LUẬN VĂN:PHÂN LỚP CÂU HỎI HƯỚNG TỚI TÌM KIẾM NGỮ NGHĨA TIẾNG VIỆT TRONG LĨNH VỰC Y TẾ ppt

ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ


Nguyễn Minh Tuấn


PHÂN LỚP CÂU HỎI HƯỚNG TỚI TÌM KIẾM NGỮ
NGHĨA TIẾNG VIỆT TRONG LĨNH VỰC Y TẾ








KHOÁ LUẬN TỐT NGHIỆP ĐẠI HỌC HỆ CHÍNH QUY

Ngành: Công nghệ thông tin

HÀ NỘI - 2008


ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ


Nguyễn Minh Tuấn


PHÂN LỚP CÂU HỎI HƯỚNG TỚI TÌM KIẾM NGỮ
NGHĨA TIẾNG VIỆT TRONG LĨNH VỰC Y TẾ








KHOÁ LUẬN TỐT NGHIỆP ĐẠI HỌC HỆ CHÍNH QUY

Ngành
: Công nghệ thông tin

Cán bộ hướng dẫn: PGS. TS. Hà Quang Thụy
Cán bộ đồng hướng dẫn: Th.S Nguyễn Việt Cường










HÀ NỘI - 2008

Lời cảm ơn

Trước tiên, tôi xin gửi lời cảm ơn và lòng biết ơn sâu sắc nhất tới Phó Giáo sư Tiến
sĩ Hà Quang Thụy và Thạc sỹ Nguyễn Việt Cường, người đã tận tình chỉ bảo và hướng
dẫn tôi trong suốt quá trình thực hiện khoá luận tốt nghiệp.
Tôi chân thành cảm ơn các thầy, cô đã tạo cho tôi những điều kiện thuận lợi để học tập và
nghiên cứu tại tr
ường Đại Học Công Nghệ.
Tôi xin gửi lời cảm ơn chân thành tới Thạc Sỹ Nguyễn Cẩm Tú và Cử Nhân Nguyễn Thu
Trang những đã tận tình hỗ trợ về kiến thức chuyên môn, giúp đỡ tôi hoàn thành khóa
luận.
Tôi cũng xin gửi lời cảm ơn tới các anh chị và các bạn sinh viên trong nhóm “Khai phá dữ
liệu” đã giúp tôi rất nhiều trong việc thu thập và xử lý dữ liệu.
Cuối cùng, tôi muốn gửi lời cả
m vô hạn tới gia đình và bạn bè, những người thân yêu
luôn bên cạnh và động viên tôi trong suốt quá trình thực hiện khóa luận tốt nghiệp.

Tôi xin chân thành cảm ơn !





Sinh viên
Nguyễn Minh Tuấn
i

Tóm tắt
Cùng với sự ra đời của Web ngữ nghĩa và các Ontology, nhu cầu tìm kiếm ngữ
nghĩa ngày càng nhận được nhiều sự quan tâm trong cộng đồng nghiên cứu về khai phá
dữ liệu Web/Text. Mặt khác, phân lớp câu hỏi là một trong những thành phần cơ bản
nhưng quan trọng nhất trong kiến trúc tổng thể của hầu hết các máy tìm kiếm ngữ nghĩa.
Đây cũng là thành phần chịu nhiều sự ảnh hưởng củ
a các đặc trưng ngôn ngữ và giữ vai
trò nền tảng cho các bước xử lý nhằm hướng tới tìm kiếm ngữ nghĩa.
Khóa luận này tập trung nghiên cứu phương pháp phân loại câu hỏi trong lĩnh vực y
tế tiếng Việt dựa trên hướng tiếp cận cực đại hóa Entropy (maxent). Dựa trên việc khảo
sát các đặc trưng tiếng Việt và các hướng tiếp cận trong phân lớp câu hỏi trên tiếng Anh,
khóa luận đã tích hợp các đặ
c trưng này vào quá trình phân lớp với Maxent và thu được
kết quả khả quan. Những nội dung này có thể coi là những nghiên cứu đầu tiên trong vấn
đề này trên tiếng Việt.

ii
Mục lục

Tóm tắt i
Mục lục ii
Danh sách các bảng iv
Danh sách các hình v
Lời mở đầu 1
Chương I. Tổng quan về tìm kiếm ngữ nghĩa 2
1.1. Nhu cầu về máy tìm kiếm ngữ nghĩa 2
1.2. Cấu trúc tổng thể của một máy tìm kiếm ngữ nghĩa 2
1.2.1. Nền tảng cho tìm kiếm ngữ nghĩa 2
1.2.2.1. Web ngữ nghĩa 3
1.2.2.2. Ontology 4
1.2.2. Kiến trúc cơ bản của một máy tìm kiếm ngữ nghĩa 9
1.2.2.3. Giao diện ng
ười dùng 10
1.2.2.4. Kiến trúc bên trong 10
Chương 2. Tìm kiếm ngữ nghĩa trong tiếng Việt 14
2.1. Tổng quan về cơ sở cho tìm kiếm ngữ nghĩa tiếng Việt 14
2.2. Một số đặc trưng của tiếng Việt 15
2.2.1 Đặc điểm ngữ âm 15
2.2.2 Đặc điểm từ vựng: 15
2.2.3 Đặc điểm ngữ pháp 16
2.3. Tìm kiếm ngữ nghĩa trong lĩnh vực y tế 16
2.3.1. Ontology Y tế trong tiếng Việt 16
2.3.2. Bộ phân lớp câu hỏi Y tế trong tiếng Việt 18
Chương 3. Các phương pháp phân lớp câu hỏi 19
3.1. Giới thiệu về phân lớp câu hỏi 19
3.2. Các phương pháp phân lớp câu hỏi 19
3.3. Hướng tiếp cận dựa trên xác suất 20
3.3.2 Các hướng tiếp cận theo phương pháp học máy 21

iii
3.3.1.1 Support Vector Machines (SVM) 21
3.3.1.2 Một số phương pháp khác 27
3.3.1.3 Thực nghiệm khi tiến hành phân lớp câu hỏi 28
3.3.3 Hướng tiếp cận dựa trên mô hình hình ngôn ngữ 31
3.3.3.1 Hướng tiếp cận Entropy cực đại 33
Chương 4. Thực nghiệm và đánh giá 37
4.1 Dữ liệu của thực nghiệm 37
4.2 Thiết kế thử nghiệm 38
4.3 Kết quả thực nghiệm 39
4.4 Đánh giá kết quả thực nghiệm 43
Kết luận 45
Tài liệu tham khảo 46
Tiếng Việt 46
Tiếng Anh 46


iv


Danh sách các bảng


Bảng 1: taxonomy của tập lớp câu hỏi thử nghiệm của Zhang 28

Bảng 2. Độ chính xác trên năm phân lớp Cha với các giải thuật khác nhau trong học
máy, sử dụng vector đặc trưng bag-of-words. 29

