấp lớp gồm 9 nhánh chính:

1. Khái niệm thuộc ngành công nghệ thông tin: Kế thừa cấu trúc của ComputingOntology và phân loại ACM, chia thành các nhánh con: Tin học, Công nghệ thông tin, Lập trình cơ bản, Hệ thống thông tin, Khoa học máy tính, Mạng máy tính, Kỹ thuật phần mềm, Kỹ thuật máy tính.
2. Khái niệm trong xã hội: Gồm Bảo mật, Hệ thống pháp lý, Hợp đồng, Kiểm soát, Sở hữu trí tuệ, Trách nhiệm nghề nghiệp, Đạo đức nghề nghiệp, Tác động của thay đổi công nghệ, Lịch sử máy tính, Thiết bị máy móc ban đầu, Hệ thống phần mềm phần cứng, Phần cứng không thuộc hệ thống, Phần mềm không thuộc hệ thống.
3. Sự kiện công nghệ thông tin: Phân cấp theo các năm xảy ra sự kiện.
4. Công ty hoạt động trong ngành công nghệ thông tin: Chia thành Công ty phần mềm, Công ty phần cứng, Công ty dịch vụ và Chi nhánh.
5. Trường đào tạo công nghệ thông tin: Gồm Trung tâm dạy nghề CNTT, Trung cấp, Cao đẳng, Đại học.
6. Tổ chức/hiệp hội công nghệ thông tin.
7. Giải thưởng công nghệ thông tin: Tên giải thưởng được mô hình hóa thành lớp, mỗi lần trao giải là một cá thể.
8. Chuyên gia công nghệ thông tin: Xác định là những người có học vị tiến sĩ trở lên và có công trình, bài báo khoa học chuyên ngành.
9. Hội thảo công nghệ thông tin: Tên hội thảo là lớp, mỗi lần tổ chức tạo ra một cá thể.

Hệ thống thuộc tính và quan hệ được chuẩn hóa kèm theo các ràng buộc cụ thể:

Tên thuộc tính	Lượng số	Kiểu dữ liệu	Miền áp dụng (Domain)
Định nghĩa	Đa trị	String	Khái niệm trong ngành CNTT
Nguồn	Đa trị	String	Khái niệm thuộc ngành CNTT, Sự kiện CNTT
Nội dung	1 (Đơn trị)	String	Sự kiện CNTT
Tên	Đa trị	String	Công ty, Trường đào tạo, Tổ chức/hiệp hội, Chuyên gia CNTT
Địa chỉ	Đa trị	String	Công ty, Trường đào tạo, Tổ chức/hiệp hội CNTT
Số điện thoại	Đa trị	String	Công ty, Trường đào tạo CNTT
Lĩnh vực hoạt động	Đa trị	String	Công ty hoạt động trong ngành CNTT
Quốc gia	Đa trị	String	Công ty, Tổ chức/hiệp hội CNTT
Website	Đa trị	String	Công ty, Trường đào tạo, Tổ chức/hiệp hội CNTT
Thông tin thêm	1 (Đơn trị)	String	Công ty, Trường đào tạo, Tổ chức/hiệp hội, Giải thưởng CNTT
Năm thành lập	1 (Đơn trị)	Date	Trường đào tạo, Tổ chức/hiệp hội CNTT
Chuyên ngành đào tạo	Đa trị	String	Trường đào tạo CNTT
Năm ra đời	1 (Đơn trị)	Date	Giải thưởng CNTT
Ngày trao giải	1 (Đơn trị)	Date	Giải thưởng CNTT
Email	Đa trị	String	Chuyên gia CNTT
Lĩnh vực nghiên cứu	Đa trị	String	Chuyên gia CNTT
Tài liệu tham khảo	Đa trị	String	Chuyên gia CNTT
Nơi diễn ra	Đa trị	String	Hội thảo CNTT
Ngày tổ chức	Đa trị	Date	Hội thảo CNTT

