xây dựng một hệ thống thu thập và tách thông tin

Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (1.68 MB, 45 trang )

MỤC LỤC
CHƯƠNG I : GIỚI THIỆU SẢM PHẨM…………………………………………1
I.1. MỞ
ĐẦU………………………………………………………………………………….1
I.2. MỘT VÀI VÍ DỤ ỨNG
DỤNG………………………………………………………2
CHƯƠNG II : LÝ THUYẾT CHUNG……………………………………………...3
II.1. PHÂN LOẠI NGUỒN THÔNG
TIN……………………………………………….3
II.1.1. Các trang web thông tin có cấu trúc được cập nhật thường
xuyên………………………………………………………………………
……….….4
II.1.2. Các trang Web thông tin có cấu trúc không được cập nhật thường
xuyên………………………………………………………………………
.5
II.1.3. Các trang Web thông tin có cấu trúc lỏng lẻo……………………….…6
II.2.
WEBMINING……………………………………………………………………………6
II.2.1. Thu thập thông tin (Information Retrieval) …………………..7
II.2.2. Bóc tách thông tin (Information Extraction) ………………….7
II.2.3. Tổng hợp và tổng quát hoá dữ liệu (Generation) …………..8
II.2.4. Phân
tích………………………………………………………………….…8
II.3.
XLM……………………………………………………………………………………..
…8
CHƯƠNG III : NGHIÊN CỨU GIẢI PHÁP…………………………………….10
III.1. THU THẬP THÔNG
TIN………………………………………………………….11
III.1.1.Các loại
URL……………………………………………………………..11

III.1.2. Giải pháp sử
lý………………………………………………………...12
III.2. BÓC TÁCH THÔNG
TIN………………………………………………..12
III.2.1. Quy luật dùng để bóc tách thông tin…………………………..20
III.2.2. Phương án kỹ
thuật…………………………………………………..24
III.2.3. Kênh tin và kênh tin đa thức………………………………………
29
III.3. HIỆN THỰC HOÁ GIẢI
PHÁP…………………………………………………..31
III.3.1. Khả năng tương tác người và máy trong quá trình tạo kênh
tin…………………………………………………………………………
……33
Chương I : Giới thiệu sản phẩm
III.3.2. Các chức năng khác của hệ thống………………………………35
III.4. KHẢ NĂNG ỨNG DỤNG VÀ MỞ RỘNG………………..
……………………36
CHƯƠNG IV : SO SÁNH VỚI CÁC HỆ THỐNG KHÁC………………………37
CHƯƠNG V : HƯỚNG DẪN SỬ DỤNG CHƯƠNG TRÌNH………………….38
V.1. YÊU CẦU HỆ
THỐNG………………………………………………………..…...38
V.2. CHỌN KÊNH TIN………………………………………………………….
………...39
V.3.LẤY THÔNG TIN VỀ CÁC BÀI
BÁO……………………………………………..40
V.4. XEM BÁO TRỰC TUYẾN
…………………………………………………………..41
V.5. XEM CÁC BÀI BÁO ĐÃ
LƯU………………………………………………………42

V.6. CHỈNH SỬA VÀ THÊM CHÚ THÍCH VÀO BÀI
BÁO……………………….43
V.7. TÌM KIẾM BÀI
BÁO………………………………………………………………….43
V.8. CẬP NHẬT CÁC KÊNH THÔNG TIN
MỚI…………………………………….44
CHƯƠNG VI : KẾT LUẬN…………………………………………………………44
GIỚI THIỆU SẢN PHẨM.........................................................................3
I.1.MỞ ĐẦU......................................................................................................................3
I.2.MỘT VÀI VÍ DỤ ỨNG DỤNG..................................................................................4
LÝ THUYẾT CHUNG................................................................................5
II.1.PHÂN LOẠI NGUỒN THÔNG TIN.........................................................................5
II.1.1.Các trang Web thông tin có cấu trúc được cập nhật thường xuyên....................6
II.1.2.Các trang Web thông tin có cấu trúc không được cập nhật thường xuyên.........6
II.1.3.Các trang Web thông tin có cấu trúc lỏng lẻo.....................................................7
II.2.WEBMINING.............................................................................................................7
II.2.1.Thu thập thông tin (Information Retrieval).........................................................8
II.2.2. Bóc tách thông tin (Information Extraction)......................................................9
II.2.3.Tổng hợp và tổng quát hoá dữ liệu (Generation)................................................9
II.2.4.Phân tích...............................................................................................................9
II.3.XML..........................................................................................................................10
NGHIÊN CỨU
GIẢI PHÁP..........................................................................................11
III.1.THU THẬP THÔNG TIN.......................................................................................12
III.1.1.Các loại URL....................................................................................................12
III.1.2. Giải pháp xử lý................................................................................................13
III.2.BÓC TÁCH THÔNG TIN......................................................................................20
III.2.1. Quy luật dùng để bóc tách thông tin...............................................................21
III.2.2.Phương án kỹ thuật...........................................................................................25
III.2.3.Kênh tin và kênh tin đa mức ...........................................................................30

III.3.HIỆN THỰC HÓA GIẢI PHÁP.............................................................................32
III.3.2.Khả năng tương tác người - máy trong quá trình tạo kênh tin........................34
- 2 -
Chương I : Giới thiệu sản phẩm
III.3.3.Các chức năng khác của hệ thống....................................................................36
III.4.KHẢ NĂNG ỨNG DỤNG VÀ MỞ RỘNG..........................................................37
SO SÁNH vỚi CÁC HỆ THỐNG KHÁC.....................................................38
HƯỚNG DẪN SỬ DỤNG CHƯƠNG TRÌNH.............................................39
KẾT LUẬN............................................................................................45
CHƯƠNG I
GIỚI THIỆU SẢN PHẨM
GIỚI THIỆU SẢN PHẨM
 Tên sản phẩm
 Ứng dụng của sản phẩm
I.1.MỞ ĐẦU
Bạn đã bao giờ tưởng tượng rằng, nếu một ngày nào đó tất cả mọi người đều có
đầy đủ thông tin, riêng bạn lại không có những thông tin cần thiết thì cuộc sống sẽ ra sao
chưa?
Hơn mọi thứ khác, nhu cầu truyền tải thông tin vượt qua thời gian và không gian
luôn được nhân loại chú ý tới, từ những tiếng trống của thổ dân Châu Phi cho tới những
thông điệp điện tử đang được truyền đi với tốc độ ánh sáng trên khắp địa cầu. Không cần
đến tận nơi, bạn vẫn có thể biết ở cách xa hàng ngàn dặm đang diễn ra chuyện gì, không
cần phải gặp mặt, những người bạn ở hai nửa địa cầu vẫn có thể trao đổi thông tin với
nhau, ... Internet đã đưa thông tin tới mọi nhà.
Thế nhưng, hãy thử tưởng tượng rằng, nếu một ngày nào đó tất cả mọi người đều
có đầy đủ những thông tin mà mình cần, còn riêng bạn lại ngập lụt trong một biển thông
tin nhiều đến nỗi không sao xử lý hết được thì sẽ thế nào?
Càng ngày bạn càng cần phải thu thập thông tin ở nhiều lĩnh vực cùng một lúc và
đã bao giờ bạn phát chán lên vì không biết phải làm gì khi có quá nhiều thông tin chưa?
Đã bao giờ bạn cảm thấy chán ngán khi trong tay mình có danh sách của hàng chục, hàng

trăm tờ báo điện tử, diễn đàn, search engine, rồi các website thông tin về đủ mọi lĩnh vực,
nhưng lại không thể đủ thời gian để cập nhật dù chỉ là lướt qua hết các nguồn tin này
chưa? Có thể có và cũng có thể là chưa.
Hệ thống của tôi ra đời với một tiêu chí vô cùng đơn giản “Mang lại cho người
sử dụng thông tin và chỉ những thông tin mà họ cần”. Thông tin bạn cần nhất khi
muốn xem lướt qua các tờ báo điện tử là gì? Có thể chỉ là tiêu đề bài báo và vài dòng tóm
tắt qua nội dung của bài báo đó. Thông tin bạn cần nhất khi lướt qua một diễn đàn là gì?
Có thể chỉ là tên bài viết và tác giả của bài viết đó. Cũng như vậy đối với một trang Web
cung cấp thông tin về giá cả chứng khoán. Bạn cần chỉ số chứng khoán của các công ty
chứ đâu cần phải rối tinh lên vì các thông tin không cần thiết nằm trong trang Web đó...
Nhưng có phải là hệ thống của tôi sẽ chỉ mang đến cho bạn thông tin về tiêu đề cùng với
phần tóm tắt của các tin tức trên rất nhiều các trang báo điện tử trong và ngoài nước, hay
tên bài viết và tác giả của các chủ đề trên rất nhiều các diễn đàn trao đổi thông tin, hay
đơn thuần chỉ là các chỉ số chứng khoán, … không thôi?
Không, tất nhiên không chỉ có vậy, hệ thống của tôi được xây dựng như là một
giải pháp tổng quát để thu thập và tách thông tin từ bất cứ nguồn tin nào trên
- 3 -
Chương I : Giới thiệu sản phẩm
Internet. Với sự cố gắng nỗ lực hết mình trong phạm vi giới hạn của kiến thức, tôi cũng
đã cung cấp cho bạn một cơ chế tương tác trực quan giữa người và máy để xác định
thông tin cần bóc tách mà ngay cả những hệ thống có chức năng tương tự như Novobot,
WebFerret hay Copernic cũng rất khó khăn hay hầu như không thể cung cấp cho bạn
được. Tính khả mở của hệ thống đã được chuyển giao từ những người tạo ra hệ thống
vào tay người sử dụng. Hệ thống của tôi giờ đây đã cung cấp đầy đủ các chức năng để
bạn có thể thu thập và tách các thông tin từ bất cứ nguồn tin nào và việc quyết định cần
thu thập những thông tin gì là tùy vào chính bạn chứ không còn cứng nhắc như các hệ
thống trước đây nữa.
Hãy để công việc thu thập thông tin lại trở nên dễ dàng và tiện dụng cùng với hệ
thống của tôi cho dù trước mắt bạn là một biển thông tin hỗn độn và khổng lồ như
Internet .

