[FONT=Times New Roman] LỜI NÓI ĐẦU

Trong những năm gần đây, sự Phát triển mạnh mẽ của CNTT và ngành công

nghiệp phần cứng đã làm cho khả năng thu thập và lưu trữ thông tin của các hệ

thống thông tin tăng nhanh một cách chóng mặt. Bên cạnh đó việc tin học hoá một

cách ồ ạt và nhanh chóng các hoạt động sản xuất, Kinh doanh cũng như nhiều lĩnh

vực hoạt động khác đã tạo ra cho chúng ta một lượng dữ liệu lưu trữ khổng lồ. Với

một lượng thông tin như vậy thì vấn đề đặt ra là phải làm sao sử dụng chúng vào

đúng mục đích và hiệu quả nhất thì cũng là một vấn đề đặt ra hiện nay. Mặt khác,

trong môi trường cạnh tranh , người ta ngày càng cần có nhiều thông tin với tốc độ

nhanh để trợ giúp việc ra quyết định và ngày càng có nhiều câu hỏi mang tính chất

định tính cần phải trả lời dựa trên một khối lượng dữ liệu khổng lồ đã có. Với

những lý do như vậy, cần phải có các công cụ hỗ trợ để giúp cho việc tìm kiếm

thông tin được nhanh và hiệu quả. Vì vậy mục tiêu của luận văn này nhằm tìm hiểu

và Xây dựng một hệ thống tìm kiếm thông tin cụ thể là tìm kiếm tài liệu Văn bản trên

cơ sở phân cụm dữ liệu. Nhằm đáp ứng nhu cầu cấp thiết của thời đại.

Bố cục của luận văn gồm các phần sau:

+ CHƯƠNG 1 - TỔNG QUAN: Giới thiệu chung về hệ thống thông tin đa

phương tiện.

+ CHƯƠNG 2 - HỆ TÌM KIẾM THÔNG TIN: Giới thiệu về hệ thống tìm

kiếm thông tin (IR), sự khác nhau giữa hệ thống tìm kiếm thông tin và các hệ thống

thông tin khác, các mô hình th ường gặp trong hệ thống tìm kiếm thông tin.

+ CHƯƠNG 3 - KỸ THUẬT PHÂN CỤM DỮ LIỆU VÀ ỨNG DỤNG :

Khái quát chung v phân cụm, các kiểu dữ liệu trong phân cụm và ứng dụng kỹ

thuật phân cụm dữ liệu trong tìm kiếm thông tin.

+ CHƯƠNG 4 - CHƯƠNG TRÌNH DEMO: Cài đặt một chương trình tìm

kiếm thông tin trên cơ sở lý thuyết đã trình bày.

+ KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN: Trình bày các k quả đạt được

Nghiên cứu Phát triển hệ thống đa phương tiện trên cơ sở phân cụm dữ liệu

và nêu phương hướng Phát triển của đề án trong tương lai.