Bảng 3. Độ chính xác trên năm phân lớp Cha với các giải thuật khác nhau trong học
máy, sử dụng vector đặc trưng bag-of-Ngrams 30

Bảng 4. Độ chính xác trên các phân lớp con với các giải thuật khác nhau trong học
máy, sử dụng vector đặc trưng bag-of-words. 30

Bảng 5. Độ chính xác trên các phân lớp con với các giải thuật khác nhau trong học
máy, sử dụng vector đặc trưng bag-of-Ngrams 31

Bảng 6.Tập dữ liệu huấn luyện 37

Bảng 7. Tập dữ liệu kiểm tra 38

Bảng 8. Tham số huấn luyện mô hình SVM 39

Bảng 9. Tham số huấn luyện mô hình Entropy cực đại 39

Bảng 10. kết quả huấn luyện với SVM 39

Bảng 11. Kết quả 10 lần huấn luyện với Entropy cực đại 40

Bảng 12. Kết quả của bước lặp thứ 6 41

v

Danh sách các hình


Hình 1. Ví dụ về Web ngữ nghĩa 3

Hình 2. Ví dụ về Ontology Y tế 6
Hình 3. Sơ đồ của máy tìm kiếm ngữ nghĩa 9

Hình 5. Mối quan hệ giữa các siêu phẳng phân cách 23
Hình 6. Siêu phẳng tối ưu và biên. 24
Hình 7. Sơ đồ phân lớp câu hỏi với SVM 26
Hình 8. Đồ thị biểu diễn sự phụ thuộc của F1 vào số lần lặp 42
Hình 9. Tổng hợp độ đo 10 lần huấn luyện 42

1
Lời mở đầu
Sự ra đời của Web ngữ nghĩa và các Ontology dẫn tới sự ra đời của các hệ thống tìm
kiếm với sự hộ trợ của dạng thông tin mới này – hệ thống tìm kiếm ngữ nghĩa. Một hệ
thống tìm kiếm ngữ nghĩa thông thường được xây dựng trên một miền và ngôn ngữ cụ
thể. Cấu trúc nội tại của một hệ thống tìm kiếm ngữ nghĩ
a điển hình bao gồm hai thành
phần quan trọng mang đặc trưng ngôn ngữ đó là: (1) phân lớp câu hỏi và (2) cơ sở dữ liệu
tri thứ (mạng ngữ nghĩa). Trong vài năm gần đây nhiều công trình nghiên cứu giải quyết
bài toán phân lớp câu hỏi đã được công bố [16], [15], [19], [36], [42].
Ta có thể chia các thuật toán phân lớp câu hỏi thành hai hướng tiếp cận chính:
(1) hướng tiếp cận theo regular expression (biểu thức chính qui) [35] và (2) hướng tiếp
cận dựa trên xác su
ất [16], [15], [19], [36], [42]. Mỗi hướng tiếp cận có những ưu và
nhược điểm riêng và sẽ được xem xét trong các phần sau đây.
Khóa luận này tiến hành phân tích cấu trúc tổng thể của một máy tìm kiếm ngữ
nghĩa. Qua đó chỉ ra các module ảnh hưởng bởi đặc trưng ngôn ngữ và tiến hành khảo sát
các phương pháp giải quyết bài toán phân lớp câu hỏi phổ biến hiện nay. Từ đó đề xuất
giải pháp thích hợp khi áp d
ụng vào tiếng Việt .
Khóa luận gồm bốn chương nội dung được mô tả sơ bộ dưới đây:
Chương 1. Tổng quan về tìm kiếm ngữ nghĩa giới thiệu những thành phần cơ
bản về một hệ thống tìm kiếm ngữ nghĩa: nhu cầu về tìm kiếm ngữ nghĩa và
các nền tảng cho tìm kiếm ngữ nghĩa hình thành. Đồng thời, chương này

c
ũng giới thiệu kiến trúc tổng thể của một hệ thống tìm kiếm ngữ nghĩa và
chỉ ra các module chịu ảnh hưởng bởi đặc trưng của ngôn ngữ.
Chương 2. Tìm kiếm ngữ nghĩa trong tiếng Việt trình bày về hiện trạng của tìm
kiếm ngữ nghĩa trong tiếng Việt hiện nay. Qua đó, chỉ ra những cơ sở cần
thiết để xây dựng m
ột hệ thống tìm kiếm ngữ nghĩa trong tiếng Việt. Đồng
thời, chương này cũng giới thiệu quá trình phân tích và xây dựng hai
module mang đặc trưng ngôn ngữ, tạo tiền đề xây dựng mộ hệ thống tìm
kiếm ngữ nghĩa trong lĩnh vực Y tế tiếng Việt.
Chương 3. Các phương pháp phân lớp câu hỏi khảo sát và phân tích kỹ lưỡng
các thuật toán cho bài toán phân lớp câu hỏi, chỉ ra ưu nhược đ
iểm của từng
phương pháp. Qua đó lựa, chọn phương pháp tốt nhất để thử nghiệm trong
tiếng Việt.
Chương 4. Thực nghiệm và đánh giá hai thuật toán Support Vector Machine
và nguyên lý Entropy cực đại trên tập dữ liệu câu hỏi Y tế tiếng Việt. Kết
quả thử nghiệm cho thấy hiệu của của từng phương pháp và chỉ rõ phương
pháp nào thích hơn khi áp dụng cho tiếng Việt.
Ph
ần kết luận tổng kết và tóm lược nội dung chính của khóa luận.