I.2.MỘT VÀI VÍ DỤ ỨNG DỤNG
Đặc điểm nổi bật nhất là hệ thống của tôi có tính mở rất cao. Những thông tin mà
hệ thống mang lại cho bạn chỉ phụ thuộc vào ý muốn của chính bạn chứ không bị gò
bó trong một phạm vi nhất định nào đó như là những chương trình tương tự khác. Có thể
ra một vài ứng dụng nhỏ sau đây :
Nếu bạn là người hay quan tâm đến những tin tức nóng hổi về kinh tế, chính trị,
thể thao, ... hãy sử dụng chương trình của tôi để tạo ra các kênh tin kết nối đến các trang
báo điện tử ở khắp nơi trên thế giới, và bạn sẽ có đầy đủ những thông tin mà mình cần.
Việc đọc lướt qua các tiêu đề tin tức từ các bài báo sau khi đã được thu thập và phân chia
thành các chủ đề khác nhau, rồi mới quyết định xem chi tiết bài báo nào sẽ giúp bạn có
một cái nhìn tổng quát hơn, nhanh chóng và tiết kiệm thời gian, tiền bạc hơn so với việc
phải dùng trình duyệt đi tới từng trang web, vào từng chủ đề, xem tiêu đề tin,... rồi mới
tới được nội dung bài viết.
Nếu bạn là một doanh nghiệp cần quan tâm đến những tin tức về kinh tế, về thị
trường, về những mặt hàng bạn đang kinh doanh, hay nếu bạn là một người làm công tác
nghiên cứu đang cần những thông tin, số liệu liên quan đến lĩnh vực chuyên môn của
mình, hay nếu bạn là một nhà báo đang cần những tin tức "thời sự" nhất để viết bài, ....
thì tại sao lại không thử sử dụng hệ thống của tôi, tất cả những gì bạn cần hệ thống của
tôi sẽ giúp bạn có.
Nếu bạn cần tìm kiếm thông tin, chương trình của tôi sẽ giúp bạn cùng một lúc
kết nối đến nhiều trang tìm kiếm khác nhau trên thế giới, gửi yêu cầu, phân tích kết quả
rồi trả lại cho bạn những thông tin bạn cần tìm.
Nếu bạn muốn thu thập, tổng hợp lại số liệu từ một trang web trên mạng (ví dụ
như danh sách các thí sinh trúng tuyển đại học chẳng hạn), hay cần lấy về chỉ một số
thông tin nhất định nào đó thôi, ví dụ như tên nhạc sĩ sáng tác và lời bài hát tương ứng từ
một site về lyrics nào đó để tổng hợp lại thành cơ sở dữ liệu của riêng bạn, ... mà bạn
đang băn khoăn không biết nên làm thế nào để có thể thực hiện công việc này một cách
nhanh chóng và ít tốn công sức nhất ... thì hệ thống của tôi chính là một công cụ mà bạn
đang cần đấy.
- 4 -

Chương I : Giới thiệu sản phẩm
Ngoài ra còn có thể kể đến rất nhiều ứng dụng khác nữa. Hệ thống này có thể
được ứng dụng vào trong những công việc gì thì điều đó chỉ phụ thuộc vào khả năng sáng
tạo của chính bạn mà thôi.
CHƯƠNG II
LÝ THUYẾT CHUNG
LÝ THUYẾT CHUNG
 Các loại nguồn thông tin trên Web
 Các tác vụ Web-mining, lý thuyết và thực tế
 Ngôn ngữ XML, khả năng và thực tế
 Chúng ta đã thật sự có thông tin mình mong đợi chưa?
II.1.PHÂN LOẠI NGUỒN THÔNG TIN
Trong thập kỷ qua, chúng ta đã được chứng kiến sự phát triển đến chóng mặt của
Internet mà tiêu biểu là các trang thông tin. Sự phát triển này đã có một ảnh hưởng không
nhỏ tới nền kinh tế và xã hội không chỉ của riêng một quốc gia mà là cả thế giới. Internet
được coi là một nguồn cung cấp tin khổng lồ với mọi chuyên mục, mọi vấn đề mà người
sử dụng cần đến. Với sự phát triển này, hiện nay, lượng thông tin Internet mang đến cho
người sử dụng là quá lớn dẫn tới việc chúng ta cần phải có các ứng dụng Internet thông
minh và hiệu quả hơn đối với người sử dụng. Có nhiều cách để phân loại các nguồn
thông tin từ Web, tuy vậy, chúng ta có thể chia thành 3 loại chính như sau :
• Các trang Web thông tin có cấu trúc được cập nhật thường xuyên
• Các trang Web thông tin có cấu trúc không được cập nhật thường xuyên
• Các trang Web thông tin có cấu trúc lỏng lẻo
Trước khi đi vào phân tích từng loại một, chúng ta cần nhận định rằng các trang
Web hiện nay được xây dựng bằng rất nhiều nguồn khác nhau: text, hình ảnh, video, biểu
tượng .v.v… Có thể kể ra đây một vài đặc tính quan trọng của dữ liệu trên các trang Web
này :
• Không phân loại được (các thông tin mang lại từ HTML hầu hết là về phần trình
bày thông tin chứ không phải là ngữ nghĩa của thông tin)
• Phân tán

• Trộn lẫn (text, hình ảnh, video, biểu tượng...)
• Bán cấu trúc (có cấu trúc theo ngôn ngữ HTML nhưng lại không có cấu trúc về
mặt ngữ nghĩa)
• Thay đổi theo thời gian
- 5 -
Chương I : Giới thiệu sản phẩm
• Đa chiều
II.1.1.Các trang Web thông tin có cấu trúc được cập nhật
thường xuyên
Chúng ta có thể thấy rất rõ hiện nay có một phần không nhỏ các trang Web thông
tin được cập nhật thường xuyên như báo điện tử, diễn đàn, trang Web cung cấp thông tin
giá tầu xe, đấu giá, chứng khoán, thời tiết... Tuy vậy, nếu phân tích một cách kỹ lưỡng, có
thể nhận xét là các trang Web này tuy được cập nhật thường xuyên, nhưng không thay
đổi về mặt cấu trúc ý nghĩa. Các ví dụ dưới đây sẽ minh họa kỹ hơn về mặt cấu trúc ý
nghĩa của các trang Web (các ví dụ này là không chính xác đối với tất cả các trang Web
cùng loại mà chỉ mang tính minh hoạ về cấu trúc ý nghĩa):
 Báo điện tử : Tiêu đề + Mô tả ngắn gọn + Các tin đã đưa
 Diễn đàn : Tên bài viết + Người viết + Người cập nhật cuối
 Thời tiết : Tên thành phố + chỉ số dự báo thời tiết(nhiệt độ, độ ẩm...)
 Chứng khoán : Tên công ty niêm yết + giá bán
 ...
Tần số cập nhật thông tin của các trang Web này nói chung là ngắn, có thể liên
tục (thị trường chứng khoán), một vài phút (diễn đàn) hay một ngày (báo điện tử). Tuy
vậy, dù cập nhật thông tin như thế nào, các trang thông tin này thông thường luôn tuôn
theo một quy luật về ý nghĩa của các thông tin.
Thông tin mà các trang Web này mang lại cho người sử dụng được cập nhật một
cách liên tục và phong phú. Tuy vậy, trái ngược với sự liên tục và phong phú, các trang
Web này lại chỉ ngày càng nâng cao tính trình bày hình thức của mình chứ không thể
nâng cao được tính ngữ nghĩa của mình (do sự hạn chế của ngôn ngữ HTML). Những câu
hỏi được người sử dụng đặt ra để lấy thông tin ví dụ như “Tôi muốn đọc các bài có tiêu

đề nói về Trí Tuệ Việt Nam 2004“ hay như “Có công ty chứng khoán nào niêm yết
giá khoảng dưới 20000 VND không nhỉ?”, có vẻ đơn giản nhưng dường như lại khá
khó khăn trong việc thực hiện. Câu trả lời nếu sử dụng các phương pháp thông thường
như là sử dụng search engine của trang thông tin đó hay các search engine khác sẽ mang
lại cho người sử dụng quá nhiều thông tin không cần thiết do các search engine này cũng
chỉ tìm kiếm thông tin chứ không để ý đến ngữ nghĩa của thông tin.
II.1.2.Các trang Web thông tin có cấu trúc không được cập
nhật thường xuyên
Tần số cập nhật được nêu ra ở đây chỉ mang tính tương đối, vì một trang Web
được cập nhật thường xuyên (ví dụ như chỉ số chứng khoán) lại cũng có thể vì một lý do
nào đó không cập nhật thường xuyên nữa (ví dụ đóng cửa thị trường chứng khoán vào
- 6 -
Chương I : Giới thiệu sản phẩm
ngày nghỉ). Tuy nhiên, có thể thấy rằng, cũng có rất nhiều trang Web mà tần số cập nhật
là ít. Ví dụ như trang Web giới thiệu tên các quốc gia (đương nhiên không phải ngày,
tháng, năm nào cũng có một quốc gia xuất hiện, đổi tên hay biến mất nên thông tin trong
trang Web này dường như không thay đổi), hay như trang Web chứa thông tin về Ban
Giám Khảo cuộc thi Trí Tuệ Việt Nam (thay đổi theo hàng năm). Do các trang Web này
cũng được tổ chức theo một cấu trúc nhất định nên chúng ta cũng có thể phân tích về mặt
ngữ nghĩa cấu trúc. Ví dụ như trong trang Web thông tin về Ban Giám Khảo cuộc thi Trí
Tuệ Việt Nam, ít nhất cũng phải có các thông tin: Tên + Chức danh của các thành viên
Ban Giám Khảo. Tương tự, chúng ta sẽ lại vấp phải những khó khăn khi muốn tìm ra dữ
liệu trả lời cho những câu hỏi như “Thành viên nào của Ban Giám Khảo hiện nay đang
công tác tại trường Đại học Bách Khoa ?”.
Những câu hỏi được đặt ra đối với các trang Web có cấu trúc nói trên dường như
sẽ là những câu truy vấn rất đơn giản trong các hệ quản trị cơ sở dữ liệu khi có các thông
tin Tiêu đề (trong câu hỏi “Tôi muốn đọc các bài có tiêu đề nói về Trí tuệ Việt Nam 2004
? ”), Tên công ty, Giá niêm yết (trong câu hỏi “Có công ty chứng khoán nào niêm yết
giá khoảng dưới 20000 VND không nhỉ ?”) và Tên thành viên, Chức danh (trong câu
hỏi “Thành viên nào của Ban Giám Khảo hiện nay đang công tác tại trường Đại học

