Tài liệu Luận văn: XÂY DỰNG BỘ NGỮ LIỆU ĐỂ ĐÁNH GIÁ BẰNG TIẾNG VIỆT VÀ CHƯƠNG TRÌNH TRỢ GIÚP ĐÁNH GIÁ CÁC HỆ TÌM KIẾM THÔNG TIN docx

TRNG I HC KHOA HC T NHIÊN
KHOA CÔNG NGH THÔNG TIN
B MÔN H THNG THÔNG TIN




TSÀN QU HNG – 0112385

VÕ H BO KHANH – 0112387





XÂY DNG B NG LIU  ÁNH GIÁ BNG
TING VIT VÀ CHNG TRÌNH TR GIÚP
ÁNH GIÁ CÁC H TÌM KIM THÔNG TIN







KHÓA LUN C NHÂN TIN HC


GIÁO VIÊN HNG DN

T.S H BO QUC









NIÊN KHÓA 2001 - 2005

Lun vn : ánh giá các h thng tìm kim thông tin
Trang 2
Ý KIN CA GIÁO VIÊN PHN BIN
………………………………………………………………………………………
….…………………………………………………………………………………
………………………………………………………………………………………
………………………………………………………………………………………
………………………………………………………………………………………
………………………………………………………………………………………
………………………………………………………………………………………
………………………………………………………………………………………
………………………………………………………………………………………
………………………………………………………………………………………
………………………………………………………………………………………
………………………………………………………………………………………
………………………………………………………………………………………
………………………………………………………………………………………
………………………………………………………………………………………

………………………………………………………………………………………
………………………………………………………………………………………
………………………………………………………………………………………
………………………………………………………………………………………

………………………………………………………………………………………

Xác nhn ca GVPB





Lun vn : ánh giá các h thng tìm kim thông tin
Trang 3
 CNG CHI TIT
Thông tin chung v đ tài:
Tên đ tài: Xây dng b ng liu đ đánh giá (test collection) bng ting Vit và chng
trình tr giúp đánh giá các h tìm kim thông tin

GVHD: Tin s H Bo Quc
Sinh viên thc hin:
1. MSSV: 0112385 H và tên: Tsàn Qu Hng
2. MSSV: 0112387 H và tên: Võ H Bo Khanh

Tóm tt ni dung lun vn:
 tài gm 2 phn :


1. Xây dng b ng liu đ đánh giá các h thng tìm kim thông tin ting Vit. Vic xây

dng b ng liu gm ba phn :
_ Xây dng ng liu mu ting Vit
_ Xây dng tp câu truy vn mu ting Vit
_ Xây dng mt bng đánh giá bng th công

2.Xây dng mt h thng chng trình tr giúp vic đánh giá các h thng tìm kim
thông tin vi thành phn đu vào : ng liu mu, câu truy vn mu, h thng tìm kim
thông tin ; các thành phn đu ra : kt qu truy vn, kt qu đánh giá, ni dung tp tài
liu, câu truy vn





Mt s t khóa chính liên quan đn ni dung đ tài:
ánh giá các h thng tìm kim thông tin (information retrieval systems evaluation)


Lnh vc áp dng:
ánh giá các h thng tìm kim thông tin ting Vit.






Các thut toán, phng pháp, quy trình chính đc nghiên cu, ng dng trong đ tài
_ Tìm hiu v tìm kim thông tin (information retrieval), đánh giá các h thng tìm kim
thông tin (information retrieval systems evaluation)
_ Tìm hiu cu trúc ca b ng liu, phng pháp xây dng b ng liu ca TREC (Text

REtrieval Conference)
_ Tìm hiu và s dng các h thng tìm kim : SMART, IOTA ,Lucene,Terrier…
_ Xây dng b ng liu kim tra bng ting Vit

Lun vn : ánh giá các h thng tìm kim thông tin
Trang 4
_ Xây dng mt h chng trình phc v vic kim tra và đánh giá các h thng tìm
kim thông tin. Chng trình phi chy đc trên hai h điu hành : Windows và Linux,
chng trình vit bng ngôn ng Java


Các công c, công ngh chính đc nghiên cu, ng dng trong đ tài
Borland Jbuider X

Visual Studio . NET
Microsoft Visio 2003
Rational Rose
Microsoft Word, Power Point



Xác nhn ca GVHD

Lun vn : ánh giá các h thng tìm kim thông tin
Trang 5



Li cám n
   

Chúng em xin chân thành cm n các Thy Cô Khoa Công ngh Thông tin đã
hng dn và ging dy rt nhit tình cho chúng em trong sut bn nm hc 
Trng i hc Khoa hc T nhiên. Nhng kin thc mà chúng em đã hc đc
trên ging đng s là hành trang quý báu trên bc đng đi ca chúng em.
Chúng em xin cm n Thy H Bo Quc đã to c h
i cho chúng em đc
nghiên cu hc hi v lnh vc tìm kim thông tin bng Ting Vit, mt lnh vc
tng đi mi và hp dn  Vit Nam . Mt ln na chúng em xin cm n Thy vì
Thy đã tn tình hng dn chúng em đ tài lun vn “Xây dng b ng liu dùng
đ đánh giá bng ting Vit và chng trình tr giúp đánh giá các h th
ng tìm
kim thông tin”.
Chúng em xin cm n gia đình, các anh ch, bn bè đã đng viên, giúp đ
chúng em đ hoàn thành tt đ tài lun vn này.
Nhóm sinh viên thc hin

Tsàn Qu Hng – Võ H Bo Khanh













Lun vn : ánh giá các h thng tìm kim thông tin
Trang 6
MC LC

M U 10
Chng 1 : TNG QUAN 13
1.1. Tng quan v tìm kim thông tin và h thng tìm kim thông tin 13
1.2. Tng quan v đánh giá các h thng tìm kim thông tin 14
1.2.1. Lý do đ tin hành đánh giá các h thng tìm kim thông tin 14
1.2.2. Các tiêu chun đc dùng đ đánh giá 15
1.2.3. Các mô hình đánh giá 15
1.2.4. Các đ đo dùng đ đánh giá 18
1.2.5. Các phng pháp xây dng b ng liu dùng đ đánh giá 18
1.2.6. Phng pháp xây dng b ng liu đc chn 20
1.2.7. Phng pháp đánh giá tm quan trng ca kt qu tr v 21
Chng 2 : C S LÝ THUYT 22

