MỤC LỤC

DANH MỤC HÌNH VẼ . .4

DANH MỤC BẢNG BIỂU . .5

MỞ ĐẦU . 6

CHƯƠNG 1 - TỔNG QUAN VỀ SEMANTIC WEB . 9

1.1. Giới thiệu . .9

1.2. Khái niệm Semantic Web . .11

1.3. Các ứng dụng của Sematic Web . 12

1.4. Các công nghệ cần thiết cho Semantic Web . 14

1.4.1. XML và Semantic Web . 15

1.4.2. Ontology . .20

1.5. Các ngôn ngữ Ontology cho Semantic Web . 23

1.5.1. Các ngôn ngữ . .23

1.5.2. Đặc điểm chung của các ngôn ngữ . .25

1.6. Kết luận chương 1 . .28

CHƯƠNG 2 - QUAN HỆ NGUYÊN NHÂN-KẾT QUẢ VÀ THUẬT TOÁN PHÁT HIỆN

QUAN HỆ NGUYÊN NHÂN-KẾT QUẢ . .30

2.1. Giới thiệu . .30

2.2. Khái niệm về các mối quan hệ ngữ nghĩa trong ngôn ngữ tự nhiên . 30

2.3. Quan hệ nguyên nhân-kết quả . 32

2.4. Cấu trúc nguyên nhân-kết quả trong ngôn ngữ của con người . .34

2.4.1. Cấu trúc nguyên nhân-kết quả tường minh . .35

2.4.1.1. Từ nối chỉ nguyên nhân . .35

2.4.1.2. Động từ chỉ nguyên nhân . 36

2.4.1.3. Câu phức với một cặp từ chỉ nguyên nhân . 39

2.4.2. Cấu trúc nguyên nhân không tường minh . 39

2.5. Thuật toán khai phá dữ liệu phát hiện quan hệ nguyên nhân-kết quả từ các văn bản41

2.5.1. Giới thiệu . .41

2.5.2. Thuật toán phát hiện quan hệ nguyên nhân-kết quả . .43

Vũ Bội Hằng-Luận văn cao học-Trường Đại học Công nghệ-2005

3

Phát hiện quan hệ ngữ nghĩa Nguyên nhân-Kết quả từ các văn bản.

2.6. Kết luận chương 2 . .47

CHƯƠNG 3 - KẾT QUẢ THỬ NGHIỆM THUẬT TOÁN . .48

3.1. Giới thiệu . .48

3.2. Định dạng file dữ liệu . .49

3.3. Chương trình thử nghiệm . .52

3.4. Kết quả thực nghiệm . 53

3.5. Nhận xét . .57

3.6. Kết luận chương 3 . .58

KẾT LUẬN . .59

TÀI LIỆU THAM KHÁO . .60

PHỤ LỤC: Kết quả thực nghiệm với các cặp danh từ có tần suất xuất hiện lớn hơn 4 lần. 63