Bách Khoa ?” ). Thế nhưng, cái chúng ta có lại là các trang Web chứ không phải là hệ cơ
sở dữ liệu và công việc của chúng ta là phải có được một cơ sở dữ liệu mà mỗi thông tin
trong đó đã được phân loại theo ngữ nghĩa.
???
D÷ liÖu cã
thÓ truy
vÊn ®îc
II.1.3.Các trang Web thông tin có cấu trúc lỏng lẻo
Các trang Web thông tin có cấu trúc lỏng lẻo cũng là một trong những loại trang
Web xuất hiện rất nhiều trên Internet, ví dụ như: trang Web giới thiệu cá nhân, tổ chức,
cơ quan .v.v… Những trang Web này thường rất khó phân tích cấu trúc một cách tổng
quát do thông tin được trình bày không theo một quy luật nhất định nào.
II.2.WEBMINING
- 7 -
Chương I : Giới thiệu sản phẩm
Do những nhu cầu bức xúc đặt ra đã được nói ở trên, chúng ta cần phải phát triển
phương pháp thu thập và xử lý thông tin thông minh hơn để mang lại những ích lợi thiết
thực hơn cho người sử dụng. Hiện tại, trên thế giới đã có rất nhiều nghiên cứu về
WebMining, phương pháp và công nghệ để xử lý thông tin thu thập từ các nguồn thông
tin trên Internet một cách thông minh. WebMining có thể được chia thành bốn tác vụ
chính như hình dưới đây
D÷ liÖu
Web
T¸c vô
Thu thËp
th«ng tin
T¸c vô
Bãc t¸ch
th«ng tin
T¸c vô

Tæng qu¸t
ho¸ th«ng
tin
T¸c vô
Ph©n tÝch
th«ng tin
Tri thøc
Chúng ta sẽ điểm sơ qua từng tác vụ một và những nghiên cứu đã đạt được đối
với từng tác vụ này.
II.2.1.Thu thập thông tin (Information Retrieval)
Tác vụ thu thập thông tin giúp cho người sử dụng có được trang Web từ URL
hoặc từ yêu cầu mà họ cần. Đối với người sử dụng hiện tại, việc thu thập thông tin
thường được thực hiện qua các URL mà người sử dụng đã biết hoặc qua các engine tìm
kiếm. Các engine tìm kiếm là các chương trình được viết để có thể truy vấn và thu thập
dữ liệu được lưu trong cơ sở dữ liệu (có cấu trúc), trang Web (bán cấu trúc) và các văn
bản tự do (không có cấu trúc) trên mạng. Hiện tại đã có khá nhiều các engine tìm kiếm
mạnh ở thế giới và tại Việt Nam như Google, Altavista, Lycos, Vinaseek, PanVN, ... Các
engine này ngày càng cố gắng để có thể tương tác với người sử dụng nhiều và thông
minh hơn, tuy vậy không phải là không có những yếu điểm.
Như chúng ta đã biết, một hệ thống thu thập thông tin lý tưởng phải là một hệ
thống thu thập được những thông tin phù hợp nhất với yêu cầu của người sử dụng (yêu
cầu này được diễn giải bằng các câu truy vấn). Đây thật sự là một tác vụ vô cùng phức
tạp và khó khăn mà hầu hết các hệ thống thu thập thông tin đều chưa thực hiện được triệt
để, phần nhiều có thể kể đến là do tính phi ngữ nghĩa của ngôn ngữ HTML. Hầu hết các
hệ thống thu thập thông tin hiện nay đều chú trọng tới tốc độ, số lượng thông tin mà các
hệ thống này có thể mang lại cho người dùng với các câu truy vấn tương đối đơn giản.
Ngoài ra chúng ta cũng nhận thấy đã có những cố gắng rất nhiều trong việc cá
nhân hóa và khả mở đối với hệ thống thu thập thông tin. Tuy vậy, kết quả mang lại chưa
phải thật sự tốt đúng như người dùng mong đợi.
- 8 -

Chương I : Giới thiệu sản phẩm
II.2.2. Bóc tách thông tin (Information Extraction)
Một khi thông tin sau khi qua tác vụ thu thập đã được lấy về, việc tiếp theo là phải
lấy ra được những thông tin cần thiết và chỉ là những thông tin mà mình cần một cách tự
động không cần tới sự thao tác của người sử dụng. Hầu hết các thuật toán bóc tách thông
tin hiện nay đều dựa vào các công cụ khác nhau trên nền kỹ thuật “wrapper”. Wrapper có
thể được hiểu là những hàm để tách thông tin từ các tài nguyên Web. Các hàm này được
viết dựa trên các luật (quy luật) đã được đúc rút ra sau khi khảo sát các trang Web chứa
thông tin cần lấy. Các Wrapper có thể xây dựng dựa trên rất nhiều quy luật khác nhau và
tuỳ thuộc vào mục đích của người sử dụng.
Có lẽ giới hạn lớn nhất của tác vụ bóc tách thông tin này là mỗi một wrapper lại
chỉ được sử dụng cho một mục đích nhất định và không liên quan đến nhau. Do vậy, tính
khả mở của các wrapper này quả thật không được tốt cho lắm. Chúng ta có thể kể đến
những chương trình chỉ viết riêng về một vấn đề như: xem chỉ số chứng khoán, xem thời
tiết, xem báo (ví dụ như Novobot) hay những chương trình mang tính chất tổng hợp hơn
như chương trình bóc tách các thông tin thu được từ nhiều search engine cùng một lúc (ví
dụ như Corpecnic hay WebFerret). Hơn nữa, cần phải kể thêm là các chương trình này
luôn tạo ra những khó khăn cho người sử dụng trong việc cập nhật lại nguồn tin (ví dụ
cập nhật thêm một tờ báo hay thêm một search engine). Để cập nhật, người sử dụng hầu
như khó có thể tự mình thực hiện được mà phải chờ đợi cũng như download phần cập
nhật từ các nhà sản xuất mà không biết phần cập nhật này có thật sự đúng với ý muốn của
mình hay không (có phải đúng tờ báo mình muốn đọc hay đúng search engine ưa thích
của mình không).
II.2.3.Tổng hợp và tổng quát hoá dữ liệu (Generation)
Trong tác vụ này, các kỹ thuật nhận diện theo mẫu (pattern recognition) và học
máy (machine learning) thường được sử dụng đối với các thông tin đã được bóc tách.
Hầu hết các hệ thống học máy hiện tại trên Web đều học về ý thích của người sử dụng
(tổng quát hơn là thông tin về người sử dụng) nhiều hơn là học về chính trang Web mà
các hệ thống này được cài đặt trên đó. Vấn đề này cũng xuất phát từ nguyên nhân dữ liệu
hiện nay đang rất dư thừa trên Web nhưng lại không được (không có cơ chế) phân loại

theo mặt ngữ nghĩa một cách tự động. Ví dụ, nếu chúng ta có một cơ chế nào đó để xác
định được hai tập hợp các trang Web là trang chủ của cá nhân này và không phải là trang
chủ của cá nhân khác thì chúng ta sẽ có khả năng tiên đoán được một trang Web mới liệu
có phải là trang chủ của một ai đó hay không. Tuy vậy, với tính phi-ngữ nghĩa của
HTML, chúng ta khó có thể phân loại được các trang Web này.
II.2.4.Phân tích
Phân tích các thông tin sau khi đã thu thập được không phải là một công việc dễ
dàng ngay cả đối với người sử dụng chứ chưa nói đến đối với máy tính. Tác vụ này có
- 9 -
Chương I : Giới thiệu sản phẩm
thể được thực hiện hoàn toàn chỉ sau khi 3 tác vụ phía trước nó cũng đã được thực hiện
tốt.
II.3. XML
Với những nhược điểm phi-ngữ nghĩa của ngôn ngữ HTML cộng với nhu cầu
thực tế của người sử dụng, XML đã ra đời cùng với khả năng tăng thêm tính linh động,
ngữ nghĩa của các văn bản HTML. Văn bản XML được cấu tạo với cấu trúc cũng dựa
trên các thẻ như HTML, tuy nhiên các thẻ này không cố định như HTML mà hoàn toàn là
do người sử dụng đặt tên. Chính nhờ khả năng ấy mà XML đã vượt trội hơn hẳn HTML
về mặt cung cấp ngữ nghĩa của thông tin. Đơn giản như, bây giờ, các search engine sẽ có
thể phân biệt được bill (hoá đơn điện thoại) với Bill Clinton (tên người). Tuy vậy, XML
ra đời không có nghĩa rằng HTML sẽ không được sử dụng nữa. Có một câu ngạn ngữ
được các nước hay sử dụng là “Không việc gì phải sửa chữa những cái gì nó chưa hỏng”
và XML cũng không phải sinh ra là để thay thế cho ngôn ngữ HTML mà là một sự bổ
sung lý tưởng cho ngôn ngữ HTML, giải quyết cho HTML một số vấn đề sau:
• XML được thiết kế để phát triển và mở rộng một ngôn ngữ mark-up mới theo một
hệ thống chuẩn. Từ trước tới nay, HTML chưa bao giờ được cung cấp một khả
năng mở rộng tuân theo một chuẩn nhất định. Để thay đổi HTML, chúng ta có lẽ
phải đối mặt với cả thế giới trong khi việc thay đổi XML cho phù hợp với mục
đích người sử dụng lại không có gì khó khăn mà bằng chứng là hiện tại có rất
nhiều ngôn ngữ dựa trên XML như ebXML (e-biz XML) hay WML (ngôn ngữ sử

dụng cho các máy điện thoại di động).
• XML được thiết kế một cách rõ ràng, rành mạch cho phép các công cụ phát triển
và trình duyệt có thể dễ dàng (không cần thay đổi) vẫn duyệt được toàn bộ thông
tin mà nó mang theo. Sự tối nghĩa trong các thẻ HTML và có quá nhiều các quy
tắc ngoại lệ khiến cho đôi khi không chỉ người sử dụng mà các nhà phát triển
công cụ cũng phải đau đầu.
• HTML là một ngôn ngữ chú trọng hoàn toàn đến hình thức và không nói lên được
điều gì về dữ liệu mà nó mang. Do vậy, XML là một ngôn ngữ lý tưởng để giúp
HTML làm được điều này.
• XML không phải sinh ra để cho những ứng dụng phức tạp mà không phải ai cũng
hiểu, XML rất đơn giản và dễ lập trình. Thêm nữa, với XML, chúng ta có thể hiển
thị cùng một dữ liệu với nhiều cách khác nhau hay cá nhân hoá dữ liệu, điều mà
HTML không làm được.
Với những tính năng như trên, không có gì đáng ngạc nhiên khi XML hiện nay
được sử dụng rộng rãi từ việc tạo trang Web tới việc tích hợp dữ liệu và ngay cả là lập
trình phân tán. Chúng ta có thể xem xét một vài ví dụ nhỏ về những ứng dụng của XML
dưới đây :
- 10 -
Chương I : Giới thiệu sản phẩm
• Giao dịch thương mại (Biz-to-biz transport) : Dữ liệu thương mại, hóa đơn, yêu
cầu mua hàng, thông tin thuế, tỷ giá ... đều có thể được truyền qua đường điện tử
giữa các nhà sản xuất khác nhau bằng định dạng XML với những ưu điểm vượt
trội hơn hẳn dạng EDI (Electronic Data Interchange).
• Lập trình phân tán : XML là một công cụ lý tưởng để xây dựng các ứng dụng từ
nhiều platform khác nhau, cho phép tích hợp giữa các server của Windows, Unix,
Linux, Sun... với các hệ điều hành khác nhau trên toàn thế giới.
• Cấu trúc Web site : Bản thân XML là một ngôn ngữ mang tính cấu trúc chặt chẽ
và phân tán. Vì vậy, các nhà phát triển Web site có thể dễ dàng sử dụng XML
trong việc tăng tính phân tầng và cấu trúc duyệt (navigations) đối với những trang
Web của họ. Hơn nữa, sử dụng XML sẽ giúp cho việc lưu trữ thông tin người sử