2.1. Tìm kim thông tin và các h thng tìm kim thông tin 22
2.1.1. Lch s tìm kim thông tin và h thng tìm kim thông tin 22
2.1.2. H thng tìm kim thông tin 25
2.1.2.1. Khái nim v h thng tìm kim thông tin 25
2.1.2.2. Cách thc hot đng ca h thng tìm kim thông tin 25
2.1.2.3. Các phng tin tìm kim thông tin (Search Engines) 27
2.1.3. So sánh tìm kim thông tin c đin và tìm kim thông tin trên Web 29
2.1.4. So sánh tìm kim thông tin vi tìm kim d liu 30
2.1.5. Công thc tru tng trong tìm kim thông tin 31
2.1.6. Các mô hình tìm kim thông tin c đin đ sp th t liên quan 32
2.1.6.1. Mô hình i s Bool 32
2.1.6.2. Mô hình không gian vec-t 33
2.2. ánh giá các h thng tìm kim thông tin 36
2.2.1. Nn tng đánh giá các h thng tìm kim thông tin 36
2.2.2. Mô hình đánh giá hng h thng 37
2.2.2.1. T Cranfield đn TREC 37
2.2.2.2. Th tc đánh giá 39
2.2.2.3. ánh giá s liên quan 40
2.2.3. Thc hin đo kh nng tìm kim 41
2.2.3.1. Các khái nim v đ đo và liên quan 41
2.2.3.2. Cách tính đ bao ph (R) và đ chính xác (P) 42
2.2.3.3. Phng pháp tính đ chính xác da trên 11 đim chun ca đ bao ph 44
2.2.3.3.1.  th biu din hiu sut thc thi h thng tìm kim 44
2.2.3.3.2. ng cong đ bao ph và đ chính xác RP 45
2.2.3.3.3. ng cong RP cho tp truy vn 47
2.2.3.3.4. ánh giá h thng tìm kim thông tin da vào đ th 48
2.2.3.4. S liên quan gia câu hi và tài liu 49
2.2.3.4.1. Các đ liên quan 49
2.2.3.4.2. Các vn đ v đ liên quan 49
2.2.3.4.3. ánh giá vi đ liên quan nhiu cp đ 51

2.2.3.4.4. Phng pháp đo đ bao ph (R), đ chính xác (P) da trên đ liên
quan nhiu cp đ 53

Lun vn : ánh giá các h thng tìm kim thông tin
Trang 7
2.2.4. TREC và đánh giá theo chun TREC 54
2.2.4.1. TREC là gì? 54
2.2.4.2. Cách xây dng ng liu ca TREC 56
2.2.4.2.1. Xây dng tp hp các tài liu 57
2.2.4.2.2. Xây dng các ch đ 57
2.2.4.2.3. Xây dng bng đánh giá liên quan chun 58
2.3. Ng liu ting Vit 59
2.3.1. T 60
2.3.1.1. Quan nim v t 60
2.3.1.2. Quan nim v hình v 61
2.3.1.3. Khái nim v cu to t 61
2.3.2. Ranh gii t 62
Chng 3 : THIT K VÀ CÀI T 63
3.1. Xây dng b ng liu dùng đ đánh giá 63
3.1.1. Xây dng kho ng liu bng ting Vit 63
3.1.1.1. Chun hóa ng liu 63
3.1.1.1.1. Chun hóa dng ng liu 63
3.1.1.1.2. nh dng ng liu 64
3.1.2. Xây dng tp câu hi bng ting Vit 64
3.1.3. Tách t ting Vit 65
3.1.4. Xây dng bng đánh giá 65
3.1.4.1. H thng SMART 66
3.1.4.1.1. Gii thiu h thng SMART 66
3.1.4.1.2. Quá trình tìm kim thông tin ca SMART 66
3.1.4.1.3. Mô hình vec-t ca h thng SMART 67

3.1.4.1.4. S dng mô hình vec-t 69
3.1.4.2. H thng Search4Vn 73
3.1.4.3. H thng TERRIER 73
3.1.4.4. H thng X-IOTA 74
3.1.4.5. H thng LUCENE 74
3.2. Phân tích h thng đánh giá các h thng tìm kim thông tin 74
3.2.1. Mô t h thng tr giúp đánh giá 74
3.2.1.1. Phát biu bài toán 74
3.2.1.2. Mc tiêu 75
3.2.1.3. Phm vi 75
3.2.1.4. Chc nng 75
3.2.1.5. Tính kh dng 76
3.2.1.6. Hiu sut 76
3.2.1.7. Tính bo mt 76
3.2.2. Phân tích h thng đánh giá 76
3.2.2.1. Chc nng ca h thng 76
3.2.2.2. Chc nng yêu cu 77
3.2.2.2.1. Chc nng đánh giá mt h thng IR 77
3.2.2.2.2. Chc nng so sánh nhiu h thng IR 77
3.2.2.2.3. S đ use case 77
3.2.2.2.4. S đ tun t hot đng usecase 79

Lun vn : ánh giá các h thng tìm kim thông tin
Trang 8
3.3. Thit k h thng đánh giá 86
3.3.1. Các chc nng ca chng trình 86
3.3.1.1. Chc nng “nh dng c s d liu tài liu” 86
3.3.1.2. Chc nng “nh dng kt qu tr v” 86
3.3.1.3. Chc nng “nh dng file index” 87
3.3.1.4. Chc nng “Thc thi h thng IR” 87

3.3.1.5. Chc nng “X lý kt qu tr v” 87
3.3.1.6. Chc nng ”ánh giá mt h thng IR” 87
3.3.1.7. Chc nng “ánh giá nhiu h thng IR” 87
3.3.2. Thit k h thng 88
3.3.2.1. S đ kin trúc tng th 88
3.3.2.1.1. Danh sách các lp đi tng 88
3.3.2.1.2. Lp đi tng th hin 88
3.3.2.1.3. Lp đi tng x lý 91
3.3.2.1.4. Lp đi tng lu tr 99
3.3.2.2. S đ kin trúc tng quát cho tng chc nng ca chng trình 99
3.3.2.2.1. Chc nng “nh dng tài liu” 99
3.3.2.2.2. Chc nng “nh dng câu hi” 100
3.3.2.2.3. Chc nng “Thc thi h thng” 101
3.3.2.2.4. Chc nng “nh dng kt qu” 102
3.3.2.2.5. Chc nng “nh dng file index” 103
3.3.2.2.6. Chc nng “ánh giá và hin thi kt qu đánh giá” 103
3.3.2.2.7. Chc nng ”So sánh các h thng IR đã đc thc thi” 104
3.3.2.3. Thit k d liu – t chc lu tr 105
3.3.2.3.1. Mô hình d liu 105
3.3.2.3.2. S đ logic d liu 107
3.3.2.4. T chc lu tr d liu 110
3.3.2.4.1. System 110
3.3.2.4.2. Topic 112
3.3.2.4.3. Index_topic 113
3.3.2.4.4. Document 114
3.3.2.4.5. Index_Doc 115
3.3.2.4.6. relevant_TT 115
3.3.2.4.7. relevant_LT 116
3.3.2.4.8. evaluation 117
3.3.2.5. Thit k giao din 119