Tên quan hệ	Lớp nguồn	Lớp đích	Ràng buộc số lượng	Quan hệ nghịch đảo
được tổ chức bởi	Sự kiện CNTT	Công ty, Tổ chức/Hiệp hội, Trường đào tạo CNTT	0, 1 hoặc nhiều	tổ chức
tổ chức	Công ty, Tổ chức/Hiệp hội, Trường đào tạo CNTT	Sự kiện CNTT	0, 1 hoặc nhiều	được tổ chức bởi
có công ty thành viên là	Công ty hoạt động trong ngành CNTT	Công ty hoạt động trong ngành CNTT	0, 1 hoặc nhiều	là công ty thành viên của
là công ty thành viên của	Công ty hoạt động trong ngành CNTT	Công ty hoạt động trong ngành CNTT	0 hoặc 1	có công ty thành viên là
có chi nhánh là	Công ty phần cứng, Công ty phần mềm, Công ty dịch vụ	Chi nhánh	0, 1 hoặc nhiều	là chi nhánh của công ty
là chi nhánh của công ty	Chi nhánh	Công ty phần cứng, Công ty phần mềm, Công ty dịch vụ	0 hoặc 1	có chi nhánh là
được trao tặng	Công ty, Trường đào tạo, Chuyên gia CNTT	Giải thưởng CNTT	0, 1 hoặc nhiều	được trao cho
được trao cho	Giải thưởng CNTT	Công ty, Trường đào tạo, Chuyên gia CNTT	1 hoặc nhiều	được trao tặng
trao	Tổ chức/hiệp hội CNTT	Giải thưởng CNTT	0, 1 hoặc nhiều	được trao bởi
được trao bởi	Giải thưởng CNTT	Tổ chức/hiệp hội CNTT	1 (Bắt buộc)	trao

Chương 4: Hiện thực hệ thống và đánh giá

Chương 4 trình bày kiến trúc và quy trình vận hành của chương trình làm giàu ontology ITVO bán tự động. Quy trình thực thi gồm các màn hình chức năng: Màn hình giới thiệu, Màn hình thu thập tài liệu từ Internet, Màn hình hiển thị kết quả thu thập, Màn hình phân lớp tài liệu (áp dụng mô hình SVM), Màn hình kết quả rút trích cá thể và Màn hình xác nhận cập nhật thành công vào cơ sở tri thức ITVO. Chương này cũng trình bày các kết quả thực nghiệm và đánh giá độ chính xác của các khâu xử lý.

Chương 5: Kết luận và hướng phát triển

Chương 5 tổng kết các kết quả đạt được về mặt mô hình lý thuyết lẫn ứng dụng thực tiễn, phân tích các hạn chế còn tồn tại và vạch ra các định hướng nghiên cứu tiếp theo để hoàn thiện hệ thống.

Thiết kế và triển khai

Hệ thống làm giàu ontology bán tự động được xây dựng trên ngôn ngữ Java, tích hợp các công nghệ và thư viện xử lý chuyên dụng:

• Protégé 3.4 API: Đọc, chỉnh sửa, kiểm tra tính nhất quán và ghi dữ liệu trực tiếp vào tệp ontology ITVO dưới định dạng OWL.
• Google Search API và Yahoo Search API: Tự động hóa quá trình gửi truy vấn và tải ngữ liệu văn bản tiếng Việt liên quan từ Internet.
• vnTokenizer: Tiền xử lý văn bản, thực hiện tách từ tiếng Việt với độ chính xác cao.
• Thuật toán Support Vector Machine (SVM): Phân loại tài liệu thu thập được nhằm lọc ra các văn bản thực sự thuộc miền công nghệ thông tin.

Quy trình xử lý dữ liệu qua công cụ:

1. Thu thập dữ liệu: Người dùng nhập từ khóa hoặc chủ đề, hệ thống gọi API tìm kiếm để thu về các tài liệu web tương ứng.
2. Phân loại nội dung: Văn bản được đưa qua bộ phân lớp SVM để xác định độ phù hợp với chuyên ngành CNTT.
3. Tách từ và bóc tách thực thể: Sử dụng vnTokenizer để phân tách các đơn vị từ vựng tiếng Việt, sau đó tiến hành rút trích các thực thể và giá trị thuộc tính.
4. Kiểm duyệt và lưu trữ: Kết quả rút trích được hiển thị trực quan trên giao diện đồ họa. Người dùng kiểm tra, hiệu chỉnh thông tin trước khi hệ thống sử dụng Protégé API cập nhật các cá thể và mối quan hệ mới vào ontology ITVO.