dụng, trạng thái Web site, điều khiển luồng dữ liệu trong trang Web trở nên dễ
dàng hơn bao giờ hết.
• XML có thể giúp chúng ta trong việc tương tác với cơ sở dữ liệu, ví dụ như việc
nhận dữ liệu từ một câu truy vấn SQL hoặc cập nhật dữ liệu từ một bản ghi XML.
Bằng việc mô tả dữ liệu theo định dạng XML, chúng ta không cần phải nhất thiết
có một chút khái niệm nào về cấu trúc thật sự của cơ sở dữ liệu khi lưu.
Với nền tảng XML chúng ta có thể dễ dàng bổ sung tính ngữ nghĩa cho các thông
tin lấy được từ các trang Web. Hệ thống của tôi còn nhắm tới XML như một ngôn ngữ
hữu dụng trong việc chuyển đổi sang bất cứ dạng cơ sở dữ liệu (hay cơ sở dữ liệu tri
thức) nào khác. Việc dễ dàng chuyển đổi sang các cơ sở dữ liệu khác nhau một cách dễ
dàng sẽ giúp đỡ người sử dụng, các doanh nghiệp tiết kiệm được rất nhiều thời gian, công
sức tiền bạc và thích ứng được với môi trường Thương mại điện tử một cách dễ dàng.
CHƯƠNG III
NGHIÊN CỨU
NGHIÊN CỨU
GIẢI PHÁP
GIẢI PHÁP
 Giải pháp sử dụng script để tạo sinh URL tổng quát
 Giải pháp sử dụng DLL để tạo sinh URL tổng quát
 Bóc tách và gán ngữ nghĩa cho thông tin
 Khả năng tương tác visual giữa người và máy
 Hiện thực hóa giải pháp
 Khả năng ứng dụng và phát triển
Như đã nói ở chương trước, để có được tri thức như mong muốn, chúng ta cần
thực hiện qua bốn bước thu thập, bóc tách, tổng quát hóa và phân tích dữ liệu. Các
bước này liên quan chặt chẽ đến nhau và có thể dễ dàng nhận thấy rằng, việc thực hiện
không tốt một bước bất kỳ trong bốn bước kể trên đều ảnh hưởng lớn tới tri thức đầu ra.
- 11 -
Chương I : Giới thiệu sản phẩm
Với những nghiên cứu sẽ trình bày dưới đây, tôi xin được đặc biệt chú trọng tới hai bước

đầu tiên, thu thập và bóc tách thông tin mà trọng tâm là bóc tách thông tin.
III.1.THU THẬP THÔNG TIN
Việc thu thập thông tin trong hệ thống phải dựa vào những nguồn thông tin mà
người sử dụng đã cung cấp cho hệ thống ấy. Sở dĩ tại sao ở đây tôi không đặt trọng tâm
vào việc thu thập thông tin là bởi vì hiện tại, các search engine và các nguồn tin từ Web
cung cấp thông tin đã quá nhiều, ngày càng phát triển và cung cấp cho người sử dụng
nhiều thông tin hơn nhưng lại trong khoảng thời gian ít hơn trước rất nhiều. Cần phải
khẳng định rằng hiện tại chúng ta không hề thiếu dữ liệu, do vậy, trong tác vụ thu thập dữ
liệu, tôi không thực hiện công việc đi tìm nguồn tin cho người sử dụng (vì công việc tìm
nguồn tin giờ đây đã trở nên quá dễ dàng với các search engine) mà là đi tìm cho người
sử dụng một cơ chế tự động thu thập dữ liệu từ các nguồn tin để chuẩn bị cho tác vụ
thứ hai, tác vụ bóc tách thông tin.
III.1.1.Các loại URL
Chúng ta cũng cần phải phân biệt rõ các nguồn thông tin. Ở đây, nguồn thông tin
của người sử dụng được định danh dưới các dạng URL như sau :
1. URL tĩnh. Ví dụ khi muốn xem tin Thể thao của tờ báo Z có địa chỉ là
www.zzz.info, chúng ta chỉ cần truy nhập tới địa chỉ www.zzz.info/The-Thao/
trong mọi trường hợp thì có thể đọc được tin Thể thao của báo Z.
2. URL tĩnh được redirect đến một URL khác động tùy thuộc nhiều yếu tố (ngày,
tháng, số lần người sử dụng truy cập...). Quay lại ví dụ với tờ báo Z, giả sử muốn
xem Tin Thể thao, bây giờ chúng ta lại phải vào www.zzz.info và sau đó ấn vào
chuyên mục Thể thao để truy cập đến phần tin Thể thao với địa chỉ www.zzz.info/
24-10/The-Thao/ (với 24-10 là ngày hiện tại). Đây là ví dụ đơn giản nhất về việc
có tham số trong địa chỉ URL và nếu chúng ta nắm được quy luật đối với tham số
này (trong ví dụ trên thì tham số chính là ngày hiện tại - tháng hiện tại), chúng ta
cũng có thể truy cập trực tiếp tới trang Web cần thiết.
3. Từ khóa để sinh ra URL (động). Các ví dụ đơn giản nhất trong trường hợp này là
các search engine. Chúng ta đã biết rằng để tìm kiếm thông tin, chúng ta cần phải
cung cấp cho các search engine này từ khóa. Các từ khóa ấy được biến đổi và cuối
cùng được gửi cho server dưới dạng nằm trong URL. Ngoài ra, cũng còn cần phải

xét tới chuyện xử lý sang việc người sử dụng cần lấy từ nguồn tin không phải từ
một trang mà là từ nhiều trang Web (ví dụ như mặc dù search engine có thể trả lại
cho chúng ta đến hàng triệu kết quả chỉ trong một trang Web, tuy vậy trong thực
tế người sử dụng thông thường không muốn xem hết hàng triệu kết quả này cũng
như search engine không bao giờ lại trình bày hàng triệu kết quả thu được trong
một trang Web duy nhất). Như vậy, thông tin về số trang trong trường hợp này ở
- 12 -
Chương I : Giới thiệu sản phẩm
trên URL cũng cần phải nghiên cứu. Chúng ta cũng cần phải phân biệt được
trường hợp 3 và 2 là giống nhau về mặt bản chất URL đều được mã hóa, nhưng
trong trường hợp thứ 3 thông tin mã hóa được nhập từ người sử dụng, còn trong
trường hợp thứ 2 thì do máy tính tự sinh ra.
III.1.2. Giải pháp xử lý
Đối với từng loại URL này, tôi đã có những nghiên cứu và đưa ra các giải pháp
khả thi để có thể xử lý hết tất cả các trường hợp tạo sinh URL và sau đó quy về một URL
tĩnh request đến server chứa nguồn thông tin. Trừ URL tĩnh là dạng URL cơ bản nhất còn
các dạng URL còn lại đều có thể được tạo sinh bởi một trong hai cách dưới đây :
• Tạo/sinh URL bằng cách viết script. Đây là nhóm các URL được mã hóa đơn
giản, có thể nhìn thấy ngay quy luật.
• Tạo/sinh URL bằng cách viết DLL. Trong trường hợp các URL sử dụng các
phương pháp mã hóa phức tạp hơn, để tiện cho người sử dụng, cách tốt nhất là
người sử dụng viết một DLL hoặc sử dụng DLL có sẵn như một plug-ins để cung
cấp cho hệ thống của tôi khả năng tạo/sinh URL dựa trên việc gọi các hàm trong
DLL (plug-ins) đó.
1.2.1. Tạo sinh URL bằng cách viết script
Trước hết, cần khảo sát qua những yêu cầu để có thể xây dựng nên script. Để
khảo sát, chúng ta sẽ lấy các URL của các search engine trong và ngoài nước đối với
chuỗi “Trí Tuệ Việt Nam” và một số tờ báo, mỗi trang lấy 3 URL và tổng quát hóa từ các
ví dụ này để rút ra quy luật. (Tại báo cáo này, tôi chỉ trình bầy một số ít trong các ví dụ
thực tế mà tôi đã khảo sát và nghiên cứu).

Google :
/>%22&num=50&hl=vi&lr=&ie=UTF-8&oe=UTF-8&safe=off&start=50&sa=N
/>%22&num=50&hl=vi&lr=&ie=UTF-8&oe=UTF-8&safe=off&start=100&sa=N
/>%22&num=50&hl=vi&lr=&ie=UTF-8&oe=UTF-8&safe=off&start=150&sa=N
Phần cố định Keyword sau khi mã hoá Phần cố định Phần thay
đổi
Phần cố
định
gl
e.com/search?q=
%2B%22Tr%C3%AD+Tu
%E1%BB%87+Vi
%E1%BB%87t+Nam
%22&
num=50&hl=vi&lr=&ie=
UTF-8&oe=UTF-8&safe
=off&start=
50
100
150
sa=N
Alltheweb :
- 13 -
Chương I : Giới thiệu sản phẩm
/>%22&c=web&cs=utf-8&o=10&l=any
/>%22&c=web&cs=utf-8&o=20&l=any
/>%22&c=web&cs=utf-8&o=30&l=any
Phần cố định Keyword sau khi mã hoá Phần cố định Phần thay
đổi
Phần cố

định
the
web.com/search?
q=
%22Tr%C3%AD+Tu
%E1%BB%87+Vi
%E1%BB%87t+Nam
%22&
&c=web&cs=utf-8&o= 10
20
30
&l=any
PanVN :
/>%87tNam"&fcid=2&any=&ww=&occ=&d=&cmdSearch=Search&advs=&pn=2&dns=&img=0
/>%87tNam"&fcid=2&any=&ww=&occ=&d=&cmdSearch=Search&advs=&pn=3&dns=&img=0
/>%87tNam"&fcid=2&any=&ww=&occ=&d=&cmdSearch=Search&advs=&pn=4&dns=&img=0
Phần cố định Keyword sau khi mã hoá Phần cố định Phần thay
đổi
Phần cố
định
vn
.com/index.asp?
progid=4004&q=
"Tr%C3%ADTu%E1%BB
%87Vi%E1%BB
%87tNam"
&fcid=2&any=&ww=&o
cc=&d=&cmdSearch=Se
arch&advs=&pn=
2