3.3.2.5.1. S đ liên h gia các màn hình 119
3.3.2.6. Thit k màn hình 122
3.3.2.6.1. Màn hình chính (TH_Main) 122
3.3.2.6.2. Màn hình đnh dng tài liu (TH_DDTaiLieu) 122
3.3.2.6.3. Màn hình to thuc tính cho tài liu (TH_TTTaiLieu) 124
3.3.2.6.4. Màn hình đnh dng câu hi (TH_DDCauHoi) 125
3.3.2.6.5. Màn hình to thuc tính cho câu hi (TH_TTCauHoi) 127
3.3.2.6.6. Màn hình x lý điu kin đ thc thi h thng IR 128
3.3.2.6.7. Màn hình thc thi h thng (TH_ThucThiHT) 129
3.3.2.6.8. Màn hình đnh dng kt qu (TH_DDKetQua) 130

Lun vn : ánh giá các h thng tìm kim thông tin
Trang 9
3.3.2.6.9. Màn hình đnh dng thông tin index (TH_DDIndex) 131
3.3.2.6.10. Màn hình đánh giá h thng (TH_KqDanhGia) 133
3.3.2.6.11. Màn hình xem đ th ca h thng 136
3.3.2.6.12. Màn hình xem chi tit (TH_XemChiTiet) 136
3.3.2.6.13. Màn hình so sánh h thng (TH_SoSanhHT) 138
3.3.2.7. Thit k h thng lp đi tng 139
3.3.2.7.1. Các lp đi tng x lý 139
3.3.2.7.2. Các lp đi tng lu tr 169
Chng 4 : KT QU ÁNH GIÁ 171
4.1. Ngng đánh giá 171
4.2. ánh giá h thng tìm kim thông tin search4VN 171
4.3. So sánh h thng tìm kim search4VN và h thng Lucene 177
4.4. Nhn xét chng trình h tr đánh giá h thng tìm kim thông tin 179
4.4.1. u đim 179
4.4.2. Khuyt đim 179
Chng 5 : KT LUN 181
Chng 6 : HNG PHÁT TRIN 182

PH LC 183
Tài liu tham kho 186

























Lun vn : ánh giá các h thng tìm kim thông tin
Trang 10
M U

Tìm kim thông tin là nhu cu thit thc ca tt c mi ngi. c bit trong
bi cnh bùng n thông tin nh hin nay, gm có s ra đi ca internet và sáng
kin v th vin đin t, nhu cu tìm kim thông tin li càng phát trin. Nhng
nh có s tr giúp ca công ngh thông tin con ngi có th tha mãn nhu cu này
mt cách d dàng. Tht vy, có rt nhiu h
thng tìm kim thông tin
(Information Retrieval system hay IR system) trên máy tính đang tn ti đ tr
giúp con ngi. Tuy nhiên, kh nng tìm kim thông tin ca các h thng này
chc chn khác nhau. Do đó, vic đánh giá các h thng tìm kim thông tin
(Evaluation of Information Retrieval systems) là mt nhu cu không th thiu
nhm xác đnh các h thng tìm kim thông tin hiu qu. Vic đánh giá này có ý
ngha rt ln đi vi s tn ti và phát trin ca các h thng tìm kim thông tin.
Nó giúp xác đnh kh nng tìm kim ca các h thng tìm kim thông tin t đó mà
các t chc, công ty, trng hc to ra h thng này có th phát trin, thay đi h
th
ng đ đa ra kh nng tìm kim thông tin tt nht. Ngoài ra, vic xác đnh các
h thng tìm kim thông tin hiu qu rt hu ích đi vi ngi dùng, h s cm
thy tin tng vào kt qu tìm kim mà h thng tìm đc. Xa hn na, vic đánh
giá s to ra mt cuc cách mng trong lnh vc tìm kim thông tin; giúp đa tìm
kim thông tin vào trong th gii thc ca
đi sng. Chng hn, khi các h thng
tìm kim thông tin tin b chuyn t nghiên cu sang th gii thc ca cnh tranh
thng mi thì nhng nhà thit k, nhà phát trin, ngi bán hàng, và nhng đi
din bán hàng ca các sn phm thông tin mi nh sách đin t, và các phng
tin tìm kim (Search engines) … mun bit sn phm ca h có cung cp cho
nhng ngi s d
ng và ngi mua hàng tim nng các li th cnh tranh hay
không, s đc tha mãn nhu cu thông tin này mt cách d dàng, chính xác.
Kh nng tìm kim ca h thng tìm kim thông tin chúng tôi va đ cp
đc nghiên cu  nhiu cp đ: th nht là v kh nng x lý tc thi gian tìm

kim và không gian lu tr hay còn gi là hiu nng; th hai là v kh nng tìm

Lun vn : ánh giá các h thng tìm kim thông tin
Trang 11
kim hay hiu qu ca kt qu tr v; th ba là kh nng v h thng tc h thng
có tha mãn nhu cu thông tin ca ngi dùng hay không.
Hin nay, trên th gii đã có rt nhiu h thng đánh giá các h thng tìm kim
thông tin nhng ch yu là đánh giá các h thng tìm kim thông tin ting Anh,
ting Pháp. i vi ting Vit, theo chúng tôi đc bit, ch
a có mt h thng nào
đc dùng đ đánh giá các h thng tìm kim thông tin ting Vit. Nhng theo xu
hng phát trin ca đt nc và nhu cu tìm kim thông tin thì các h thng tìm
kim thông tin ting Vit bt buc phi tn ti và phát trin. Vì vy, Vit Nam
chúng ta rt cn các h thng đc dùng đ đánh giá hiu nng, hiu qu ca các
h thng tìm kim thông tin ti
ng Vit.
Do ý ngha to ln ca lnh vc nghiên cu đánh giá này, chúng tôi đã quyt
đnh chn đ tài đánh giá các h thng tìm kim thông tin. Chúng tôi ngh rng h
thng đánh giá ca chúng tôi s là c s đ đánh giá tt c các h thng tìm kim
thông tin, nht là h thng tìm kim thông tin ting Vit. Chúng tôi cng hy vng
h thng ca chúng tôi s góp phn vào s phát trin c
a các h thng tìm kim
thông tin, ca tìm kim thông tin và ca công ngh thông tin nc ta.
Thc hin đánh giá kh nng tìm kim, chúng tôi tp trung vào đánh giá hiu
qu ca kt qu tìm kim đc tr v (cp đ th hai trong kh nng tìm kim ca
h thng thông tin  trên). Hiu qu ca kt qu tr v đc đnh ngha là kh
nng h
 thng tìm kim thông tin tìm đc các tài liu liên quan (Relevant
Documents) và loi b đi nhng tài liu không liên quan (Irrelevant
Documents