Kết quả và đóng góp

Khóa luận đạt được các kết quả cụ thể:

• Thiết kế hoàn chỉnh cấu trúc phân cấp của bản thể học tiếng Việt chuyên ngành CNTT (ITVO) gồm 9 nhánh lớp chính, bao quát từ khái niệm kỹ thuật đến thông tin về công ty, trường đào tạo, tổ chức, chuyên gia, giải thưởng và sự kiện.
• Đặc tả chi tiết 19 thuộc tính dữ liệu và 10 mối quan hệ ngữ nghĩa hai chiều kèm theo các ràng buộc kiểu dữ liệu, lượng số, miền xác định và khoảng giá trị chặt chẽ.
• Xây dựng thành công công cụ phần mềm Java hỗ trợ làm giàu ontology bán tự động từ Internet, tích hợp trơn tru giữa thu thập dữ liệu qua API, phân loại SVM, tách từ tiếng Việt vnTokenizer và giao tiếp với Protégé API.
• Chỉ tiêu dữ liệu xây dựng và làm giàu theo thiết kế: thiết lập khung cấu trúc khoảng 1.000 lớp, 100 quan hệ, 100 cá thể ban đầu và hỗ trợ làm giàu bán tự động khoảng 1.000 cá thể.

Đóng góp của đề tài:

• Xây dựng bản thể học chuyên ngành CNTT tiếng Việt đầu tiên có cấu trúc chuẩn hóa dựa trên sự kế thừa phân loại của ACM Computing Classification System và Wikipedia tiếng Việt.
• Giải quyết bài toán thiếu hụt nguồn tri thức ngữ nghĩa tiếng Việt có cấu trúc sâu cho ngành CNTT, khắc phục tính dàn trải của các ontology tổng quát trước đó (như OVL) và sự không tương thích về ngôn ngữ của các ontology quốc tế (TheComputingOntology, SwetoDBLP).
• Đề xuất quy trình làm giàu tri thức bán tự động kết hợp giữa kỹ thuật học máy và sự kiểm duyệt của chuyên viên, đảm bảo độ chính xác của cơ sở tri thức trước khi lưu trữ.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của đề tài:

• Dữ liệu trong ontology chưa bao quát đầy đủ thông tin chi tiết về chương trình đào tạo và danh mục môn học của từng cơ sở giáo dục đại học.
• Quá trình làm giàu ontology vẫn phụ thuộc vào sự can thiệp và kiểm tra thủ công của người dùng ở khâu xác nhận cuối cùng, chưa đạt mức độ tự động hóa hoàn toàn.
• Khả năng tự động rút trích các mối quan hệ ngữ nghĩa phức tạp từ văn bản phi cấu trúc còn hạn chế.

Hướng nghiên cứu tiếp theo:

• Bổ sung các lớp và thuộc tính chuyên sâu về "Chương trình đào tạo" và "Môn học" nhằm phục vụ các hệ thống tư vấn hướng nghiệp và đào tạo CNTT.
• Cải tiến thuật toán rút trích thực thể và phát triển các mô hình học máy tự động nhận diện mối quan hệ giữa các thực thể trong tài liệu tiếng Việt.
• Tích hợp ontology ITVO vào các ứng dụng thực tế như hệ thống tìm kiếm ngữ nghĩa, công cụ phân tích tự động bài báo khoa học và hệ thống hỏi đáp thông minh bằng tiếng Việt chuyên ngành CNTT.

Giá trị tham khảo

Tài liệu khóa luận có giá trị tham khảo thiết thực cho:

• Sinh viên, học viên cao học và nghiên cứu sinh thuộc các ngành Công nghệ phần mềm, Hệ thống thông tin, Khoa học máy tính và Xử lý ngôn ngữ tự nhiên đang thực hiện các đề tài liên quan đến Biểu diễn tri thức, Web ngữ nghĩa (Semantic Web) hoặc Xây dựng bản thể học tiếng Việt.
• Nhóm phát triển các ứng dụng hỏi đáp tự động (QA), chatbot chuyên ngành hoặc các công cụ tìm kiếm ngữ nghĩa tiếng Việt cần một cơ sở tri thức nền tảng về CNTT.
• Các phần đáng tham khảo bao gồm: Phương pháp luận 7 bước xây dựng ontology chuẩn hóa; bảng đặc tả chi tiết hệ thống thuộc tính, quan hệ ngữ nghĩa và ràng buộc toàn vẹn; mô hình tích hợp công cụ Protégé API với vnTokenizer và thuật toán phân lớp SVM trong môi trường lập trình Java.