3
4
&dns=&i
mg=0
VinaSeek :
/>%22&start=21
/>%22&start=41
/>%22&start=61
Phần cố định Keyword sau khi mã hoá Phần cố định Phần thay đổi
as
eek.com/search.a
sp?
form=sfr&font=tc
vn&query=
%22Tr%DD+Tu%D6+Vi
%D6t+Nam%22
&start= 21
41
61
Đài Tiếng Nói Việt Nam
Chuyên mục Kinh tế : />Chuyên mục Xã Hội : />Chuyên mục Thể Thao : />- 14 -
>
>>
endobj
183 0 obj
>
>>
endobj
184 0 obj
>

>>
endobj
185 0 obj
>
>>
endobj
186 0 obj
>
>>
endobj
187 0 obj
>
>>
endobj
188 0 obj
>
>>
endobj
189 0 obj
>
>>
endobj
190 0 obj
>
>>
endobj
191 0 obj
>
>>
endobj

192 0 obj
>
>>
endobj
193 0 obj
>
>>
endobj
194 0 obj
>
>>
endobj
195 0 obj
>
>>
endobj
196 0 obj
>
>>
endobj
197 0 obj
>
>>
endobj
198 0 obj
>
>>
endobj
199 0 obj
>

>>
endobj
200 0 obj
>
>>
endobj
201 0 obj
>
>>
endobj
202 0 obj
>
>>
endobj
203 0 obj
>
>>
endobj
204 0 obj
>
>>
endobj
276 0 obj
</OpenAction[1 0 R /XYZ null null 0]
/ViewerPreferences<>>
/Outlines 274 0 R
/Lang(en-US)
>>

endobj
277 0 obj
/Creator
/Producer
/CreationDate(D:20121122124613+07'00')>>
endobj
xref
0 278
0000000000 65535 f
0001621772 00000 n
0000000019 00000 n
0000001722 00000 n
0001621918 00000 n
0000001743 00000 n
0000004556 00000 n
0001622064 00000 n
0000004577 00000 n
0000009082 00000 n
0001622210 00000 n
0000009103 00000 n
0000013783 00000 n
0001622358 00000 n
0000013805 00000 n
0000016871 00000 n
0001622506 00000 n
0000016893 00000 n
0000020826 00000 n
0001622654 00000 n
0000020848 00000 n
0000028817 00000 n

0000035395 00000 n
0000033801 00000 n
0000032320 00000 n
0000031116 00000 n
0000028839 00000 n
0000030890 00000 n
0000030910 00000 n
0000031096 00000 n
0000032112 00000 n
0000032300 00000 n
0000033396 00000 n
0000033780 00000 n
0000034875 00000 n
0000035374 00000 n
0000037180 00000 n
0000037871 00000 n
0001622802 00000 n
0000037892 00000 n
0000045088 00000 n
0001622950 00000 n
0000045110 00000 n
0000049388 00000 n
0001623098 00000 n
0000049410 00000 n
0000053287 00000 n
0001623246 00000 n
0000053309 00000 n
0000057298 00000 n
0001623394 00000 n
0000057320 00000 n

0000061750 00000 n
0001623593 00000 n
0000061772 00000 n
0000065678 00000 n
0001623800 00000 n
0000065700 00000 n
0000069187 00000 n
0001624127 00000 n
0000069209 00000 n
0000072791 00000 n
0001624275 00000 n
0000072813 00000 n
0000076234 00000 n
0001624423 00000 n
0000076256 00000 n
0000079843 00000 n
0001624571 00000 n
0000079865 00000 n
0000083486 00000 n
0001624719 00000 n
0000083508 00000 n
0000085109 00000 n
0001624867 00000 n
0000085131 00000 n
0000087547 00000 n
0001625015 00000 n
0000087569 00000 n
0000089762 00000 n
0001625163 00000 n
0000089784 00000 n

0000091261 00000 n
0000091283 00000 n
0001625330 00000 n
0000212476 00000 n
0000214007 00000 n
0000214029 00000 n
0001625497 00000 n
0000264347 00000 n
0000266097 00000 n
0000266119 00000 n
0001625664 00000 n
0000347286 00000 n
0000350438 00000 n
0000350460 00000 n
0001625812 00000 n
0000403776 00000 n
0000409044 00000 n
0001625960 00000 n
0000409066 00000 n
0000413718 00000 n
0001626109 00000 n
0000413741 00000 n
0000416078 00000 n
0001626259 00000 n
0000416101 00000 n
0000418862 00000 n
0000418885 00000 n
0001626409 00000 n
0000453930 00000 n
0000456855 00000 n

0001626559 00000 n
0000456878 00000 n
0000460162 00000 n
0001626709 00000 n
0000460185 00000 n
0000461958 00000 n
0001626859 00000 n
0000461981 00000 n
0000485741 00000 n
0001627009 00000 n
0000485765 00000 n
0000488975 00000 n
0001627186 00000 n
0000488998 00000 n
0000490740 00000 n
0000656519 00000 n
0000490763 00000 n
0001627336 00000 n
0000708188 00000 n
0000710960 00000 n
0000710983 00000 n
0001627486 00000 n
0000876903 00000 n
0000880453 00000 n
0001627636 00000 n
0000880476 00000 n
0000885973 00000 n
0001627813 00000 n
0000885996 00000 n
0000889049 00000 n

0001627963 00000 n
0000889072 00000 n
0000890478 00000 n
0000890501 00000 n
0001628113 00000 n
0000968362 00000 n
0000969967 00000 n
0000969990 00000 n
0001628263 00000 n
0001073506 00000 n
0001075235 00000 n
0001083039 00000 n
0001075258 00000 n
0001628413 00000 n
0001177171 00000 n
0001179741 00000 n
0001179764 00000 n
0001628563 00000 n
0001268883 00000 n
0001270952 00000 n
0001270975 00000 n
0001628713 00000 n
0001393583 00000 n
0001395786 00000 n
0001629646 00000 n
0001629789 00000 n
0001629936 00000 n
0001630115 00000 n
0001630254 00000 n
0001630397 00000 n

0001630536 00000 n
0001630685 00000 n
0001630858 00000 n
0001631030 00000 n
0001631204 00000 n
0001631419 00000 n
0001631632 00000 n
0001631847 00000 n
0001632060 00000 n
0001632275 00000 n
0001632490 00000 n
0001632656 00000 n
0001632824 00000 n
0001632992 00000 n
0001633160 00000 n
0001633328 00000 n
0001633496 00000 n
0001633696 00000 n
0001633896 00000 n
0001634096 00000 n
0001634296 00000 n
0001634494 00000 n
0001634694 00000 n
0001634925 00000 n
0001635154 00000 n
0001635385 00000 n
0001635614 00000 n
0001635844 00000 n
0001636074 00000 n
0001636231 00000 n

0001636388 00000 n
0001636528 00000 n
0001636679 00000 n
0001629219 00000 n
0001395809 00000 n
0001420800 00000 n
0001420824 00000 n
0001421040 00000 n
0001421715 00000 n
0001422230 00000 n
0001432150 00000 n
0001432173 00000 n
0001432365 00000 n
0001432815 00000 n
0001433105 00000 n
0001441927 00000 n
0001441950 00000 n
0001442147 00000 n
0001442439 00000 n
0001442605 00000 n
0001452759 00000 n
0001452783 00000 n
0001452971 00000 n
0001453617 00000 n
0001454099 00000 n
0001460196 00000 n
0001460219 00000 n
0001460417 00000 n
0001460710 00000 n
0001460878 00000 n

0001474119 00000 n
0001474143 00000 n
0001474335 00000 n
0001474748 00000 n
0001475006 00000 n
0001484903 00000 n
0001484926 00000 n
0001485123 00000 n
0001485619 00000 n
0001485954 00000 n
0001513428 00000 n
0001513452 00000 n
0001513664 00000 n
0001514414 00000 n
0001514994 00000 n
0001518934 00000 n
0001518957 00000 n
0001519150 00000 n
0001519460 00000 n
0001519634 00000 n
0001524208 00000 n
0001524231 00000 n
0001524423 00000 n
0001524850 00000 n
0001525128 00000 n
0001562257 00000 n
0001562281 00000 n
0001562488 00000 n
0001563526 00000 n
0001564352 00000 n

0001570084 00000 n
0001570107 00000 n
0001570304 00000 n
0001570621 00000 n
0001570808 00000 n
0001618936 00000 n
0001618960 00000 n
0001619162 00000 n
0001620277 00000 n
0001621183 00000 n
0001621247 00000 n
0001621431 00000 n
0001628863 00000 n
0001628922 00000 n
0001636821 00000 n
0001636984 00000 n
trailer
</Info 277 0 R
/ID [
]
/DocChecksum /530728AB523A4FBDF8EDB02BC580D4BE
>>
startxref
1637521
%%EOF
">
>
>>
endobj

184 0 obj
>
>>
endobj
185 0 obj
>
>>
endobj
186 0 obj
>
>>
endobj
187 0 obj
>
>>
endobj
188 0 obj
>
>>
endobj
189 0 obj
>
>>
endobj
190 0 obj
>
>>
endobj
191 0 obj
>

>>
endobj
192 0 obj
>
>>
endobj
193 0 obj
>
>>
endobj
194 0 obj
>
>>
endobj
195 0 obj
>
>>
endobj
196 0 obj
>
>>
endobj
197 0 obj
>
>>
endobj
198 0 obj
>
>>
endobj

199 0 obj
>
>>
endobj
200 0 obj
>
>>
endobj
201 0 obj
>
>>
endobj
202 0 obj
>
>>
endobj
203 0 obj
>
>>
endobj
204 0 obj
>
>>
endobj
276 0 obj
</OpenAction[1 0 R /XYZ null null 0]
/ViewerPreferences<>>
/Outlines 274 0 R

/Lang(en-US)
>>
endobj
277 0 obj
/Creator
/Producer
/CreationDate(D:20121122124613+07'00')>>
endobj
xref
0 278
0000000000 65535 f
0001621772 00000 n
0000000019 00000 n
0000001722 00000 n
0001621918 00000 n
0000001743 00000 n
0000004556 00000 n
0001622064 00000 n
0000004577 00000 n
0000009082 00000 n
0001622210 00000 n
0000009103 00000 n
0000013783 00000 n
0001622358 00000 n
0000013805 00000 n
0000016871 00000 n
0001622506 00000 n
0000016893 00000 n
0000020826 00000 n
0001622654 00000 n