). ây là mô hình hng h thng trong nghiên cu tìm kim thông tin.
Mô hình này mô hình đánh giá đc s dng nhiu nht và hiu qu nht trên th
gii.
Và đ xây dng h thng đánh giá các h thng tìm kim thông tin ting Vit
theo mô hình hng h thng, trc ht, chúng tôi cn phi xây dng b ng liu
dùng đ đánh giá bng ting Vit
(a Vietnamese Test collection). B ng liu
dùng đ đánh giá gm có kho ng liu mu bng ting Vit (a Vietnamese

Lun vn : ánh giá các h thng tìm kim thông tin
Trang 12
Corpus hay a set of Vietnamese documents), tp câu truy vn mu bng ting
Vit (a set of Vietnamese queries), và bng đánh giá liên quan chun
(Relevance Judgment). Chúng tôi tìm hiu và thc hin xây dng b ng liu
dùng đ đánh giá theo tiêu chun ca Hi ngh v Tìm kim thông tin Vn bn
(Text REtrieval Conference hay TREC) ca Hoa K, mt trong nhng Hi ngh
hàng đu trên th gii v Tìm kim Thông tin.
Tip theo, chúng tôi xây dng chng trình tr giúp đánh giá các h thng tìm
kim thông tin, cho phép ngi dùng thao tác, thc hin đánh giá các h thng mt
cách d dàng. Kt qu tr v ca chng trình đánh giá có đc da vào b ng
liu mu đc dùng đánh giá. Kt qu tr v này gm có k
t qu truy vn ca h
thng tìm kim thông tin và kt qu đánh giá. Kt qu đánh giá đc tính da trên
s kt hp ca hai đ đo: đ bao ph (Recall) và đ chính xác (Precision). T
kt qu tr v, chúng ta có th bit đc kh nng tìm kim ca riêng tng h
thng tìm kim thông tin và so sánh kh nng ca các h thng tìm kim vi nhau.

Lun vn : ánh giá các h thng tìm kim thông tin
Trang 13
Chng 1 : TNG QUAN
1.1. Tng quan v tìm kim thông tin và h thng tìm kim thông tin
Tìm kim thông tin liên quan đn vic biu din, lu tr, t chc và tip cn
các yu t thông tin (mt tài liu có th có mt hoc nhiu yu t thông tin) [
1
].
Theo lý thuyt, không có gii hn v các loi yu t thông tin trong tìm kim
thông tin. Trên thc t, các loi yu t thông tin ngày càng tr nên đa dng cùng
vi s phát trin ca xã hi. Ngoài ra, mt tp hp các yu t thông tin đc gi là
hu dng khi và ch khi nó đy đ và luôn đc cp nht. y đ  đây có ngha
là tp hp này phi cha mt t l
ln các yu t thông tin đc xem là có kh
nng liên quan đn các lnh vc xác đnh. Hn na, vic biu din và t chc các
yu t thông tin nên cung cp cho ngi dùng cách truy cp d dàng nht đn
thông tin mà ngi đó quan tâm. Nhng không may là tính cht ca nhu cu thông
tin ngi dùng không phi đn gin. Chúng ta xem xét mt ví d v mt nhu cu
thông tin hin nhiên ca ngi s dng trong ng cnh tìm ki

m World Wide Web
hay ch là Web:
Tìm tt c các trang hay tài liu cha thông tin v bnh ung th phi và nguyên
nhân dn đn ung th phi, các tài liu đc xem là liên quan phi va nói đn các
triu chng ung th phi, va nói đn nguyên nhân dn đn cn bnh này gm c
tác hi ca vic hút thuc và ô nhim môi trng.
T ví d trên, chúng ta thy rõ ràng là s mô t đy đ nhu cu thông tin ngi
dùng không th đ
c s dng trc tip đ tìm kim trên bình din ca các phng
tin tìm kim Web (Web Search Engine) hay h thng tìm kim thông tin (IR
system) hin nay. Thay vào đó, ngi s dng phi dch nhu cu thông tin ca
mình sang mt câu truy vn có th đc x lý bng phng tin tìm kim hay h
thng tìm kim thông tin. iu này to ra mt tp các t khóa tóm tt mô t nhu
cu thông tin ngi dùng hay còn gi là câu truy vn. Da trên câu truy vn ca
ngi s dng, mc đích chính ca h thng tìm ki
m thông tin là tìm kim các
thông tin hu ích hay liên quan cho ngi s dng.

Lun vn : ánh giá các h thng tìm kim thông tin
Trang 14
Vy có th nói mt cách tng quát, h thng tìm kim thông tin là mt h
thng cho phép ngi s dng tìm kim tài liu đ tha mãn nhu cu thông tin t
mt kho ng liu ln.
 tìm kim thông tin, h thng tìm kim phi thc hin các công vic sau.
Trc ht, h thng tìm kim x lý tài liu thô thành nhng tài liu đc tách t,
phân đon
(tokenized documents) và sau đó lp ch mc (index) da trên v trí
ca t. Khi ngi dùng đa vào câu truy vn, h thng tìm kim thông tin cng s
x lý các câu truy vn thành ngôn ng ch mc mô t các yu t thông tin cn tìm
kim và thc hin đi chiu vi ch mc tài liu đ tìm ra các tài liu liên quan.

Cui cùng, các tài liu liên quan s đc tr v cho ngi dùng theo mt danh
sách đc sp xp theo đ u tiên chính xác gim d
n (ranked list).
1.2. Tng quan v đánh giá các h thng tìm kim thông tin
1.2.1. Lý do đ tin hành đánh giá các h thng tìm kim thông tin
Khi nhu cu tìm kim thông tin phát trin, có rt nhiu mô hình, thut toán, h
thng tìm kim thông tin ra đi. Do đó, vic đánh giá các mô hình, thut toán, h
thng tìm kim thông tin là điu bt buc phi làm.
Chúng ta so sánh mt h thng (có th là mt h thng mi) vi các h thng
khác đã tn ti v phng din: tính hiu qu, chi phí, thi gian , tc đ x lý…
H thng tìm kim thông tin thng thc hin hai quá trình: quá trình lp ch
mc và quá trình tìm kim. Mi mt quá trình s có nhiu phng pháp đ thc
hin, đánh giá h thng cng có th dùng đ xác đnh tính ti u ca các phng
pháp trên.
Lý do khác đ tin hành đánh giá là đ so sánh các thành phn ca h thng.
Do h
 thng gm nhiu thành phn, đánh giá h thng đ xác đnh cách mi thành
phn ca h thng thc thi đ khi có s thay đi mt thành phn bi mt thành
phn khác thì s thay đi đó nh hng đn h thng nh th nào, t đó ta có th
quyt đnh có nên thay đi thành phn đó không.