2

Chương I. Tổng quan về tìm kiếm ngữ nghĩa

1.1. Nhu cầu về máy tìm kiếm ngữ nghĩa
Lượng thông tin khổng lồ và phát triển mạnh mẽ theo từng ngày trên World Wide
Web (thường được gọi tắt là Web) đưa ra thách thức để khai thác được thông tin trên Web
một cách hiệu quả. Các máy tìm kiếm như Google, Yahoo… ra đời nhằm hỗ trợ người

dùngtrong quá trình tìm kiếm và sử dụng thông tin. Tuy kết quả trả về của các máy tìm
kiếm này ngày càng được cải thiện về chất và lượng nhưng vẫn đơn thuần là danh sách
các tài liệu chứa những t
ừ xuất hiện trong câu truy vấn. Những thông tin từ các kết quả trả
về này chỉ được hiểu bởi con người, máy tính không thể “hiểu” được, điều này gây những
khó khăn cho quá trình xử lý thông tin tìm kiếm được về sau.
Sự ra đời của Web ngữ nghĩa (hay Semantic Web được W3C (The World Wide Web
Consortium) giới thiệu trong [40]) đã mở ra một bước tiến của công nghệ Web những
thông tin trong Web ngữ nghĩa có cấu trúc hoàn chỉnh và mang ngữ nghĩa mà máy tính có
thể “hiểu” được. Những thông tin này, có thể được sử dụng lại mà không cần qua các
bước tiền xử lý. Khi sử dụng các máy tìm kiếm thông thường (Google, Yahoo…), tìm
kiếm thông tin trên Web ngữ nghĩa sẽ không tận dụng được những ưu điểm vượt trội của
Web ngữ nghĩa, kết quả trả về không có sự thay đổi. Nói theo một cách khác thì với các
máy tìm kiếm hiện tại Web ngữ nghĩa hay Web thông thường chỉ là m
ột. Do vậy, cần
thiết có một hệ thống tìm kiếm ngữ nghĩa (Semantic Search) tìm kiếm trên Web ngữ
nghĩa hay trên một mạng tri thức mang ngữ nghĩa, kết quả trả về là các thông tin có cấu
trúc hoàn chỉnh mà máy tính có thể “hiểu” được, nhờ đó việc sử dụng hay xử lý thông tin
trở nên dễ dàng hơn[27][29]. Ngoài ra, việc xây dựng được một hệ thống tìm kiếm ngữ
nghĩa cụ thể sẽ t
ạo tiền đề cho việc mở rộng xây dựng các hệ thống hỏi đáp tự động trên
từng lĩnh vực cụ thể như : Y tế, văn hóa … điều này mang một ý nghĩa thiết thực trong
đời sống.
1.2. Cấu trúc tổng thể của một máy tìm kiếm ngữ nghĩa
Máy tìm kiếm ngữ nghĩa được xây dựng dựa trên những công nghệ, kỹ thuật mới của
khoa học. Mỗi công nghệ phát triển trên những nền tảng nhất định. Do vậy để mô tả cấu
trúc của một máy tìm kiếm ngữ nghĩa một cách chi tiết nhất, trước tiên cần đề cập các nền
tảng cho tìm kiếm ngữ nghĩa.
1.2.1. Nền tảng cho tìm kiếm ngữ nghĩ
a

Có hai nền tảng cho tìm kiếm ngữ nghĩa đó là:
(1) Web ngữ nghĩa : là sự phát triển mở rộng của Web hiện tại.
(2) Ontology : dùng để mô tả các tài nguyên thông tin có ngữ nghĩa.

3
1.2.2.1. Web ngữ nghĩa
Web ngữ nghĩa hay còn gọi là Semantic Web theo Tim Berners-Lee [34] là bước
phát triển mở rộng của công nghệ Word Wide Web hiện tại, chứa các thông tin được định
nghĩa rõ ràng sao cho con người và máy tính làm việc với nhau hiệu quả hơn. Mục tiêu
của Web ngữ nghĩa là phát triển dựa trên những chuẩn và công nghệ chung, cho phép máy
tính có thể hiểu thông tin chứa trong các trang Web nhiều hơn nhằm hỗ trợ tốt con người
trong khai phá dữ liệu, tổng hợ
p thông tin, hay trong việc xây dựng các hệ thống tự động
khác… Không giống như công nghệ Web thông thường, nội dung chỉ bao hàm các tài
nguyên văn bản, liên kết, hình ảnh, video mà Web ngữ nghĩa có thể bao gồm những tài
nguyên thông tin trừu tượng hơn như: địa điểm, con người, tổ chức… thậm chí là một sự
kiện trong cuộc sống. Ngoài ra, liên kết trong Web ngữ nghĩa không chỉ đơn thuần là các
siêu liên kết (hyperlink) giữa các tài nguyên mà còn chứa nhiều loạ
i liên kết, quan hệ
khác. Những đặc điểm này khiến nội dung của Web ngữ nghĩa đa dạng hơn, chi tiết và
đầy đủ hơn. Đồng thời, những thông tin chứa trong Web ngữ nghĩa có một mối liên hệ
chặt chẽ với nhau. Với sự chặt chẽ này, người dùng dễ dàng hơn trong việc sử dụng, và
tìm kiếm thông tin. Đây cũng là ưu điểm lớn nhất củ
a Web ngữ nghĩa so với công nghệ
Web thông thường.

Hình 1. Ví dụ về Web ngữ nghĩa [27]
Hình 1 là một ví dụ mô tả về một trang Web ngữ nghĩa chứa thông tin của một người tên
là Yo-Yo Ma. Trang Web có cấu trúc như một đồ thị có hướng mang trọng số, mà mỗi
đỉnh của đồ thị mô tả một kiểu tài nguyên chứa trong trang Web. Các cạnh của đồ thị thể

hiện một kiểu liên kết (hay còn gọi là thuộc tính của tài nguyên) giữa các tài nguyên,
trọng số của các liên k
ết đó thể hiện tên của liên kết (tên của thuộc tính) đó. Cụ thể ta thấy
Yo-Yo Ma có thuộc tính ngày sinh là “10/07/55” có nơi sinh ở “Paris, France”, “Paris,
France” có nhiệt độ là “62 F” …

4
Như vậy, mỗi tài nguyên được mô tả trong Web ngữ nghĩa là một đối tượng. Đối
tượng này có tên gọi, thuộc tính, giá trị của thuộc tính (giá trị có thể là một đối tượng
khác) và liên kết với các tài nguyên (đối tượng) khác (nếu có). Để xây dựng được một
trang Web ngữ nghĩa cần phải có tập dữ liệu đầy đủ, nói một cách khác là cần phải xây
dựng một tập các đối tượng mô t
ả tài nguyên cho Web ngữ nghĩa. Các đối có quan hệ với
nhau hình thành một mạng liên kết rộng, được gọi là mạng ngữ nghĩa.
Mạng ngữ nghĩa được chia sẻ rộng khắp do vậy các đối tượng trong một mạng ngữ
nghĩa cần phải mô tả theo một chuẩn chung nhất. Ontology [25][23] được sử dụng để mô
tả về đối tượng, tài nguyên cho Web ngữ nghĩa.
1.2.2.2. Ontology
Trong nhữ
ng năm gần đây, thuật ngữ “Ontology” không chỉ được sử dụng ở trong
các phòng thì nghiệm trên lĩnh vực trí tuệ nhân tạo mà đã trở nên phổ biến đối với nhiều
miền lĩnh vực trong đời sống. Đứng trên quan điểm của ngành trí tuệ nhân tạo, một
Ontology là sự môt tả về những khái niệm và những quan hệ của các khái niệm đó nhằm
mục đích thể hi
ện một góc nhìn về thế giới. Trên miền ứng dụng khác của khoa học, một
Ontology bao gồm tập các từ vựng cơ bản hay một tài nguyên trên một miền lĩnh vực cụ
thể, nhờ đó những nhà nghiên cứu có thể lưu trữ, quản lý và trao đổi tri thức cho nhau
theo một cách tiện lợi nhất [25].
a. Khái niệm và cấu trúc của Ontology
Hiện nay tồn tại nhiều khái niệm về Ontology, trong