0000020848 00000 n
0000028817 00000 n
0000035395 00000 n
0000033801 00000 n
0000032320 00000 n
0000031116 00000 n
0000028839 00000 n
0000030890 00000 n
0000030910 00000 n
0000031096 00000 n
0000032112 00000 n
0000032300 00000 n
0000033396 00000 n
0000033780 00000 n
0000034875 00000 n
0000035374 00000 n
0000037180 00000 n
0000037871 00000 n
0001622802 00000 n
0000037892 00000 n
0000045088 00000 n
0001622950 00000 n
0000045110 00000 n
0000049388 00000 n
0001623098 00000 n
0000049410 00000 n
0000053287 00000 n
0001623246 00000 n
0000053309 00000 n
0000057298 00000 n

0001623394 00000 n
0000057320 00000 n
0000061750 00000 n
0001623593 00000 n
0000061772 00000 n
0000065678 00000 n
0001623800 00000 n
0000065700 00000 n
0000069187 00000 n
0001624127 00000 n
0000069209 00000 n
0000072791 00000 n
0001624275 00000 n
0000072813 00000 n
0000076234 00000 n
0001624423 00000 n
0000076256 00000 n
0000079843 00000 n
0001624571 00000 n
0000079865 00000 n
0000083486 00000 n
0001624719 00000 n
0000083508 00000 n
0000085109 00000 n
0001624867 00000 n
0000085131 00000 n
0000087547 00000 n
0001625015 00000 n
0000087569 00000 n
0000089762 00000 n

0001625163 00000 n
0000089784 00000 n
0000091261 00000 n
0000091283 00000 n
0001625330 00000 n
0000212476 00000 n
0000214007 00000 n
0000214029 00000 n
0001625497 00000 n
0000264347 00000 n
0000266097 00000 n
0000266119 00000 n
0001625664 00000 n
0000347286 00000 n
0000350438 00000 n
0000350460 00000 n
0001625812 00000 n
0000403776 00000 n
0000409044 00000 n
0001625960 00000 n
0000409066 00000 n
0000413718 00000 n
0001626109 00000 n
0000413741 00000 n
0000416078 00000 n
0001626259 00000 n
0000416101 00000 n
0000418862 00000 n
0000418885 00000 n
0001626409 00000 n

0000453930 00000 n
0000456855 00000 n
0001626559 00000 n
0000456878 00000 n
0000460162 00000 n
0001626709 00000 n
0000460185 00000 n
0000461958 00000 n
0001626859 00000 n
0000461981 00000 n
0000485741 00000 n
0001627009 00000 n
0000485765 00000 n
0000488975 00000 n
0001627186 00000 n
0000488998 00000 n
0000490740 00000 n
0000656519 00000 n
0000490763 00000 n
0001627336 00000 n
0000708188 00000 n
0000710960 00000 n
0000710983 00000 n
0001627486 00000 n
0000876903 00000 n
0000880453 00000 n
0001627636 00000 n
0000880476 00000 n
0000885973 00000 n
0001627813 00000 n

0000885996 00000 n
0000889049 00000 n
0001627963 00000 n
0000889072 00000 n
0000890478 00000 n
0000890501 00000 n
0001628113 00000 n
0000968362 00000 n
0000969967 00000 n
0000969990 00000 n
0001628263 00000 n
0001073506 00000 n
0001075235 00000 n
0001083039 00000 n
0001075258 00000 n
0001628413 00000 n
0001177171 00000 n
0001179741 00000 n
0001179764 00000 n
0001628563 00000 n
0001268883 00000 n
0001270952 00000 n
0001270975 00000 n
0001628713 00000 n
0001393583 00000 n
0001395786 00000 n
0001629646 00000 n
0001629789 00000 n
0001629936 00000 n
0001630115 00000 n

0001630254 00000 n
0001630397 00000 n
0001630536 00000 n
0001630685 00000 n
0001630858 00000 n
0001631030 00000 n
0001631204 00000 n
0001631419 00000 n
0001631632 00000 n
0001631847 00000 n
0001632060 00000 n
0001632275 00000 n
0001632490 00000 n
0001632656 00000 n
0001632824 00000 n
0001632992 00000 n
0001633160 00000 n
0001633328 00000 n
0001633496 00000 n
0001633696 00000 n
0001633896 00000 n
0001634096 00000 n
0001634296 00000 n
0001634494 00000 n
0001634694 00000 n
0001634925 00000 n
0001635154 00000 n
0001635385 00000 n
0001635614 00000 n
0001635844 00000 n

0001636074 00000 n
0001636231 00000 n
0001636388 00000 n
0001636528 00000 n
0001636679 00000 n
0001629219 00000 n
0001395809 00000 n
0001420800 00000 n
0001420824 00000 n
0001421040 00000 n
0001421715 00000 n
0001422230 00000 n
0001432150 00000 n
0001432173 00000 n
0001432365 00000 n
0001432815 00000 n
0001433105 00000 n
0001441927 00000 n
0001441950 00000 n
0001442147 00000 n
0001442439 00000 n
0001442605 00000 n
0001452759 00000 n
0001452783 00000 n
0001452971 00000 n
0001453617 00000 n
0001454099 00000 n
0001460196 00000 n
0001460219 00000 n
0001460417 00000 n

0001460710 00000 n
0001460878 00000 n
0001474119 00000 n
0001474143 00000 n
0001474335 00000 n
0001474748 00000 n
0001475006 00000 n
0001484903 00000 n
0001484926 00000 n
0001485123 00000 n
0001485619 00000 n
0001485954 00000 n
0001513428 00000 n
0001513452 00000 n
0001513664 00000 n
0001514414 00000 n
0001514994 00000 n
0001518934 00000 n
0001518957 00000 n
0001519150 00000 n
0001519460 00000 n
0001519634 00000 n
0001524208 00000 n
0001524231 00000 n
0001524423 00000 n
0001524850 00000 n
0001525128 00000 n
0001562257 00000 n
0001562281 00000 n
0001562488 00000 n

0001563526 00000 n
0001564352 00000 n
0001570084 00000 n
0001570107 00000 n
0001570304 00000 n
0001570621 00000 n
0001570808 00000 n
0001618936 00000 n
0001618960 00000 n
0001619162 00000 n
0001620277 00000 n
0001621183 00000 n
0001621247 00000 n
0001621431 00000 n
0001628863 00000 n
0001628922 00000 n
0001636821 00000 n
0001636984 00000 n
trailer
</Info 277 0 R
/ID [
]
/DocChecksum /530728AB523A4FBDF8EDB02BC580D4BE
>>
startxref
1637521
%%EOF
">
>

>>
endobj
185 0 obj
>
>>
endobj
186 0 obj
>
>>
endobj
187 0 obj
>
>>
endobj
188 0 obj
>
>>
endobj
189 0 obj
>
>>
endobj
190 0 obj
>
>>
endobj
191 0 obj
>
>>
endobj

192 0 obj
>
>>
endobj
193 0 obj
>
>>
endobj
194 0 obj
>
>>
endobj
195 0 obj
>
>>
endobj
196 0 obj
>
>>
endobj
197 0 obj
>
>>
endobj
198 0 obj
>
>>
endobj
199 0 obj
>

186 0 obj
>
>>
endobj
187 0 obj
>
>>
endobj
188 0 obj
>
>>
endobj
189 0 obj
>
>>
endobj
190 0 obj
>
>>
endobj
191 0 obj
>
>>
endobj
192 0 obj
>
>>
endobj
193 0 obj
>

>>
endobj
194 0 obj
>
>>
endobj
195 0 obj
>
>>
endobj
196 0 obj
>
>>
endobj
197 0 obj
>
>>
endobj
198 0 obj
>
>>
endobj
199 0 obj
>
>>
endobj
200 0 obj
>
>>
endobj

201 0 obj
>
>>
endobj
202 0 obj
>
>>
endobj
203 0 obj
>
>>
endobj
204 0 obj
>
>>
endobj
276 0 obj
</OpenAction[1 0 R /XYZ null null 0]
/ViewerPreferences<>>
/Outlines 274 0 R
/Lang(en-US)
>>
endobj
277 0 obj
/Creator
/Producer
/CreationDate(D:20121122124613+07'00')>>
endobj

xref
0 278
0000000000 65535 f
0001621772 00000 n
0000000019 00000 n
0000001722 00000 n
0001621918 00000 n
0000001743 00000 n
0000004556 00000 n
0001622064 00000 n
0000004577 00000 n
0000009082 00000 n
0001622210 00000 n
0000009103 00000 n
0000013783 00000 n
0001622358 00000 n
0000013805 00000 n
0000016871 00000 n
0001622506 00000 n
0000016893 00000 n
0000020826 00000 n
0001622654 00000 n
0000020848 00000 n
0000028817 00000 n
0000035395 00000 n
0000033801 00000 n
0000032320 00000 n
0000031116 00000 n
0000028839 00000 n
0000030890 00000 n

0000030910 00000 n
0000031096 00000 n
0000032112 00000 n
0000032300 00000 n
0000033396 00000 n
0000033780 00000 n
0000034875 00000 n
0000035374 00000 n
0000037180 00000 n
0000037871 00000 n
0001622802 00000 n
0000037892 00000 n
0000045088 00000 n
0001622950 00000 n
0000045110 00000 n
0000049388 00000 n
0001623098 00000 n
0000049410 00000 n
0000053287 00000 n
0001623246 00000 n
0000053309 00000 n
0000057298 00000 n
0001623394 00000 n
0000057320 00000 n
0000061750 00000 n
0001623593 00000 n
0000061772 00000 n
0000065678 00000 n
0001623800 00000 n
0000065700 00000 n

0000069187 00000 n
0001624127 00000 n
0000069209 00000 n
0000072791 00000 n
0001624275 00000 n
0000072813 00000 n
0000076234 00000 n
0001624423 00000 n
0000076256 00000 n
0000079843 00000 n
0001624571 00000 n
0000079865 00000 n
0000083486 00000 n
0001624719 00000 n
0000083508 00000 n
0000085109 00000 n
0001624867 00000 n
0000085131 00000 n
0000087547 00000 n
0001625015 00000 n
0000087569 00000 n
0000089762 00000 n
0001625163 00000 n
0000089784 00000 n
0000091261 00000 n
0000091283 00000 n
0001625330 00000 n
0000212476 00000 n
0000214007 00000 n
0000214029 00000 n

0001625497 00000 n
0000264347 00000 n
0000266097 00000 n
0000266119 00000 n
0001625664 00000 n
0000347286 00000 n
0000350438 00000 n
0000350460 00000 n
0001625812 00000 n
0000403776 00000 n
0000409044 00000 n
0001625960 00000 n
0000409066 00000 n
0000413718 00000 n
0001626109 00000 n
0000413741 00000 n
0000416078 00000 n
0001626259 00000 n
0000416101 00000 n
0000418862 00000 n
0000418885 00000 n
0001626409 00000 n
0000453930 00000 n
0000456855 00000 n
0001626559 00000 n
0000456878 00000 n
0000460162 00000 n
0001626709 00000 n
0000460185 00000 n
0000461958 00000 n