Lun vn : ánh giá các h thng tìm kim thông tin
Trang 15
ánh giá đ tìm kim thành phn nào là tt nht cho hàm xp th t (dot-
product, cosine…); thành phn nào là tt nht cho la chn thut ng (loi b
stopword, phng pháp ly gc t stemming …); thành phn nào là tt nht trong
la chn phng pháp đánh giá thut ng (term weighting) nh TF, IDF … (các
thành phn này s đc nói rõ hn trong chng sau).
So sánh đ bit ngi s dng cn danh sách các tài liu tr v (ranked list) dài
c bao nhiêu đ

h có th nhìn d dàng nht. ánh giá đ bit h thng nào tht s
tt, ngi dùng có th tin tng kt qu tr v đc.
1.2.2. Các tiêu chun đc dùng đ đánh giá
Hin nay, trên th gii có ba tiêu chun đc dùng đ đánh giá h thng tìm
kim thông tin. Th nht là tiêu chun v tính hiu qu tc s chính xác, tính đy
đ ca kt qu tr v
 so vi mc đích tìm kim ca ngi s dng, và giá tr vn
có th đoán đc trong các tình hung khác có ngha là khi đa vào các câu truy
vn khác, tp tài liu khác thì h thng vn có th tìm ra kt qu chính xác. Th
hai là tiêu chun v hiu nng, gm có tc đ tìm kim ca thut toán, kh nng
lu tr, thi gian tr v cho ngi s dng, thi gian l
p ch mc, kích thc ch
mc… Th ba là tiêu chun v kh nng s dng h thng tc là có th nghiên
cu, hc hi trên h thng tìm kim, ngi không bit tin hc hay các chuyên gia
tin hc đi có th s dng h thng.
1.2.3. Các mô hình đánh giá
Theo chúng tôi đc bit, trên th gii có tt c bn mô hình đánh giá các h
thng tìm kim thông tin. Chúng bao gm : đánh giá hp kính,
đánh giá hp đen,
đánh giá hng h thng, đánh giá hng ngi dùng hay còn gi là đánh giá
nghiên cu ngi dùng [
2
].
ánh giá hp kính (glass box evaluation) : đánh giá h thng da trên
vic đánh giá tt c mi thành phn ca h thng. Có ngha là khi bit rõ
các thành phn ca h thng, chúng ta tin hành đánh giá các thành phn đó.

Lun vn : ánh giá các h thng tìm kim thông tin
Trang 16
ánh giá hp đen (black box evaluation) : đánh giá h thng bng cách

xem h thng nh là mt thc th hp nht, không đánh giá chính xác các
thành phn bên trong h thng.
ánh giá hng h thng (system-oriented evaluation) là xu hng
đánh giá chính t khi các h thng tìm kim và lp ch mc t đng đc
phát trin vào nhng nm 1960. Mt trong nhng mc đích chính ca
hng đánh giá này là kim tra các h thng t đng cng nh các th tc
th công thc thi nh th nào. Ngoài ra, mô hình này còn đánh giá so sánh
các cách thc hin liên quan đn các ngôn ng ch mc, x lý tìm kim ca
h thng c
a các h thng khác nhau hay đánh giá so sánh các lc đ ch
mc t đng khác nhau. ánh giá hng h thng có mt đim li là điu
kin môi trng kim tra đc qun lý cht ch, s dng phng pháp đánh
giá theo lô hay còn gi là đánh giá da trên tp câu truy vn; có ngha là h
thng tìm kim thông tin ln lt thc hin các câu truy vn, tìm kim trên
tp d li
u đã đc xây dng và ghi li kt qu nhng tài liu nào liên quan
đn câu truy vn nào ri đem so sánh vi Bng ánh giá liên quan chun
(Relevance judgment) đã đc xây dng. Vi mi câu truy vn tính toán
đ chính xác và đ bao ph da trên kt qu tr v và bng đánh giá liên
quan chun đ nhn xét hiu qu tìm kim ca h thng tìm kim thông tin.
Hng đánh giá này đc thc hin rt ph bin  các d án, hi ngh v
nghiên cu h thng tìm kim thông tin nh:
Cranfield , MEDLARS,
SMART, STAIRS và TREC.
ánh giá hng ngi dùng (user studies evaluation): Hng nghiên
cu ngi dùng ra đi vào nhng nm 1970 khi mà nhiu h thng tìm
kim thông tin thng mi ra đi. Mc đích chính ca hng nghiên cu
này là nhm xác đnh cách thc tìm kim ca ngi s dng [
3
]. Hng

đánh giá này còn cho phép xem xét h thng  khía cnh ngi dùng; tc là
đánh giá v mt tng tác vi ngi s dng nh giao din ca h thng
tìm kim thông tin, thi gian h thng tìm kim đi vi mt câu truy vn,

Lun vn : ánh giá các h thng tìm kim thông tin
Trang 17
mc đ hài lòng ca ngi s dng… Hng nghiên cu này cho rng nhu
cu ca ngi dùng đc tho mãn tng đng vi hiu qu ca h thng.
Ch khi nhu cu thông tin ngi dùng đc tha mãn, khi y tìm kim
thông tin mi đc gi là có ích. Hi ngh quc t v Tìm kim Thông tin
trong Ng cnh (Information Seeking in Context) đc t chc nh là
mt din đ
àn cho các nhà nghiên cu lnh vc này khám phá các phng
pháp và các kt qu nghiên cu. Mt hi ngh khác mi đc thành lp tên
là Nhóm Quan tâm c bit (Special Interest Group - SIG) đn tìm kim,
nhu cu và s dng thông tin ca Xã hi Hoa K v Khoa hc Thông tin
(American Society of Information Science). Nhng hi ngh này cng
tng t nh TREC trong vic c gng khuyn khích nghiên cu hng
ngi dùng, đ phát trin mi liên h gia các nhà nghiên cu trong k
thut, giáo dc và chính ph, và đ xác đnh, ci tin các k thut tìm kim
thích hp. Nhng các hi ngh
này khác nhau  ch các hi ngh mi cha
có phng pháp lun đánh giá chun nào đc xúc tin. ánh giá hng
ngi dùng có đóng góp rt ln đn lnh vc tìm kim thông tin. óng góp
này gm có vic xác đnh cách thc tìm kim thông tin ca con ngi, ni
lin khong cách gia nhu cu thông tin gia các cá nhân và các h thng
tìm kim thông tin, dn đn mt th h mi ca các h th
ng tìm kim
thông tin bao gm các giao din đ ho máy tính-ngi s dng.
Hin nay, trong s bn mô hình trên thì hai mô hình đánh giá hng h thng