Câu hỏi thường gặp

Ontology ITVO được xây dựng bằng công cụ và ngôn ngữ nào?
Ontology ITVO được thiết kế và xây dựng bằng công cụ mã nguồn mở Protégé phiên bản 3.4 (sử dụng môi trường soạn thảo Protégé-OWL) và được biểu diễn bằng ngôn ngữ bản thể học OWL (Web Ontology Language).

Cấu trúc lớp khái niệm của ITVO được kế thừa từ nguồn nào?
Cấu trúc các lớp khái niệm chuyên ngành CNTT trong ITVO được biên dịch, kế thừa và hiệu chỉnh trực tiếp từ cấu trúc phân loại của ACM trong ComputingOntology, kết hợp với hệ thống danh mục trên Wikipedia tiếng Việt.

Tiêu chuẩn để xác định một cá thể thuộc lớp "Chuyên gia công nghệ thông tin" trong ITVO là gì?
Một cá thể được định nghĩa là Chuyên gia CNTT khi đáp ứng hai tiêu chí: có học vị từ tiến sĩ trở lên và có các bài báo khoa học đã được công bố trong lĩnh vực công nghệ thông tin.

Công cụ làm giàu ontology bán tự động sử dụng những công nghệ và thuật toán nào?
Công cụ được viết bằng ngôn ngữ Java, sử dụng API tìm kiếm của Google và Yahoo để thu thập tài liệu, thuật toán Support Vector Machine (SVM) để phân loại tài liệu CNTT, công cụ vnTokenizer để tách từ tiếng Việt và Protégé API để thao tác, cập nhật trực tiếp vào cơ sở dữ liệu ontology.

Các mối quan hệ giữa các lớp trong ITVO được ràng buộc như thế nào?
Các mối quan hệ được thiết kế theo các cặp thuận - nghịch đảo chặt chẽ (như tổ chức và được tổ chức bởi, trao và được trao bởi, được trao tặng và được trao cho, có chi nhánh là và là chi nhánh của công ty) kèm theo các ràng buộc về số lượng giá trị (0, 1 hoặc nhiều) và miền xác định rõ ràng.

Kết luận

Khóa luận tốt nghiệp của sinh viên Trần Công Danh và Nguyễn Ngọc Khánh Linh đã xây dựng thành công bản thể học tiếng Việt chuyên ngành công nghệ thông tin (ITVO) và phát triển công cụ phần mềm làm giàu tri thức bán tự động trên nền tảng Java. Đề tài đã chuẩn hóa cấu trúc 9 nhánh lớp tri thức, xác lập hệ thống thuộc tính và quan hệ ngữ nghĩa chặt chẽ dựa trên nền tảng Protégé và ngôn ngữ OWL. Đồng thời, giải pháp tích hợp thuật toán phân loại SVM cùng công cụ tách từ vnTokenizer đã mang lại quy trình thu thập và cập nhật cá thể hiệu quả từ Internet. Đây là nền tảng tri thức quan trọng phục vụ cho các ứng dụng tìm kiếm ngữ nghĩa, xử lý ngôn ngữ tự nhiên và hệ thống hỏi đáp chuyên ngành CNTT tại Việt Nam.

Trích đoạn nội dung tài liệu

Mở đầu Ở chƣơng này chúng em sẽ trình bày chi tiết phần lý thuyết về ontology. Cụ thể là gồm các phần nhƣ định nghĩa, sự cần thiết của ontology, thành phần , cách xây dựng một ontology và ngôn ngữ để xây dựng nó. Ngoài ra, chúng em cũng trình bày về một số nghiên cứu có lên quan đến việc xây dựng và làm giàu ontology mà chúng em đã khảo sát. Đây sẽ là tài liệu tham khảo cho việc đề xuất ra phƣơng pháp làm giàu ontology ở chƣơng sau.