đó có nhiều khái niệm mâu
thuẫn với các khác niệm khác, khóa luận này chỉ giới thiệu một định nghĩa mang tính khái
quát và được sử dụng khá phổ biến được Kincho H. Law đưa ra: “Ontology là biểu hiện
một tập các khái niệm (đối tượng), trong một miền cụ thể và những mối quan hệ giữa các
khái niệm này” [18].
Một Ontology có bốn thành phần chính: cá thể (individuals), lớp (classes), thuộc
tính (attributes) và các mối quan hệ (relationships). Với cấu trúc này, Ontology được sử

dụng rộng rãi như một mô hình phân lớp thông tin trong việc phát triển thông tin trên
Web. Ngoài ra một Taxonomy [33] có thể được coi như là một Ontology khuyết (không
có thành phần thuộc tính, tính chất trong mô tả).
Cụ thể hơn về cấu trúc của một Ontology được mô tả thông qua các thành phần của nó
như sau:
• Cá thể (individuals): là một thể hiện (hay đối tượng) cụ thể của Ontology, bao gồm
đầy đủ các thuộc tính, liên kết của Ontology. Một cá th
ể là một đối tượng thực như
con người, xe cộ, động vật … nhưng cũng có thể là một khái niệm trừu tượng như
chữ số, sự kiện … Về mặt lý thuyết, một Ontology có thể không có một thể hiện
nào, nhưng một trong những mục đích của Ontology là cung cấp ngữ nghĩa cho
những lớp cá thể riêng biệt, vì vậy thể hiện của một Ontology là cầ
n thiết.

5
• Lớp (classes): hay còn được gọi là khái niệm, kiểu hay loại, là một nhóm trừu
tượng của các đối tượng. Một lớp có thể bao gồm các thể hiện của lớp đó hay bao
gồm một lớp con khác. Ví dụ về một lớp Ontology như: Person (lớp mô tả về con
người) , Vehicle (lớp mô tả về các phương tiện vận chuyển)…
• Thuộ
c tính (Attributes): Các thể hiện trong một Ontology có thể được gán cho
chúng những thuộc tính riêng, nhằm biểu thị các đặc trưng riêng và phân biệt với

các thể hiện khác. Mỗi một thuộc tính của Ontology đều có hai thành phần gồm tên
của thuộc tính và giá trị được gán cho thuộc tính đó. Ví dụ cá thể có tên là
K49HTTT có các thuộc tính sau:
o Tên : K49HTTT
o Số lượng sinh viên : 56
o Chủ nhiệm : lecturer.NguyenNgocHoa
Các thuộc tính của một Ontolgy được thi
ết kế phù hợp với các đặc điểm của đối
tượng được mô tả ở ngoài thực tế. Giá trị của một thuộc tính có thể là một kiểu
phức hợp (kết hợp nhiều kiểu dữ liệu khác nhau) hoặc có thể là một lớp khác của
Ontology.
• Quan hệ (relationships): Được thể hiện bằng các thuộc tính của Ontology. Một
quan hệ được hình thành khi giá trị củ
a một thuộc tính là một cá thể của một
Ontology. Các mối quan hệ này thể hiện sự liên kết giữa các đối tượng trong
Ontology. Mối quan hệ “xếp gộp” (Subsumption) là một liên kết chủ đạo trong các
Ontology, thể hiện các kiểu quan hệ: là lớp cha (is_superclass_of), là (is_a), là lớp
con (is_subclass_of). Với liên kết “xếp gộp” Ontology sẽ có cấu trúc như một cây
phân cấp. Ngoài liên kết chủ đạo trên, một Ontology cụ thể có thể có nhiều liên kết
khác.

6

Hình 2. Ví dụ về Ontology Y tế [1]

Trong hình 2, phần bên trái mô tả cấu trúc phân cấp của Ontology Y tế, thể hiện tên các
lớp và mối quan hệ “xếp gộp” của các lớp đó. Lớp Thing là lớp cha (is_superclass_of)
của tất cả các lớp còn lại như: Bệnh, Chất_hóa_học, Nguyên_nhân, Thuốc… Các lớp
con (is_subclass_of) của Thing cũng có thể có nhiều lớp con khác ví dụ như lớp Thuốc
bao gồm hai l

ớp con: Đông_y, Tây_y… Phần bên phải thể hiện các thuộc tính hoặc liên
kết có trong Ontology Y tế, ví dụ như liên kết biến_chứng thể hiện liên kết của một cá
thể thuộc lớp Bệnh với một cá thể khác cũng thuộc lớp Bệnh, hay liên kết gây_ra mô
tả một quan hệ giữa lớp Nguyên_nhân và lớp Bệnh… Trong ví dụ trên chưa có sự
hiện
diện cụ thể của các cá thể (thể hiện) trong các lớp, nhưng những thể hiện cụ thể của các
lớp có thể được thêm vào bởi các chuyên gia trên lĩnh vực Y tế (ví dụ như Chuột
gây_ra dịch_hạch …).

b. Ngôn ngữ mô tả tài nguyên Web ngữ nghĩa và Ontology
Một Ontology cần được mô tả bằng một cấu trúc chặt chẽ và theo những chuẩn
chung nhất để
người sử dụng có thể chia sẻ (với người sử dụng khác) hoặc sử dụng lại

7
những Ontology đã có sẵn. Trong phần này trình bày về RDF (Resource Description
Framework )[30] một framework cho việc mô hình hóa, mô tả tài nguyên trên Web và
OWL [38] (Web Ontology Language) đang được sử dụng rộng rãi hiện nay.
• RDF – Resouce Description Framework : là một mô hình được W3C đề xuất là mở
rộng của công nghệ XML [37] với mục tiêu đưa đưa ra một chuẩn chung trong
việc mô hình hóa và mô tả các tài nguyên trên Web. Ngoài ra RDF còn là một cấu
trúc để thể hiện dữ liệu.
RDF có tập các từ khóa, tập ngữ pháp và tập luật riêng được giớ
i thiệu cụ thể ở [39].
Ví dụ mô tả về tài nguyên /> bằng RDF như
sau:

• OWL (Web Ontology Language) : là một ngôn ngữ biểu diễn tri thức dựa trên
RDF, được xây dựng để mô tả Web ngữ nghĩa. OWL có những đặc điểm sau:
o OWL là một chuẩn của Web.

o OWL được viết dưới dạng XML.
o OWL dùng để xử lý thông tin trên Web.
o OWL là một ngôn ngữ được thông dịch bởi máy tính.
Về cơ bản OWL và RDF có nhiều đặc đi
ểm giống nhau, tuy nhiên OWL có tập từ
vựng (từ khóa) lớn hơn RDF, và là một ngôn ngữ được máy tính thông dịch tốt hơn
RDF. OWL được chia thành ba loại khác nhau, đáp ứng với từng nhu cầu sử dụng
cụ thể:
(1) OWL lite: Đây là phiên bản đơn giản nhất của OWL, dành cho những người
dùng chỉ có nhu cầu về tách lớp các tài nguyên riêng rẽ và giữa các tài nguyên
có những ràng buộc hay quan hệ đơn giản. Ví dụ : về ràng buộ
c lực lượng, với
OWL lite số lực lượng này chỉ có thể mang giá trị 0 hoặc 1.
(2) OWL DL: Dành cho những người sử dụng đòi hỏi những tính năng phức tạp
trong tính toán và xử lý thông tin với những ràng buộc chặt chẽ: Các bước xử
lý, suy luận đều được tối ưu và thực hiện trong thời gian giới hạn … OWL
được tích hợp với logic mô tả (description logic [9]). Tuy nhiên OWL DL vẫn
có một số hạn ch
ế như : Một class có thể được thừa kế bởi nhiều class khác
nhưng, class này không thể là một thể hiện của class khác…
<?xml version="1.0"?>
<RDF>
<Description about="
<author>
ITLab, Vietnam National University, Hanoi
</author>
<homepage> </homepage>
</Description>

8

(3) OWL full : Hướng tới những người dùng đòi hỏi tối đa những tính năng của
OWL mà không bị ràng buộc bởi cấu trúc ngữ pháp phức tạp. OWL full có cấu
trúc lỏng lẻo như RDF, ví dụ : một lớp trong OWL full có thể đồng thời được
coi như là một tập các thể hiện hoặc là một thể hiện của chính lớp đó.
Giữa ba loại của ngôn ngữ OWL có quan hệ bao hàm nhau. Tức là: t
ất các các qui
tắc cấu trúc hợp lệ của OWL lite thì đều hợp lệ với OWL dl, và mọi qui tắc, cấu
trúc hợp lệ của OWL dl thì đều hợp lệ với OWL full.
Một ví dụ về OWL lite:

Với OWL việc truy xuất, xử lý và chia sẻ Ontology giữa những người sử dụng trở nên dễ
dàng hơn. Nhờ đó giảm bớt những khó khăn khi xây dựng cơ sở tri thức và nguồn tài
nguyên cho Web ng
ữ nghĩa, tạo tiền đề cho Web ngữ nghĩa phát triển.


<owl:Ontology rdf:about="">
<owl:versionInfo>Version 0.1</owl:versionInfo>
<rdfs:comment>Countries Ontology, Created by Jenz &amp; Partner
GmbH, Version 0.1, 28-FEB-2004</rdfs:comment>
</owl:Ontology>
<owl:Class rdf:ID="UnclaimableTerritory">
<rdfs:subClassOf>
<owl:Class rdf:about="#Country"/>
</rdfs:subClassOf>
<owl:disjointWith>
<owl:Class rdf:about="#IndependentState"/>
</owl:disjointWith>
<owl:disjointWith>
<owl:Class rdf:about="#FullyDependentTerritory"/>

</owl:disjointWith>
<owl:disjointWith>
<owl:Class rdf:about="#VirtuallyAnnexedTerritory"/>
</owl:disjointWith>
<owl:disjointWith>
<owl:Class rdf:about="#IndependenceDisputedState"/>
</owl:disjointWith>
<owl:disjointWith>
<owl:Class rdf:about="#VirtualTerritory"/>
</owl:disjointWith>
<owl:disjointWith>
<owl:Class rdf:about="#AssociatedState"/>
</owl:disjointWith>
<owl:disjointWith>
<owl:Class rdf:about="#OccupiedTerritory"/>
</owl:disjointWith>
</owl:Class>

9
1.2.2. Kiến trúc cơ bản của một máy tìm kiếm ngữ nghĩa
Xét về cơ bản, một máy tìm kiếm ngữ nghĩa có cấu trúc tương tự với một máy tìm
kiếm thông thường cũng bao gồm hai thành phần chính:
(1) Phần giao diện người dùng (front end) có hai chức năng chính:
- Giao diện truy vấn: cho phép người dùng nhập câu hỏi, truy vấn.
- Hiển thị câu trả lời, kết quả.
(2) Phần kiến trúc bên trong (back end) là phần hạt nhân của máy tìm kiếm bao gồm
ba thành phần chính đó là:
- Phân tích câu hỏi
- Tìm kiếm kết quả cho truy vấn hay câu hỏi
- Tập tài liệu, dữ liệu tìm kiếm/ mạng ngữ nghĩa.