0001626859 00000 n
0000461981 00000 n
0000485741 00000 n
0001627009 00000 n
0000485765 00000 n
0000488975 00000 n
0001627186 00000 n
0000488998 00000 n
0000490740 00000 n
0000656519 00000 n
0000490763 00000 n
0001627336 00000 n
0000708188 00000 n
0000710960 00000 n
0000710983 00000 n
0001627486 00000 n
0000876903 00000 n
0000880453 00000 n
0001627636 00000 n
0000880476 00000 n
0000885973 00000 n
0001627813 00000 n
0000885996 00000 n
0000889049 00000 n
0001627963 00000 n
0000889072 00000 n
0000890478 00000 n
0000890501 00000 n
0001628113 00000 n
0000968362 00000 n

0000969967 00000 n
0000969990 00000 n
0001628263 00000 n
0001073506 00000 n
0001075235 00000 n
0001083039 00000 n
0001075258 00000 n
0001628413 00000 n
0001177171 00000 n
0001179741 00000 n
0001179764 00000 n
0001628563 00000 n
0001268883 00000 n
0001270952 00000 n
0001270975 00000 n
0001628713 00000 n
0001393583 00000 n
0001395786 00000 n
0001629646 00000 n
0001629789 00000 n
0001629936 00000 n
0001630115 00000 n
0001630254 00000 n
0001630397 00000 n
0001630536 00000 n
0001630685 00000 n
0001630858 00000 n
0001631030 00000 n
0001631204 00000 n
0001631419 00000 n

0001631632 00000 n
0001631847 00000 n
0001632060 00000 n
0001632275 00000 n
0001632490 00000 n
0001632656 00000 n
0001632824 00000 n
0001632992 00000 n
0001633160 00000 n
0001633328 00000 n
0001633496 00000 n
0001633696 00000 n
0001633896 00000 n
0001634096 00000 n
0001634296 00000 n
0001634494 00000 n
0001634694 00000 n
0001634925 00000 n
0001635154 00000 n
0001635385 00000 n
0001635614 00000 n
0001635844 00000 n
0001636074 00000 n
0001636231 00000 n
0001636388 00000 n
0001636528 00000 n
0001636679 00000 n
0001629219 00000 n
0001395809 00000 n
0001420800 00000 n

0001420824 00000 n
0001421040 00000 n
0001421715 00000 n
0001422230 00000 n
0001432150 00000 n
0001432173 00000 n
0001432365 00000 n
0001432815 00000 n
0001433105 00000 n
0001441927 00000 n
0001441950 00000 n
0001442147 00000 n
0001442439 00000 n
0001442605 00000 n
0001452759 00000 n
0001452783 00000 n
0001452971 00000 n
0001453617 00000 n
0001454099 00000 n
0001460196 00000 n
0001460219 00000 n
0001460417 00000 n
0001460710 00000 n
0001460878 00000 n
0001474119 00000 n
0001474143 00000 n
0001474335 00000 n
0001474748 00000 n
0001475006 00000 n
0001484903 00000 n

0001484926 00000 n
0001485123 00000 n
0001485619 00000 n
0001485954 00000 n
0001513428 00000 n
0001513452 00000 n
0001513664 00000 n
0001514414 00000 n
0001514994 00000 n
0001518934 00000 n
0001518957 00000 n
0001519150 00000 n
0001519460 00000 n
0001519634 00000 n
0001524208 00000 n
0001524231 00000 n
0001524423 00000 n
0001524850 00000 n
0001525128 00000 n
0001562257 00000 n
0001562281 00000 n
0001562488 00000 n
0001563526 00000 n
0001564352 00000 n
0001570084 00000 n
0001570107 00000 n
0001570304 00000 n
0001570621 00000 n
0001570808 00000 n
0001618936 00000 n

0001618960 00000 n
0001619162 00000 n
0001620277 00000 n
0001621183 00000 n
0001621247 00000 n
0001621431 00000 n
0001628863 00000 n
0001628922 00000 n
0001636821 00000 n
0001636984 00000 n
trailer
</Info 277 0 R
/ID [
]
/DocChecksum /530728AB523A4FBDF8EDB02BC580D4BE
>>
startxref
1637521
%%EOF
">
>
>>
endobj
187 0 obj
>
>>
endobj
188 0 obj
>

>>
endobj
189 0 obj
>
>>
endobj
190 0 obj
>
>>
endobj
191 0 obj
>
>>
endobj
192 0 obj
>
>>
endobj
193 0 obj
>
>>
endobj
194 0 obj
>
>>
endobj
195 0 obj
>
>>
endobj

196 0 obj
>
>>
endobj
197 0 obj
>
>>
endobj
198 0 obj
>
>>
endobj
199 0 obj
>
>>
endobj
200 0 obj
>
>>
endobj
201 0 obj
>
>>
endobj
202 0 obj
>
>>
endobj
203 0 obj
>

>>
endobj
204 0 obj
>
>>
endobj
276 0 obj
</OpenAction[1 0 R /XYZ null null 0]
/ViewerPreferences<>>
/Outlines 274 0 R
/Lang(en-US)
>>
endobj
277 0 obj
/Creator
/Producer
/CreationDate(D:20121122124613+07'00')>>
endobj
xref
0 278
0000000000 65535 f
0001621772 00000 n
0000000019 00000 n
0000001722 00000 n
0001621918 00000 n
0000001743 00000 n
0000004556 00000 n
0001622064 00000 n

0000004577 00000 n
0000009082 00000 n
0001622210 00000 n
0000009103 00000 n
0000013783 00000 n
0001622358 00000 n
0000013805 00000 n
0000016871 00000 n
0001622506 00000 n
0000016893 00000 n
0000020826 00000 n
0001622654 00000 n
0000020848 00000 n
0000028817 00000 n
0000035395 00000 n
0000033801 00000 n
0000032320 00000 n
0000031116 00000 n
0000028839 00000 n
0000030890 00000 n
0000030910 00000 n
0000031096 00000 n
0000032112 00000 n
0000032300 00000 n
0000033396 00000 n
0000033780 00000 n
0000034875 00000 n
0000035374 00000 n
0000037180 00000 n
0000037871 00000 n

0001622802 00000 n
0000037892 00000 n
0000045088 00000 n
0001622950 00000 n
0000045110 00000 n
0000049388 00000 n
0001623098 00000 n
0000049410 00000 n
0000053287 00000 n
0001623246 00000 n
0000053309 00000 n
0000057298 00000 n
0001623394 00000 n
0000057320 00000 n
0000061750 00000 n
0001623593 00000 n
0000061772 00000 n
0000065678 00000 n
0001623800 00000 n
0000065700 00000 n
0000069187 00000 n
0001624127 00000 n
0000069209 00000 n
0000072791 00000 n
0001624275 00000 n
0000072813 00000 n
0000076234 00000 n
0001624423 00000 n
0000076256 00000 n
0000079843 00000 n

0001624571 00000 n
0000079865 00000 n
0000083486 00000 n
0001624719 00000 n
0000083508 00000 n
0000085109 00000 n
0001624867 00000 n
0000085131 00000 n
0000087547 00000 n
0001625015 00000 n
0000087569 00000 n
0000089762 00000 n
0001625163 00000 n
0000089784 00000 n
0000091261 00000 n
0000091283 00000 n
0001625330 00000 n
0000212476 00000 n
0000214007 00000 n
0000214029 00000 n
0001625497 00000 n
0000264347 00000 n
0000266097 00000 n
0000266119 00000 n
0001625664 00000 n
0000347286 00000 n
0000350438 00000 n
0000350460 00000 n
0001625812 00000 n
0000403776 00000 n

0000409044 00000 n
0001625960 00000 n
0000409066 00000 n
0000413718 00000 n
0001626109 00000 n
0000413741 00000 n
0000416078 00000 n
0001626259 00000 n
0000416101 00000 n
0000418862 00000 n
0000418885 00000 n
0001626409 00000 n
0000453930 00000 n
0000456855 00000 n
0001626559 00000 n
0000456878 00000 n
0000460162 00000 n
0001626709 00000 n
0000460185 00000 n
0000461958 00000 n
0001626859 00000 n
0000461981 00000 n
0000485741 00000 n
0001627009 00000 n
0000485765 00000 n
0000488975 00000 n
0001627186 00000 n
0000488998 00000 n
0000490740 00000 n
0000656519 00000 n

0000490763 00000 n
0001627336 00000 n
0000708188 00000 n
0000710960 00000 n
0000710983 00000 n
0001627486 00000 n
0000876903 00000 n
0000880453 00000 n
0001627636 00000 n
0000880476 00000 n
0000885973 00000 n
0001627813 00000 n
0000885996 00000 n
0000889049 00000 n
0001627963 00000 n
0000889072 00000 n
0000890478 00000 n
0000890501 00000 n
0001628113 00000 n
0000968362 00000 n
0000969967 00000 n
0000969990 00000 n
0001628263 00000 n
0001073506 00000 n
0001075235 00000 n
0001083039 00000 n
0001075258 00000 n
0001628413 00000 n
0001177171 00000 n
0001179741 00000 n

0001179764 00000 n
0001628563 00000 n
0001268883 00000 n
0001270952 00000 n
0001270975 00000 n
0001628713 00000 n
0001393583 00000 n
0001395786 00000 n
0001629646 00000 n
0001629789 00000 n
0001629936 00000 n
0001630115 00000 n
0001630254 00000 n
0001630397 00000 n
0001630536 00000 n
0001630685 00000 n
0001630858 00000 n
0001631030 00000 n
0001631204 00000 n
0001631419 00000 n
0001631632 00000 n
0001631847 00000 n
0001632060 00000 n
0001632275 00000 n
0001632490 00000 n
0001632656 00000 n
0001632824 00000 n
0001632992 00000 n
0001633160 00000 n
0001633328 00000 n

0001633496 00000 n
0001633696 00000 n
0001633896 00000 n
0001634096 00000 n
0001634296 00000 n
0001634494 00000 n
0001634694 00000 n
0001634925 00000 n
0001635154 00000 n
0001635385 00000 n
0001635614 00000 n
0001635844 00000 n
0001636074 00000 n
0001636231 00000 n
0001636388 00000 n
0001636528 00000 n
0001636679 00000 n
0001629219 00000 n
0001395809 00000 n
0001420800 00000 n
0001420824 00000 n
0001421040 00000 n
0001421715 00000 n
0001422230 00000 n
0001432150 00000 n
0001432173 00000 n
0001432365 00000 n
0001432815 00000 n
0001433105 00000 n
0001441927 00000 n