Tổng quan về ontology 2. Định nghĩa Trong triết học, từ “ontology” tạm dịch là “bản thể học” đƣợc xuất phát từ tiếng Hy Lạp có nghĩa là bộ môn nghiên cứu về sự tồn tại (theo wikipedia). Hiện nay ontology đƣợc dùng trong nhiều lĩnh vực nhƣ khoa học máy tính, hệ thống kỹ thuật, kỹ thuật phần mềm, tin sinh học, khoa học thƣ viện, kiến trúc thông tin và các website ngữ nghĩa (Semantic web). Một số định nghĩa về ontology đƣợc sử dụng nhiều hiện nay gồm: Theo quan điểm triết học, “bản thể học” là ngành khoa học nghiên cứu về bản chất của sự vật, sự tồn tại hoặc những sự vật thực tế, cũng nhƣ các loại sự vật cơ bản và các mối quan hệ của chúng (wikipedia).

Theo Gruber trong tài liệu [20], một ontology là một đặc tả rõ ràng của một sự trừu tƣợng hóa (An ontology is an explicit specification of a conceptualization).Sowa [46], một ontology có thể đƣợc đặc tả bởi một danh mục các loại đƣợc xác định hoặc không đƣợc xác định chỉ bằng những câu phát biểu bằng ngôn ngữ tự nhiên. Một ontology chính thức đƣợc xác định bởi một tập GVHD: Th.S Huỳnh Ngọc Tín SVTH: Trần Công Danh & Nguyễn Ngọc Khánh Linh 5 hợp các tên khái niệm và loại quan hệ đƣợc tổ chức phân nhóm theo thứ tự cục bộ. Một ontology định nghĩa một tập từ vựng cho những nhà nghiên cứu sử dụng khi cần chia sẻ thông tin trong một lĩnh vực. Nó bao gồm những định nghĩa của các khái niệm cơ bản trong một lĩnh vực và mối quan hệ giữa chúng mà máy có thể hiểu đƣợc [2].

Trong khoa học máy tính, một ontology là một mô hình dữ liệu biểu diễn một lĩnh vực và đƣợc sử dụng để suy luận về các đối tƣợng trong lĩnh vực đó và mối quan hệ giữa chúng [36]. Tóm lại, trong khoa học máy tính có thể hiểu ontology gồm những tri thức khái niệm về một lĩnh vực cụ thể và các mối quan hệ giữa chúng. Một ontology về một lĩnh vực sẽ mô tả rõ ràng những thực thể, khái niệm, ràng buộc, quan hệ ngữ nghĩa thuộc lĩnh vực giúp con ngƣời và máy có thể hiểu và suy luận đƣợc theo ngữ nghĩa trong phạm vi lĩnh vực đó. Vì sao phải xây dựng ontology? Ở phần trên, chúng em đã đề cập đến việc ontology đã và đang đƣợc sử dụng trong nhiều lĩnh vực, vậy ontology đƣợc sử dụng nhiều là vì: Để chia sẻ kiến thức chung giữa con ngƣời hoặc những tác tử phần mềm với nhau [20].

Nếu các hệ thống cùng chia sẻ chung một ontology bên dƣới thì dữ liệu do con ngƣời nhập vào tại hệ thống này sau khi đƣợc xử lý thông qua ontology có thể đƣợc tổng hợp, phân tích tại một hệ thống khác và cung cấp thông tin cho ngƣời sử dụng khác. Cho phép tái sử dụng kiến thức về một lĩnh vực. Sau khi xây dựng một ontology cho một lĩnh vực, những ngƣời khác có thể tái sử dụng và mở rộng, làm giàu GVHD: Th.S Huỳnh Ngọc Tín SVTH: Trần Công Danh & Nguyễn Ngọc Khánh Linh 6 thêm cho nó. Hoặc cũng có thể tích hợp những ontology có sẵn để mô tả nhiều khái niệm thuộc một lĩnh vực nhỏ trong một ontology về một lĩnh vực lớn.