Sự khác biệt trong cấu trúc của máy tìm kiếm ngữ nghĩa so với máy tìm kiếm thông
thường nằm ở phần kiến trúc bên trong, cụ thể ở hai thành phần: phân tích câu hỏi và tập
dữ liệu tìm kiếm.
Về cơ bản, một máy tìm kiếm có kiến trúc như sau:

Hình 3. Sơ đồ của máy tìm kiếm ngữ nghĩa


Mạng ngữ
nghĩa
Semantic
Web/Ontology
Search Services
1.Nhập
truy
vấn
5.Kết
quả
trả về
2.Phân lớp
câu hỏi
3.Biển đổi
dạng câu hỏi

4.Tìm kiếm

10
1.2.2.3. Giao diện người dùng
Như đã giới thiệu ở trên, giao diện người dùng có hai chức năng đó là cho phép người
dùng nhập câu hỏi hoặc truy vấn tìm kiếm và hiện thị kết quả trả về. So với các máy tìm

kiếm thông thường thì phần này không có sự khác biệt lớn và có thể tùy biến, thay đổi dễ
dàng. Tuy vậy, để phục vụ cho mục đích là tìm kiếm ngữ nghĩa, phía giao diện người
dùng cầ
n cung cấp cho người sử dụng những lựa chọn khi tìm kiếm:
• Cung cấp lựa chọn tìm kiếm theo từng miền lĩnh vực cụ thể, nếu một máy tìm kiếm
ngữ nghĩa có cơ sở tìm kiếm ngữ nghĩa bao gồm nhiều lĩnh vực
• Gợi ý các từ để hỏi ví dụ như (what, where, when…) khi người dùng nhập câu hỏi.
Điều này giúp ích cho việc phân lớp câu hỏi và giớ
i hạn được loại câu trả lời phù
hợp cho truy vấn người dùng đưa vào, tiết kiệm thời gian tìm kiếm.
1.2.2.4. Kiến trúc bên trong
Như mô tả ở hình 3, các thành phần của kiến trúc bên trong bao gồm bốn module chính:
phân lớp câu hỏi, biến đổi dạng câu hỏi, tìm kiếm và mạng ngữ nghĩa.
Các bước xử lý một câu hỏi/truy vấn của người dùng như sau:
- Bước (1) người dùng nhập câu hỏi/ truy vấn của mình ở giao diện.
- Bước (2) câu hỏi/ truy vấn ở (1) đưa qua bộ phân tích câu hỏi để xác định câu hỏi
thuộc về lĩnh vực miền nào và thuộc về phần nào trong lĩnh vực đó. Ví dụ câu
hỏi “Bệnh Lao phổi chữa như thế nào?” được phân về domain Y tế.
- Bước (3) câu hỏi được biển đổi về dạng chuẩn (biểu thức logic) để có thể tiến
hành tìm kiếm.
- Bước (4) câu hỏi/truy vấn được tìm kiếm trên mạng ngữ nghĩa của máy tìm kiếm.
- Bước (5) hiện thị kết quả trả về của câu hỏi/truy vấn đưa vào.
Một máy tìm kiếm ngữ nghĩa sẽ xử lý câu hỏi của người dùng qua năm bước cơ bản như
trên. Và tùy thuộc vào từng đặc điểm của loại máy tìm kiếm định xây dựng, mà có thể có
thêm những module khác. Ví dụ một số máy tìm kiếm có có phần lựa chọn câu trả lời
thích hợp nhất do ng
ười dùng lựa chọn nhằm xây dựng tập câu trả lời mẫu .
a. Phân lớp câu hỏi
Phân lớp câu hỏi là một trong hai thành phần quan trọng nhất của một máy tìm kiếm
ngữ nghĩa. Phần này đảm nhiệm vai trò phân loại câu hỏi theo chủ đề và lĩnh vực. Quá

trình phân lớp có thể tiến hành qua hai bước:
(1) Phân lớp xác định miền câu hỏi: Yêu cầu này xuất phát từ cơ sở dữ liệ
u của máy
tìm kiếm ngữ nghĩa (mạng ngữ nghĩa). Các mạng này về cơ bản được xây dựng từ
các Ontology, mà Ontology được xây dựng theo từng miền lĩnh vực riêng rẽ. Do
vậy cần tiến hành phân loại truy vấn theo miền câu hỏi nhằm xác định miền

11
Ontology của câu hỏi để giới hạn không gian tìm kiếm, giảm thời gian tìm kiếm.
Phân lớp miền câu hỏi có ảnh hưởng quyết định tới chất lượng của kết quả trả về
Một ví dụ minh chứng cho điều này: Giả sử người dùng đưa vào câu hỏi : “bệnh
sởi có chữa được không” và cơ sở mạng ngữ nghĩa trong máy tìm kiếm bao gồm 4
miền : Y tế, Du lịch, V
ăn hóa và Chính trị. Qua bộ phân lớp miền câu hỏi, nếu kết
quả trả về là thuộc miền Y tế thì máy tìm kiếm sẽ đưa ra kết quả trả lời phù hợp
hơn, còn nếu xác định một miền miền khác không phải Y tế thì sẽ không có kết
quả trả hoặc sai về mặt ý nghĩa.
(2) Phân loại loại câu hỏi trong một miền: cấu trúc nội tại của m
ột Ontology có sự
phân cấp rất lớn: một Ontogy được chia thành nhiều phần, nhiều tầng, lớp bao hàm
nhau, mỗi tầng của Ontology cũng có thể coi là một miền nhỏ bao hàm một miền
tri thức nhỏ có mối quan hệ mật thiết với nhau. Do đó để có thể tối ưu tìm kiếm
còn cần phân lớp trên nội tại một miền. Bước này tiến hành phân lớp câu hỏi trên
nội tại một mi
ền, phân lớp câu hỏi theo những lĩnh vực khác nhau của một miền.
Chúng ta coi Ontology là một cây có cấu trúc phân tầng, mỗi lớp trong Ontology
sẽ thuộc một tầng nhất định, và trong mỗi tầng các đối tượng có độ liên quan đến
nhau lớn, và độ liên quan này giảm đi khi các đối tượng ở những tầng khác nhau.
Tiến hành phần loại nội miền chính là việc chỉ ra câu hỏi người dùng đưa vào
thuộc tầng nào hoặc c

ụm nào của Ontology. Bước này làm giới hạn tối đa không
gian tìm kiếm, mang lại kết quả chính xác hơn và nhanh hơn.
Sự khác biết giữa phân loại miền câu hỏi và phân loại nội miền chỉ ở không gian phân
loại. Trong khi phân loại miền câu hỏi không gian là toàn bộ tập Ontology của mạng ngữ
nghĩa,thì phân loại nội miền tiến hành trên một miền Ontology cụ thể, còn về thuật toán
tiến hành phân loại thì như nhau.
Phụ
thuộc vào máy tìm kiếm ngữ nghĩa cần xây dựng, mà một trong hai bước phân loại
câu hỏi trên có thể được bỏ qua. Ví dụ: khi xây dựng một hệ thống tìm kiếm ngữ nghĩa
cho một miền cụ thể (hệ thống hỏi đáp) thì việc phân loại miền câu hỏi là không cần thiết,
chỉ cần thiết phân loại nội miền.
Hiện nay đã có nhiều phương pháp để phân lớp câu hỏi trong
đó nổi bật là hai hướng
tiếp cận: dựa vào biểu thức chính qui (regular expression) và hướng tiếp cận dựa trên xác
suất. Mỗi phương pháp có những ưu và nhược điểm riêng. Với hướng tiếp cận biểu thức
chính qui, câu hỏi đưa vào được so sánh các mẫu câu hỏi có sẵn, do đó phương pháp này
đòi hỏi các chuyên gia khi xây dựng bộ câu hỏi mẫu và thường khó xác định hết được các
trường hợp nhập nhằ
ng nên kết quả phân lớp câu hỏi thường không được như ý muốn…
Cụ thể về các phương pháp sẽ được trình bày ở chương 3.