0001441950 00000 n
0001442147 00000 n
0001442439 00000 n
0001442605 00000 n
0001452759 00000 n
0001452783 00000 n
0001452971 00000 n
0001453617 00000 n
0001454099 00000 n
0001460196 00000 n
0001460219 00000 n
0001460417 00000 n
0001460710 00000 n
0001460878 00000 n
0001474119 00000 n
0001474143 00000 n
0001474335 00000 n
0001474748 00000 n
0001475006 00000 n
0001484903 00000 n
0001484926 00000 n
0001485123 00000 n
0001485619 00000 n
0001485954 00000 n
0001513428 00000 n
0001513452 00000 n
0001513664 00000 n
0001514414 00000 n
0001514994 00000 n
0001518934 00000 n

0001518957 00000 n
0001519150 00000 n
0001519460 00000 n
0001519634 00000 n
0001524208 00000 n
0001524231 00000 n
0001524423 00000 n
0001524850 00000 n
0001525128 00000 n
0001562257 00000 n
0001562281 00000 n
0001562488 00000 n
0001563526 00000 n
0001564352 00000 n
0001570084 00000 n
0001570107 00000 n
0001570304 00000 n
0001570621 00000 n
0001570808 00000 n
0001618936 00000 n
0001618960 00000 n
0001619162 00000 n
0001620277 00000 n
0001621183 00000 n
0001621247 00000 n
0001621431 00000 n
0001628863 00000 n
0001628922 00000 n
0001636821 00000 n
0001636984 00000 n

trailer
</Info 277 0 R
/ID [
]
/DocChecksum /530728AB523A4FBDF8EDB02BC580D4BE
>>
startxref
1637521
%%EOF
">
>
>>
endobj
188 0 obj
>
>>
endobj
189 0 obj
>
>>
endobj
190 0 obj
>
>>
endobj
191 0 obj
>
>>
endobj

192 0 obj
>
>>
endobj
193 0 obj
>
>>
endobj
194 0 obj
>
>>
endobj
195 0 obj
>
>>
endobj
196 0 obj
>
>>
endobj
197 0 obj
>
>>
endobj
198 0 obj
>
>>
endobj
199 0 obj
>

2004_10_24 /vietnamese/xahoi.htm
2004_10_24 /vietnamese/thethao.htm
Như vậy, để xử lý được toàn bộ các URL này, script của chúng ta phải đáp ứng
được nhưng yêu cầu sau :
• Mã hóa được keyword theo dạng chuẩn của Windows
• Có các hàm để thay thế chuỗi (ví dụ nếu chú ý thì trong keyword sau khi đã qua
xử lý của Google, dấu “ “ đã được thay bằng dấu “+”)
• Có một số các hàm xử lý tạo ra ngày, tháng, năm hiện tại và các hàm đơn giản
khác (hàm không cần đối số, trả về một giá trị)
• Script phải xử lý được ít nhất là một biến. Cũng cần phải có cơ chế cho biết biến
đó được chạy từ đâu đến đâu, bước chạy là bao nhiêu (ví dụ đối với search
engine, cần biết là trang thứ bao nhiêu, bắt đầu từ kết quả thứ bao nhiêu...)
Do vậy, tôi đã xây dựng một ngôn ngữ script dựa vào những yêu cầu trên. Ngôn
ngữ này là đơn giản, phù hợp với yêu cầu và dễ dàng mở rộng khi cần thiết. Dưới đây là
các quy tắc của ngôn ngữ :
1. Các dòng được xử lý tuần tự.
2. Sau khi thực hiện một dòng, kết quả trả về là một chuỗi (trừ dòng đầu tiên)
3. Kết quả thực hiện toàn bộ script là một chuỗi được ghép lại bởi các chuỗi kết quả
của từng dòng theo thứ tự (bắt đầu từ dòng thứ 2)
4. Dòng đầu tiên bao gồm chuỗi các số được cách nhau bởi dấu “ “, ít nhất là 1 số và
nhiều nhất là 4 số có ý nghĩa sau :
a. Số đầu tiên chỉ xem URL có phần thay đổi cần sử dụng biến hay không ?
i. Nếu bằng 1 là Có
ii. Nếu bằng 0 là Không có
b. Ba tham số tiếp theo có các ý nghĩa lần lượt như sau :
i. Khởi đầu
ii. Bước tăng
iii. Số lần lặp (bằng 0 là vô hạn)
5. Hàm được bắt đầu bằng dấu “$” và phải viết tên hàm bằng chữ hoa
6. Có hai hàm mã hoá keyword(tham số mặc định là keyword, không cần truyền

biến nữa) là :
a. $UTF8 : mã hoá dạng UTF8
b. $TCVN : mã hoá dạng TCVN
7. Vị trí của phần thay đổi cần biến sẽ được thể hiện bằng dòng chỉ chứa dấu “#”
8. Trong toàn bộ script biến “#” chỉ được sử dụng một lần
- 15 -
Chương I : Giới thiệu sản phẩm
9. Các dòng không có dấu “#” và “$” đứng đầu không cần phải xử lý gì mà coi luôn
giá trị đó là giá trị đầu ra của dòng
10. Các hàm có thể sử dụng được trong script :
a. $UTF8 : mã hóa keyword sang dạng UTF8
b. $TCVN : mã hóa keyword sang dạng TCVN
c. $REPLACE ts1 ts2 : thay chuỗi ts1 bằng chuỗi ts2 trong keyword đã
mã hóa
d. $YEAR : năm hiện tại
e. $MONTH : tháng hiện tại
f. $DATE : ngày hiện tại
Dưới đây tôi sẽ áp dụng quy tắc này để biểu diễn lại các ví dụ trên ra dạng script :
Google :
Phần cố định Keyword mã hoá Phần cố định Phần thay
đổi
Phần cố
định
gle.
com/search?q=
%2B%22Tr
%C3%AD+Tu%E1%BB
%87+Vi%E1%BB
%87t+Nam%22&
num=50&hl=vi&lr=&ie=

UTF-8&oe=UTF-8&safe
=off&start=
50
100
150
sa=N
1 50 50 3
/>$UTF8
REPLACE %20 +
num=50&hl=vi&lr=&ie=UTF-8&oe=UTF-8&safe=off&start=
#
sa=N
Alltheweb :
Phần cố định Keyword mã hoá Phần cố định Phần thay
đổi
Phần cố
định
thew
eb.com/search?q=
%22Tr%C3%AD+Tu
%E1%BB%87+Vi
%E1%BB%87t+Nam
%22&
&c=web&cs=utf-8&o= 10
20
30
&l=any
1 10 10 3
/>$UTF8
REPLACE %20 +

&c=web&cs=utf-8&o=
#
&l=any
PanVN :
Phần cố định Keyword mã hoá Phần cố định Phần thay
đổi
Phần cố
định
- 16 -
Chương I : Giới thiệu sản phẩm
vn.
com/index.asp?
progid=4004&q=
"Tr%C3%ADTu
%E1%BB%87Vi
%E1%BB%87tNam"
&fcid=2&any=&ww=&o
cc=&d=&cmdSearch=Se
arch&advs=&pn=
2
3
4
&dns=&i
mg=0
1 2 1 3
/>$UTF8
$REPLACE %22 “
&fcid=2&any=&ww=&occ=&d=&cmdSearch=Search&advs=&pn=
#
&dns=&img=0

VinaSeek :
Phần cố định Keyword mã hoá Phần cố định Phần thay đổi
asee
k.com/search.asp?
form=sfr&font=tcv
n&query=
%22Tr%DD+Tu
%D6+Vi%D6t+Nam%22
&start= 21
41
61
1 21 20 3
/>$TCVN
$REPLACE %20 +
&start=
#
Đài Tiếng nói Việt Nam :
Phần cố định Phần thay đổi Phần cố định
2004_10_24 /vietnamese/kinhte.htm
2004_10_24 /vietnamese/xahoi.htm
2004_10_24 /vietnamese/thethao.htm
0
/>$YEAR
-
$MONTH
-
$DATE
/vietnamese/kinhte.htm (có thể thay bằng các chuyên mục khác)
Trong ví dụ này, chúng ta chú ý rằng, do không cần lặp lại nên dòng đầu tiên chỉ
có 1 tham số là 0, mang ý nghĩa là không có biến. Các dòng nếu không bắt đầu bằng dấu

“$” hoặc “#” thì đều được coi là chuỗi hằng và không cần phải biến đổi thêm.
Script được tạo ra sẽ được hệ thống xử lý theo sơ đồ sau :
- 17 -
Chng I : Gii thiu sn phm
Xử lý dòng đầu tiên
Script có biến
không ?
Đọc các tham số
qui định khoảng
chạy của biến
S=
Có dòng tiếp theo
Dòng bắt đầu
bằng $
Xử lý hàm và
cập nhật S
Dòng chỉ chứa #
Cập nhật biến
và chuỗi S
Thêm toàn bộ
dòng vào sau S
Y
N
N
Y
Y
N
Y
N
Cung cấp

chuỗi S cho hệ
thống
Cng cn phi nhc li rng ngụn ng script dựng to/sinh URL tng quỏt ny
cũn ht sc n gin(cng do vic to/sinh URL khụng ũi hi quỏ phc tp). Tu theo
phc tp ca URL v sau, tụi cú th d dng to ra cỏc hm b sung. Tuy vy, nu to
ra quỏ nhiu hm b sung s dn ti vic khú s dng v khú hiu i vi ngi s dng.
Do vy, tụi a ra gii phỏp dựng DLL nh mt plug-ins to/sinh URL tng quỏt.
III.1.2.2.To sinh URL bng vic s dng DLL
Nh trờn ó trỡnh by, vic s dng phng phỏp dựng script to/sinh URL
tuy n gin nhng ó bao trựm c khỏ nhiu trng hp. Tuy nhiờn tụi cng lng
trc c s phc tp i vi vic s dng script khi cỏc URL ny c mó húa mt
cỏch phc tp hn hoc khụng cú quy lut nht nh cú th nhỡn thy ngay. Vớ d nh
mt t bỏo cú tham s s dng trờn URL l s bỏo (vớ d s 130 nm 2004, s 131 nm
2004) nhng cỏc s bỏo ny thay i khụng theo quy lut no (theo ngy...). bit c
ngy hụm nay bỏo ra s bao nhiờu thỡ ch cú mt cỏch l phi phõn tớch trang ch ca t
- 18 -

Trích đoạn

XEM BÁO TRỰC TUYẾN

xây dựng một hệ thống thu thập và tách thông tin

Trích đoạn

Tài liệu liên quan

Tài liệu bạn tìm kiếm đã sẵn sàng tải về