và hng ngi dùng đang đc s dng chính và rng rãi nht. Trong phm vi đ
tài ca chúng tôi, chúng tôi ch s dng mô hình đánh giá hng h thng vì mô
hình đánh giá hng ngi dùng cn có s hp tác ca rt nhiu ngi dùng đ
ly thông tin phn hi sau khi s
 dng h thng tìm kim thông tin đó hoc cn
phi tham gia trao đi v hiu nng tìm kim ti các hi ngh. Nhng các hi ngh
dành cho mô hình đánh giá hng ngi dùng đa s cha có mt phng pháp
lun c th nào dùng đ đánh giá. Ngoài ra, vi mô hình hng h thng, chúng

Lun vn : ánh giá các h thng tìm kim thông tin
Trang 18
tôi có th xây dng ng dng đ đánh giá nhiu h thng tìm kim thông tin mt
cách t đng.
1.2.4. Các đ đo dùng đ đánh giá
 bao ph (Recall) và đ chính xác (Precision) là 2 đn v đo c bn nht
đ đánh giá cht lng mt h thng tìm kim thông tin [
4
].  bao ph là t l
gia các tài liu liên quan đc tr v trên tng s các tài liu liên quan tht s.
Trong khi đó, đ chính xác là t l gia các tài liu liên quan đc tr v trên tng
s tài liu đc tr v.
Có nhiu phng pháp s dng mt hoc các đ đo này đ tính toán đánh giá,
chng hn phng pháp  chính xác trung bình (Mean Average Precision –
MAP) ch s dng đ chính xác, không quan tâm
đn đ bao ph. Phng pháp đo
da trên giá tr đn Swet’s E-Measure hoc chiu dài tìm kim trung bình thì cng
ch s dng mt giá tr đ tính toán. Phng pháp tính đ chính xác da trên 11
đim chun ca đ bao ph s dng c hai đ đo đ bao ph và đ chính xác.
Chúng tôi thc hin đánh giá theo phng pháp tính đ chính xác da trên 11
đim chun ca đ bao ph bi vì phng pháp này khá

đn gin, d thc hin
tính toán, đo và đánh giá. Ngoài ra, phng pháp này trc quan vi cách biu din
đ th ca các đim bao ph, chính xác t đó d dàng thy hiu qu tìm kim ca
riêng tng h thng và so sánh các h thng đánh giá vi nhau.
1.2.5. Các phng pháp xây dng b ng liu dùng đ đánh giá
Theo mô hình hng h thng,
trc ht phi xây dng b ng liu dùng đ
đánh giá (test collection). B ng liu dùng đ đánh giá gm có tp các tài liu
mu, tp câu truy vn mu, và bng đánh giá liên quan chun.
• Tp tài liu dùng đ đánh giá đc thu thp t các ngun khác nhau, gm
nhiu ch đ khác nhau. Tp tài liu này phi là nhng tài liu mu bao
quát càng nhiu lnh vc càng tt, phn ánh đc các vn đ đa dng khác
nhau, các phong cách vn chng khác nhau … i
u này có ngha là tp

Lun vn : ánh giá các h thng tìm kim thông tin
Trang 19
tài liu mu này phi có kích thc ln, vì vy tp tài liu này còn đc gi
là kho ng liu mu.
• Tp câu truy vn mu là nhng câu hi đc to ra phù hp vi tp tài liu
mu. Tp câu truy vn này sau đó s đc s dng đ tìm kim.
• Bng đánh giá liên quan chun là bng cha thông tin v s th t câu hi
và các tài liu liên quan th
t s ca câu hi đó. Bng ánh giá liên quan
chun đc dùng nh là bng đi chiu đ tính đ bao ph và đ chính xác.
Có nhiu cách khác nhau đ to bng đánh giá liên quan chun hay bng
Relevance judgment. Các phng pháp này gm có:
 Phng pháp đánh giá toàn b, phng pháp này thng không kh
thi vì t l tp câu hi*tp tài liu là quá ln. Phng pháp này rt tn
chi phí.

 Phng pháp Pooling hay còn gi là ph
ng pháp ly mt s tài liu
liên quan nht đ làm bng đánh giá liên quan chun. Phng pháp này
s dng tt cho đánh giá nhiu h thng tìm kim thông tin. Phng
pháp này đòi hi phi có mt s đa dng các h thng tìm kim thông
tin. Bc đu tiên ca phng pháp này là tìm thy các tài liu liên
quan cho mi h thng. Các h thng khác nhau tìm thy các tài liu
liên quan khác nhau. Bc tip theo là tng hp các k
t qu ca tt c
các h thng li và ly phn giao ca các bng đánh giá liên quan ca
các h thng. Nhng phn giao này có th ch là mt s lng nht đnh
các tài liu gn nh chính xác nht. Vic đánh giá da trên phng pháp
này tht s khách quan khi đánh giá các h thng không đc chn đ
giao ly bng ánh giá liên quan chun.
 Phng pháp đánh giá h
ng dn ch tìm kim thnh thong cho kt
qu tt. Phng pháp này cho phép tng tác gia nghiên cu truy vn,
tìm kim, đánh giá. Tng cng thêm bng cách xem li, điu chnh,
đánh giá li. Nói chung, khi s dng phng pháp này, ngi đánh giá

Lun vn : ánh giá các h thng tìm kim thông tin
Trang 20
phi thao tác bng tay rt nhiu, xem các tài liu tr v có tht s là liên
quan hay cha đ đa vào bng ánh giá liên quan chun.
 Các đánh giá da trên nhng thành phn đã bit, phng pháp này
tn ít chi phí nht. Phng pháp này cho phép thay đi câu hi đ tìm ra
mt tài liu đã bit.
1.2.6. Phng pháp xây dng b ng liu đc chn
K t nm 1992, khi Hi ngh v Tìm ki
m thông tin Vn bn (Text REtrieval