12
b. Biến đổi dạng câu hỏi
Theo Maria Vargas-Vera, Enrico Motta và John Domingue [21], sau khi qua bộ phân
lớp câu hỏi truy vấn của người dung được chuyển từ dạng ngôn ngữ tự nhiên sang dạng
ngôn ngữ lo-gic (Question Logic Language - QLL).

QLL là một ngôn ngữ thể hiện câu hỏi/ truy vấn thuộc ngôn ngữ tự nhiên theo dạng
logic học. Mỗi một câu thuộc QLL chứa các terms (biểu thức, biến, thủ tục…) của ngôn
ngữ Prolog , nói một các khác QLL là một ngôn ngữ con của Prolog [5].
Theo [21] có một s
ố qui tắc khi chuyển đổi từ một câu S
1
ở dạng ngôn ngữ tự nhiên sang
câu S
2
thuộc QLL như sau:
(1) Một danh từ đơn (theo đơn vị từ) của S
1
sẽ tạo nên một vị từ đơn trong S
2.
Ví dụ:
S
1
“ Hà Nội là thành phố vì hòa bình”, thì trong S
2
sẽ chứa vị từ sau
thành_phố(Hà Nội).
(2) Cụm danh từ của S
1
tạo nên một vị phức trong S
2
với số tham số bằng số lượng từ
đơn chứa trong cụm danh từ của S
1
cộng thêm 1. Ví dụ S
1

“Số lượng sinh viên của
Trường Đại học Công nghệ là bao nhiêu?”. Tạo ra một vị từ phức trong S
2
là
số_lượng_sinh_viên(đại_học_công_nghệ, X) ở đây X là số lượng sinh viên.
(3) Một động từ của S
1
sẽ tạo nên một vị từ phức với một hoặc nhiều tham số, tham
số đầu tiên là chủ ngữ của S
1,
tham số thứ hai là vị ngữ chính của S
1
, tham số thứ
ba là vị ngữ phụ của S
1
(nếu có), tham số thứ tư là các bổ ngữ (nếu có)… Ví dụ:
S
1
“Torres ghi bàn vào lưới ManU”, thì S
2
sẽ chứa vị từ ghi_bàn(Torres, ManU).
(4) Một giới từ trong S
1
tạo nên một vị từ phức với hai tham số là hai từ được nối bởi
giới từ đó. Ví dụ S
1
“Cái bút nằm trên bàn học”, S
2
sẽ chứa vị từ
nằm_trên(bút,bàn_học).

(5) Một tính từ định tính có thể tạo nên một vị từ với một hoặc hai tham số. Ví dụ S
1

“diện tích của Hà nội là bao nhiêu?” trong S
2
sẽ chứa vị từ diện_tích(Hà_Nội, X)
– X là diện tích.
Với 5 qui tắc biến đổi trên, một câu hỏi bất kỳ đều được chuyển sang dạng QLL, với lợi
thế về suy luận và tối ưu xử lý, câu hỏi dưới dạng QLL sẽ mang lại tốc độ tốt hơn và
mang đặc thù ngữ nghĩa nhiều hơn.
c. Tìm kiếm câu trả lời.
Sau khi câu hỏi/truy vấ
n của người dùng được chuyển sang dạng QLL, hệ thống tiến
hành tìm kiếm câu trả lời sẽ được thực hiện qua các phép toán logic với dữ liệu là các
Ontology (mạng ngữ nghĩa) được xây dựng từ trước.
Giả sử S
2
là một câu truy vấn dạng QLL, hệ thống cần tìm ra câu trả lời cho S
2
. Chiến
lược giải quyết như sau:

13
(1) Với mỗi một vị từ trong S
2
, xác định Ontology để tìm kiếm (sử dụng kết quả từ
bước phân lớp câu hỏi ở trên), tìm ra đối tượng chứa câu trả lời từ tập các đối
tượng thuộc miền Ontology đã chỉ ra, trong đó:
o Đối tượng chứa câu trả lời phải có một thuộc tính có độ tương đồng với một
trong các tham số của vị từ. Ví dụ: với vị từ di

ện_tích(Hà_Nôi), trong
Ontology về địa lý đối tượng chứa câu trả lời sẽ là thành_phố.Hà_Nội - ở
đây có sự tương đồng về tên của đối tượng với tham số của vị từ.
o Thông tin trả lời cho vị từ hoặc thông tin về vị từ được mô tả bằng tên gọi
của lớp hay bằng thuộc tính của một lớp có trong Ontology. Ví dụ : với vị
từ
diện_tích (Hà_Nội) thì câu trả lời được chứa trong một thuộc tính của đối
tượng thành_phố.Hà_Nội.
(2) Lặp lại bước (1) cho đến khi tìm được đối tượng chứa thông tin trả lời, hoặc đã tìm
qua tất cả các đối tượng mà không có câu trả lời. Vị từ nào không đưa lại kết quả
(không xác định được giá trị) sẽ được loại bỏ ra kh
ỏi S
2
. Câu trả lời của truy vấn sẽ
là phép tính tổ hợp giá trị của các vị từ.
Thay vì đưa ra câu trả lời chính xác hoặc khi không tìm được câu trả lời chính xác cho
câu hỏi đưa vào, hệ thống có thể trả về thông tin của đối tượng được xác định là có thể trả
lời cho câu hỏi.
d. Mạng ngữ nghĩa.
Mạng ngữ nghĩa là cơ sở dữ liệu cho hệ thống tìm ki
ếm ngữ nghĩa. Về cơ bản, một
mạng ngữ được hình thành từ một tập các thông tin mang ngữ nghĩa có quan hệ với nhau
có thể là tập các Ontology hay tập các trang Web ngữ nghĩa.
Với các máy tìm kiếm thông thường, cơ sở dữ liệu cho tìm kiếm được thu thập tự động từ
các trang Web hiện có trên internet. Và quá trình xử lý các thông tin của các trang Web
lấy về không gặp nhiều khó khăn. Trái lại, đối với máy tìm kiếm ngữ ngh
ĩa thì công việc
xây cơ sở cho tìm kiếm không đơn giản bởi hai nguyên nhân sau:
• Số lượng các trang Web ngữ nghĩa còn hạn chế.
• Việc xây dựng Ontology cho từng miền đòi hỏi sự hợp tác của nhiều chuyên

gia miền trong thời gian lớn.
Hiện nay có một số công cụ hỗ trợ việc xây dựng Ontology như: Protégé hay GATE
…