MỞ ĐẦU

World Wide Web là một kho thông tin khổng lồ với những tiềm năng

không giới hạn. Có rất nhiều tiềm năng của World Wide Web mà cho đến nay

vẫn chưa được khai thác một cách hiệu quả. Các văn bản Web được làm ra với

mục đích ban đầu là dành cho con người đọc. Nhưng với số lượng khổng lồ

của các trang Web trên Internet, một người có dành cả đời mình cũng sẽ

không bao giờ đọc hết tất cả những trang Web này để thu được đầy đủ các tri

thức cần thiết. Nhận thức được vấn đề này, có rất nhiều hướng nghiên cứu đã

hình thành, thu hút nhiều nhóm nhà khoa học trên thế giới, nhằm mục đích sử

dụng máy tính để hỗ trợ con người trong việc thu thập thông tin và tổng hợp

tri thức từ các trang Web trên Internet. Ví dụ như việc áp dụng các kỹ thuật

Data Mining để khai thác thông tin từ các văn bản Web, công nghệ Agent

trong kinh doanh trực tuyến Tuy nhiên trong thời gian vừa qua, những

hướng nghiên cứu này chủ yếu mới chỉ tập trung vào việc khai thác thông tin

dựa trên các từ vựng đơn lẻ hoặc dựa trên một số cấu trúc cố định của trang

Web. Thật là khó khăn để máy tính có thể truy cập và tổng hợp các thông tin

trong các văn bản về phương diện ngữ nghĩa. Gần đây, một số hướng nghiên

cứu mới đã được mở ra nhằm mục đích khai thác khả năng kết hợp nội dung

trang Web với các thông tin ngữ nghĩa, để tạo ra Semantic Web. Semantic

Web không phải là một loại Web mới tách biệt mà là sự nâng cấp của Web

hiện tại (thế hệ Web thứ ba), ở đó các thông tin ngữ nghĩa được xác định tốt

hơn và được kết hợp vào cùng với trang Web. Như vậy, việc đọc và hiểu các

trang Web không chỉ thi hành được bởi con người mà còn có thể được thi

hành bởi máy tính.

Semantic Web ra đời đòi hỏi một loạt các công nghệ kèm theo nó. Một

trong số những công nghệ quan trọng nhất đối với Semantic Web là Ontology.

Thành phần cơ bản của Ontology là một tập hợp các đối tượng (hay còn gọi là

các khái niệm) với các thuộc tính của các đối tượng và tập hợp các mối quan

hệ giữa các đối tượng đó. Việc xây dựng Ontology trong một miền ứng dụng

là quá trình tổng hợp tri thức trong miền ứng dụng đó. Công việc này đòi hỏi

những người xây dựng ontology phải có những hiểu biết và tri thức nhất định

để tìm ra đầy đủ đối tượng, thuộc tính và quan hệ.

Xuất phát từ nhu cầu nghiên cứu các phương pháp hỗ trợ trong việc xây

dựng các Ontology cho Semantic Web, luận văn trình bày một phương pháp

phát hiện mối quan hệ ngữ nghĩa nguyên nhân-kết quả dựa trên ý tưởng

nghiên cứu của bài toán Semantic Role (CoNLL Share Task 2004 ) và

thuật toán khai phá quan hệ nguyên nhân-kết quả mà Corina Roxana Girju đã

tiến hành (Luận án Tiến sỹ 2002 ). Kết quả tìm được của thuật toán chính

là những thông tin cần thiết hỗ trợ trong việc phát hiện các đối tượng mới và

mối quan hệ về mặt ngữ nghĩa nguyên nhân-kết quả của các đối tượng này

trong quá trình xây dựng Ontology.

Ngoài phần giới thiệu, kết luận và các phụ lục. Luận văn được chia thành

3 chương chính:

Chương 1 - Tổng quan về Semantic Web. Giới thiệu một cách tổng

quan những nhu cầu dẫn đến sự ra đời của thế hệ Web thứ ba (Semantic Web).

Những khái niệm cơ bản và những công nghệ thiết yếu để phát triển Semantic

Web cũng được trình bày trong chương này.

Chương 2 - Quan hệ nguyên nhân-kết quả và thuật toán phát hiện

quan hệ nguyên nhân-kết quả. Chương này đi sâu vào phân tích cấu trúc

quan hệ ngữ nghĩa nguyên nhân-kết quả trong ngôn ngữ của con người và cấu

trúc thể hiện của nó trong văn bản. Thông qua đó luận văn trình bày một thuật

toán nhằm phát hiện quan hệ nguyên nhân-kết quả từ tập các văn bản dựa vào

tần suất xuất hiện của các cặp danh từ trong những câu chứa động từ chỉ

nguyên nhân.

Chương 3 - Kết quả cài đặt thử nghiệm thuật toán. Chương này trình

bày các kết quả thực nghiệm về thuật toán phát hiện quan hệ nguyên nhân -

kết từ các văn bản. Chương trình cài đặt thử nghiệm cho thuật toán được viết

trên ngôn ngữ Java. Thông qua các nhận xét về giá trị các độ đo đánh giá, kết

quả thực hiện chương trình là khả quan.

Phần Kết luận trình bày tổng hợp các kết quả thực hiện luận văn và

phương hướng nghiên cứu tiếp theo về các nội dung của luận văn.

Mặc dù đã có một môi trường làm việc tương đối đầy đủ và thuận tiện,

nhưng luận văn chắc hẳn sẽ không tránh khỏi có nhiều sai sót. Rất mong được

sự đóng góp ý kiến, nhận xét để tôi có thể hoàn thiện được kết quả làm việc

của mình