Conference hay TREC) ca Hoa K ra đi, mô hình hng h thng mi tht s
phát trin. Bi vì hng nm, TREC t chc hi ngh đ kêu gi tham gia đánh giá
các h thng tìm kim thông tin, đc bit kêu gi đánh giá theo mô hình hng h
thng. Nh đó mà mi nm khi lng, kích thc b ng liu dùng đ đánh giá
tng lên rt đáng k
cùng vi s phát trin v s lng các t chc, trng i hc
tham gia TREC. TREC đc xem là Hi ngh ln nht th gii v đánh giá các h
thng tìm kim thông tin và là mt trong nhng Hi ngh có uy tín trong lnh vc
tìm kim thông tin. TREC xây dng bng đánh giá liên quan chun theo phng
pháp Pooling. TREC còn đa ra các tiêu chun, đnh dng cho ng liu rt rõ ràng,
và d tuân theo.
Vì vy, chúng tôi quyt đnh chn ph
ng pháp xây dng ng liu theo tiêu
chun và cách làm ca TREC. Chúng tôi đnh dng câu hi và tài liu theo tiêu
chun đnh dng mà TREC đa ra, đng thi làm bng đánh giá liên quan chun
theo phng pháp Pooling hay phng pháp ly mt s tài liu liên quan nht đ
làm bng ánh giá liên quan ging TREC vì cách to bng đánh giá khách quan
mà nó mang li và không phi tn nhiu thi gian, chi phí.
Tuy nhiên, đi vi ting Vit, vic xây dng b ng liu đ
ánh giá phc tp hn
là xây dng b ng liu ting Anh, ting Pháp trong trng hp dùng các h thng
tìm kim ph bin, ni ting sn có cho ting Anh, Pháp đ tìm kim thông tin
ting Vit. Bi vì đc thù loi hình ngôn ng khác nhau gia ting Anh, Pháp và
ting Vit. Chng hn, trong ting Anh, Pháp mi t là mt t đn, cách nhau bi

Lun vn : ánh giá các h thng tìm kim thông tin
Trang 21
mt khong trng nhng ting Vit thì hoàn toàn khác, mt t có th gm t mt
t đn tr lên. Do đó, đ nhng h thng tìm kim thông tin, ng liu phi đc
chun hóa v ging vi tiêu chun ng liu dùng đ tìm kim ca h thng đó.

Nhng cng chính điu này làm cho ng liu ca chúng tôi có th đc s d
ng
linh hot đ đánh giá nhiu h thng tìm kim thông tin cho nhiu th ting khác
nhau. iu này còn có ý ngha rt ln trong tìm kim thông tin vì chúng ta có th
s dng h thng tìm kim hiu qu ca nc ngoài đ tìm kim thông tin ting
Vit.
1.2.7. Phng pháp đánh giá tm quan trng ca kt qu tr v
Các đ đo thc hin toàn b h thng tìm kim ch
 yu đc ly trung bình
trên tp câu hi. Vì tính cht bin đi ca các câu hi là rt ln, và s thay đi ca
các đ đo tính toán là rt cao, nên đòi hi mt phng pháp phân tích thng kê
thích hp đ đánh giá xem s khác bit đc đo gia các h thng có phi là có ý
ngha thng kê đn mt đ tin cy nht đnh không. Vì vy, phng pháp đánh giá
tm quan trng c
a kt qu tr v đc s dng là phng pháp thng kê.














Lun vn : ánh giá các h thng tìm kim thông tin

Trang 22
Chng 2 : C S LÝ THUYT
2.1. Tìm kim thông tin và các h thng tìm kim thông tin
2.1.1. Lch s tìm kim thông tin và h thng tìm kim thông tin
Tìm kim thông tin có mt lch s lâu đi gn lin vi các th vin và trung
tâm tìm kim thông tin. Trc đây, khi mà máy tính và internet cha ra đi, nhng
ngi có nhu cu thông tin ngoài vic nh s tr giúp thông tin t bn bè, ngi
thân còn có th tìm đn th vin hoc các trung tâm thông tin đ tìm kim thông
tin cn thit. Cách biu din, lu tr, t chc và ph bin thông tin ca th vin
đc xem là cách làm truyn thng ca mt h thng tìm kim thông tin. Th vin,
khi tip nhn các yu t thông tin hay tài liu mi, trc ht là phân tích yu t
thông tin đó. Sau đó, nhng mô t thích hp s đc chn ra đ mô t, phn ánh
ni dung ca yu t thông tin đó. Da trên nhng mô t này, mi yu t
 thông tin
s đc phân loi theo nhng th tc đã đc thit lp ri sáp nhp vào tp hp
các yu t thông tin đã tn ti. Các th tc này đc to ra đ h thng hóa các
yêu cu (các yêu cu đc thit k đ thay th cho mt nhu cu thông tin ) và đ
so sánh nhng yêu cu, truy vn đó vi mô t ca các yu t thông tin đã lu tr
.
Vic so sánh này chính là c s đ quyt đnh các yu t thông tin thích hp vi
câu truy vn tng ng. Cui cùng, mt c ch tìm kim và ph bin thông tin s
đc dùng đ tr các yu t thông tin cn thit đn ngi s dng h thng.
Tuy nhiên, chúng ta phi xem xét vn đ ny sinh v v trí tht s ca mt yu
t thông tin mi đc thêm vào trong t
p hp tài liu. Có nhiu c ch tip cn
khác nhau đ gii quyt vn đ này nhng chúng đu liên quan đn cách t chc
vt lý hoc lun lý các yu t thông tin. Trong th vin, cách t chc vt lý chính
là vic lp ch mc cho tài liu, tc là s sp xp các con s ca các quyn sách,
cách đánh s thng đc quy đnh bi các th vin l
n. Nhng quyn sách s

đc đt vào nhng v trí xác đnh da vào nhng con s này. Ngoài ra, cách t
chc lun lý d liu phi đc thêm vào vi cách t chc vt lý đ giúp ngi s

Lun vn : ánh giá các h thng tìm kim thông tin
Trang 23
dng tìm kim thông tin d dàng hn. Chng hn, nhng quyn sách n bn v tìm
kim thông tin có th đc xác đnh bng cách nhìn vào danh mc các ch đ ca
th vin vi thut ng cn tìm là “tìm kim thông tin”. Mt khi ta tìm thy thut
ng thích hp, các th s k tip nhau s xác đnh nhng quyn sách liên quan đn
ch đ đang tìm kim. Nhng quyn sách này ph thu
c vào các con s và chúng
s đc tìm thy ti nhng v trí xác đnh. Bên cnh đó, mi khi mun thay đi
thut ng ch đ ca sách, chúng ta không cn thay đi v trí ca sách trên k
sách; tc là, các yu t thông tin có th đc t chc lun lý li bng cách thay đi
danh mc th vin mà không cn thay đi sp xp vt lý.
Xã hi ngày càng phát trin do đó thông tin rt đa d
ng phong phú, bài toán đt
ra là chúng ta phi làm sao đ qun lý đc s lng thông tin khng l mt cách
có hiu qu. T đó dn đn nhu cu làm gim mt lng các yu t thông tin đn
mt kích thc có th qun lý, các yu t thông tin còn li đc xem là có liên
quan nhiu nht đn lnh vc tìm kim. Mt khác, chúng ta rt khó d đoán mu,
trng thái phát trin tng lai ca thông tin, hoc n
u có th d đoán thì t l ri ro
rt cao. Khó khn tip theo trong vic t chc thông tin hiu qu là c mun gi
nhng yu t liên quan gn nhau. Ví d, nhng ch đ liên quan đn nhiu lnh
vc nh phân tích h thng (nó liên quan đn khoa hc máy tính, vn trù hc, k
thut hc, khoa hc qun lý, giáo dc và các h thng thông tin) không th đ gn
nhau
đc mà phi đ riêng ra theo tng lnh vc : đây là mt khó khn. Còn rt
nhiu khó khn na, chng hn các khó khn trong phân loi, so sánh tài liu, yu