+ TÀI LIỆU THAM KHẢO

MỤC LỤC

LỜI NÓI ĐẦU .................................................. ............................................... 4

CHƯƠNG 1: TỔNG QUAN .................................................. .......................... 7

1.1. ĐẶT VẤN ĐỀ .................................................. ..................................... 7

1.2. HỆ THỐNG THÔNG TIN ĐA PHƯƠNG TIỆN: .................................. 8

1.2.1. Khái niệm về đa phương tiện .................................................. ................8

1.2.2. Media .................................................. .................................................. .9

1.2.3. Multimedia .................................................. ......................................... 10

1.2.4. CSDL và Hệ Quản trị CSDL .................................................. ............... 10

1.2.5. Truy tìm thông tin tài liệu Văn bản .................................................. ...... 10

1.2.6. Chỉ mục và truy tìm đa phương tiện............................................ .......... 11

1.2.7. Trích chọn đặc trưng, Biểu diễn nội dung và Xây dựng chỉ mục ...........11

1.3. SỰ CẦN THIẾT PHẢI CÓ MIRS .................................................. ..... 11

1.3.1. Mô tả sơ lược dữ liệu MM và các tính chất của chúng .......................... 12

1.3.2. Hệ thống IR và vai trò của chúng trong truy tìm đa phương tiện ...........13

1.3.3. Tích hợp truy tìm và chỉ số hóa thông tin đa phương tiện ..................... 13

1.4. KHÁI QUÁT VỀ MIRS.............................................. ......................... 14

1.5. KHẢ NĂNG MONG ĐỢI VÀ CÁC ỨNG DỤNG CỦA MIRS ............. 15

CHƯƠNG 2: HỆ TÌM KIẾM THÔNG TIN .................................................. . 18

2.1. KHÁI QUÁT CHUNG VỀ TÌM KIẾM THÔNG TIN .......................... 18

2.1.1. Hệ thống truy tìm thông tin – IR .................................................. ......... 20

2.1.2. Các thành phần của một hệ tìm kiếm thông tin ..................................... 24

2.1.3. So sánh hệ thống IR với các hệ thống thông tin khác ............................ 25

2.1.4. Các hệ tìm kiếm Văn bản được đánh giá cao hiện nay .......................... 27

2.2. HỆ TÌM KIẾM THÔNG TIN .................................................. ............ 28

2.2.1. Kiến trúc của hệ tìm kiếm thông tin. .................................................. ... 28

2.2.2. Một số mô hình để Xây dựng một hệ tìm kiếm thông tin ....................... 30

2.2.3. Các bước để Xây dựng hệ thống truy tìm thông tin – IR ........................ 38

2.3. LẬP CHỈ MỤC TÀI LIỆU .................................................. ................ 39

2.3.1. Khái quát về hệ thống lập chỉ mục .................................................. ...... 40

2.3.2. Cấu trúc tệp mục lục............................................. ................................ 41

2.3.3. Phương pháp lập chỉ mục .................................................. ................... 45

2.3.4. Lập chỉ mục tự động cho tài liệu Tiếng anh .......................................... 47

2.3.5. Lập chỉ mục cho tài liệu tiếng Việt .................................................. ..... 48

2.4. THƯỚC ĐO HIỆU NĂNG .................................................. ................ 51

CHƯƠNG 3: KỸ THUẬT PHÂN CỤM DỮ LIỆU VÀ ỨNG DỤNG .............. 53

3.1. KHÁI QUÁT VỀ PHÂN CỤM DỮ LIỆU ........................................... 53

3.1.1. Khái niệm:........................................... ................................................. 53

3.1.2. Mục tiêu của phân cụm dữ liệu trong tìm kiếm thông tin ...................... 54

3.1.3. Các yêu cầu của phân cụm............................................. ....................... 56

3.2. CÁC KIỂU DỮ LIỆU TRONG PHÂN CỤM ....................................... 58

3.2.1. Phân loại kiểu dữ liệu dựa trên kích thước miền ................................... 59

3.2.2. Phân loại kiểu dữ liệu dựa trên hệ đo .................................................. .. 59

3.3. CÁC PHÉP ĐO ĐỘ TƯƠNG TỰ VÀ KHOẢNG CÁCH ĐỐI VỚI CÁC

KIỂU DỮ LIỆU .................................................. ....................................... 60

3.3.1. Khái niệm tương tự và phi tương tự .................................................. .... 60

3.3.2. Thuộc tính khoảng .................................................. .............................. 61

3.3.3. Thuộc tính nhị phân............................................. ................................. 65

3.3.4. Thuộc tính định danh .................................................. .......................... 66

3.3.5. Thuộc tính có thứ tự .................................................. ........................... 67

3.3.6. Thuộc tính tỉ lệ .................................................. ................................... 67

3.4. MỘT VÀI KỸ THUẬT TIẾP CẬN TRONG PHÂN CỤM DỮ LIỆU ... 68

3.4.1. Phương pháp phân cụm phân hoạch........................................... ........... 68

3.4.2. Phương pháp phân cụm phân cấp .................................................. ....... 74

3.4.3. Ứng dụng trong tìm kiếm Văn bản đa phương tiện ................................ 78

CHƯƠNG 4: CHƯƠNG TRÌNH DEMO .................................................. .... 81

4.1. MỤC TIÊU CỦA HỆ THỐNG TÌM KIẾM VĂN BẢN: ....................... 81

4.2. CHỨC NĂNG CỦA HỆ THỐNG .................................................. ...... 81

4.3. CÀI ĐẶT CHƯƠNG TRÌNH .................................................. ............ 82

4.3.1. Lập chỉ mục............................................. ............................................. 82

4.3.2. Tìm kiếm tài liệu .................................................. ................................ 87

KẾT LUẬN VÀ HƯỚNG Phát triển .................................................. ..... 88

TÀI LIỆU THAM KHẢO .................................................. ............................ 90