t thông tin; lp ch mc, đánh s cho tài liu. Và nhng khó khn này s không
đc gii quyt nu không có s ra đi ca máy tính. Qu tht, nh có máy tính
mà vic lu tr, tìm kim thông tin tr nên d dàng hn. Máy tính có th thao tác
trên tt c
các loi thông tin và có th lu tr mt cách nhanh chóng mt s lng
thông tin khng l. Ngoài ra, c ch tìm kim thông tin trên máy tính có th rt
nhanh chóng và hiu qu tùy thuc mô hình cài đt, thut toán ca c ch đó. C
ch tìm kim này cng khá ging vi c ch tìm kim thông tin ca th vin.
Trc ht, da trên ngôn ng ch mc và các yu t thông tin đi din cho ni

Lun vn : ánh giá các h thng tìm kim thông tin
Trang 24
dung ca tài liu, tp tài liu s đc biu din di dng tp hp các ch mc đi
din cho tp tài liu đó. Trong khi đó, nhu cu tìm kim thông tin đc biu din
di dng câu truy vn có cu trúc hoc không cu trúc mà máy có th hiu đc.
Sau đó, máy s so sánh hai dng biu din trên, biu din tài liu và biu din câu
truy vn, đ bit đc tài li
u nào phù hp vi truy vn nào. Sau khi so sánh, máy
s đnh v đc v trí vt lý ca yu t thông tin cn tìm kim và ph bin nó đn
ngi s dng. ây là c ch tìm kim chung cho mi h thng tìm kim thông tin.
Tuy nhiên, cách đây không quá 20 nm, sau khi máy tính ra đi, các h thng
tìm kim thông tin ch yu đc s dng trong phòng thí nghim đ tìm kim mt
kho ng liu sách và tài liu. Mc dù chúng không bao hàm các ph
ng pháp toán
phc tp, nhng khi Internet phát trin thì k thut tìm kim ch yu trên World
Wide Web chính là các k thut tìm kim thông tin. Qu tht, các h thng tìm
kim thông tin ngày càng phát trin v thut toán, k thut tìm kim thông tin nh
có s ra đi ca Internet. Vì nhu cu tìm kim thông tin ca con ngi trên
Internet là mt nhu cu ph bin, thit thc, không th thiu nên các nhà phát trin
h thng tìm kim thông tin cng phi n l

c đ mang li hiu nng, hiu qu cho
ngi s dng.
Chúng ta thy rõ ràng là nghiên cu tìm kim thông tin có truyn thng tp
trung vào tìm kim thông tin dng vn bn
(Text Retrieval) hay tài liu vn
bn
(Document Retrieval). Trong mt thi gian dài, tìm kim thông tin gn nh
đng ngha vi tìm kim tài liu hay tìm kim vn bn. Trong thi gian gn đây,
các vin cnh ng dng mi nh ng dng tr li câu hi (question answering),
ng dng nhn dng ch đ (topic detection), hay ng dng lu vt (tracking)
tr thành các lnh vc hot đng mnh m trong nghiên cu tìm kim thông tin.
Càng ngày ranh gii gia cng đng tìm kim thông tin hay cng đng tìm kim
thông tin và các cng đng nghiên cu x lý ngôn ng t nhiên, cng đng nghiên
cu c s d liu tr nên m nht khi các cng đng này cùng nhau phát trin các

Lun vn : ánh giá các h thng tìm kim thông tin
Trang 25
lnh vc quan tâm chung; ví d nh tr li câu hi, tóm tt và tìm kim thông tin
t các tài liu có cu trúc.
Mt lnh vc phát trin khác mà các k thut tìm kim thông tin đang k tc và
phát huy, đó là tìm kim thông tin không vn bn hay còn gi là tìm kim thông
tin đa phng tin. Loi hình tìm kim này s da trên rút trích t đng các phn
vn bn hay li nói ca các tài liu đa phng tin, sau đó đ
c x lý bi các k
thut tìm kim thông tin da vn bn (text-based IR techniques). Tuy nhiên,
ngi ta ngày càng quan tâm đn s phát trin các k thut phi bày c th thông
tin phng tin truyn thông ri tích hp chúng vi các phng pháp tìm kim đã
đc thit lp tt hn là cách rút trích chúng tôi đã trình bày.
Trong phm vi đ tài, chúng tôi ch gii hn tìm kim thông tin trên vn bn.
2.1.2. H thng tìm kim thông tin

2.1.2.1. Khái nim v h thng tìm kim thông tin
Theo lý thuyt, h thng tìm kim thông tin là mt h thng thông tin. Nó đc
s dng đ lu tr, x lý, tra cu, tìm kim, và ph bin các yu t thông tin đn
ngi s dng. H thng tìm kim thông tin thng thao tác vi các d liu dng
vn bn và không có s gii hn v các yu t thông tin trong vn bn.
H thng thông tin bao gm mt tp hp các yu t thông tin, mt tp các yêu
cu, và mt vài c ch
 tìm kim đ quyt đnh yu t thông tin nào liên quan đn
các yêu cu. Theo nguyên tc, mi quan h gia các câu truy vn và tài liu có
đc t s so sánh trc tip. Nhng trên thc t, s liên quan gia các câu truy
vn và tài liu xác đnh không phi đc quyt đnh trc tip; mà gián tip bng
cách : các tài liu, yu t thông tin phi chuyn sang ngôn ng ch mc trc khi
xác đnh mc đ liên quan.
2.1.2.2. Cách th
c hot đng ca h thng tìm kim thông tin
Hình 1 minh ha cu trúc, cách hot đng c bn ca mt h thng tìm kim
thông tin c đin.