1

2

3

14
Chương 2. Tìm kiếm ngữ nghĩa trong tiếng Việt


2.1. Tổng quan về cơ sở cho tìm kiếm ngữ nghĩa tiếng Việt
Từ cấu trúc cơ bản của một hệ thống tìm kiếm ngữ nghĩa đã được trình bày ở trên cho
thấy để xây dựng được một hệ thống tìm kiếm ngữ nghĩa trong tiếng Việt trước tiên phải
giải quyết hai bai toán:
(1) Xây dựng bộ phân lớp câu hỏi tiếng Việt
(2)
Xây dựng một mạng ngữ nghĩa tiếng Việt
Hai bài toán trên đều chịu sự chi phối của yếu tố ngôn ngữ. Tiếng Việt có những đặc
trưng riêng biệt về: chữ viết – chính tả, âm tiết và từ … do vậy đối với bài toán (1) và (2)
phải tích hợp được những đặc trưng này.
Hiện nay chưa có hệ thống tìm kiếm ngữ nghĩa tiếng Việt nào được công bố.
Nguyên nhân chính là do t
ập cơ sở dữ liệu về ngữ nghĩa tiếng Việt còn ít không như tiếng

Anh, Pháp… Trên thế giới có rất nhiều tổ chức, viện nghiên cứu, trường đại học đã đưa ra
các Ontology trong những miền lĩnh vực khác nhau, có thể kể đến như:
• Miền Y tế có các Ontology như : Semantic Mining
1
một Ontology về khai phá dữ
liệu trong Y tế, hay Disease Ontology là Ontology về các từ khóa chuyên ngành y
khoa được phát triển bởi khoa Tin sinh tại Center for Genetic Medicine
2


• Miền thương mại, kinh doanh: điển hình là Ontology-Based Business Process
Management được nghiên cứu và phát triển bởi Jenz & Partner GmbH [16].
• Miền khoa học phổ thông: có Ontology về vật lý (Physical-Concepts
được phát
triển bởi
Laboratory for Applied Ontology
3
)

…
• Và nhiều miền lĩnh vực khác.
Có một số ít Ontolgy được công bố, điển hình là Ontology VN–KIM [4]. Ontology này
bao gồm 347 lớp thực thể và 114 quan hệ và thuộc tính. Cơ sở tri thức của VN-KIM là
một tập hợp các thực thể có tên phổ biến ở Việt Nam và Quốc tế, các thực thể chủ yếu
thuộc các miền như:
- Con người (Các nhà lãnh đạo quốc gia, giám đốc công ty, bác sỹ, nhà giáo, văn
nghệ sỹ…)
- Tổ chức, công ty (Các tổ chức xã hội, giáo dục, công ty…)

15
- Đơn vị hành chính (các tỉnh, thành phố, quận, huyện, phường, xã ở Việt Nam và
các thành phố lớn trên thế giới)
- Sông, núi (các sông, núi lớn ở Việt Nam và trên thế giới)
- Đường (các đường ở TPHCM, Hà Nội, các tỉnh lộ, quốc lộ)
Điều này cho thấy, tập các Ontology miền trong Tiếng Việt còn ít, đây là một trong những
khó khăn cần giải quyết để sớm, tạo tiền đề phát triển những hệ thống mang ngữ nghĩa.
2.2. Một số đặc trưng của tiếng Việt
Tiếng Việt thuộc ngôn ngữ đơn lập, tức là mỗi m
ột tiếng (âm tiết) được phát âm tách
rời nhau và được thể hiện bằng một chữ viết. Đặc điểm này thể hiện rõ rệt ở tất cả các mặt
ngữ âm, từ vựng, ngữ pháp. Dưới đây trình bày một số đặc điểm của tiếng Việt theo các
tác giả ở Trung tâm ngôn ngữ học Việt Nam đã trình bày [3].
2.2.1 Đặc điểm ngữ âm
Tiếng Vi
ệt có một loại đơn vị đặc biệt gọi là "tiếng", về mặt ngữ âm, mỗi tiếng là một
âm tiết. Hệ thống âm vị tiếng Việt phong phú và có tính cân đối, tạo ra tiềm năng của ngữ
âm tiếng Việt trong việc thể hiện các đơn vị có nghĩa. Nhiều từ tượng hình, tượng thanh
có giá trị gợi tả đặc sắc. Khi tạo câu, tạo lời, người Việ
t rất chú ý đến sự hài hoà về ngữ
âm, đến nhạc điệu của câu văn.
2.2.2 Đặc điểm từ vựng:
Mỗi tiếng nói chung là một yếu tố có nghĩa. Tiếng là đơn vị cơ sở của hệ thống các
đơn vị có nghĩa của tiếng Việt. Từ tiếng, người ta tạo ra các đơn vị từ vựng khác để định
danh sự vậ
t, hiện tượng , chủ yếu nhờ phương thức ghép và phương thức láy.
Việc tạo ra các đơn vị từ vựng ở phương thức ghép luôn chịu sự chi phối của quy luật
kết hợp ngữ nghĩa, ví dụ: đất nước, máy bay, nhà lầu xe hơi, nhà tan cửa nát Hiện nay,
đây là phương thức chủ yếu để sản sinh ra các đơn vị từ vựng. Theo phương thức này,
tiếng Việ

t triệt để sử dụng các yếu tố cấu tạo từ thuần Việt hay vay mượn từ các ngôn ngữ
khác để tạo ra các từ, ngữ mới, ví dụ như tiếp thị, karaoke, thư điện tử (e-mail), thư thoại
(voice mail), phiên bản (version), xa lộ thông tin, siêu liên kết văn bản, truy cập ngẫu
nhiên, v.v.
Việc tạo ra các đơn vị từ v
ựng ở phương thức láy thì quy luật phối hợp ngữ âm chi
phối chủ yếu việc tạo ra các đơn vị từ vựng, chẳng hạn như chôm chỉa, chỏng chơ, đỏng
đa đỏng đảnh, thơ thẩn, lúng lá lúng liếng, v.v.
Vốn từ vựng tối thiểu của tiếng Việt phần lớn là các từ đơn tiết (một âm tiết, mộ
t
tiếng). Sự linh hoạt trong sử dụng, việc tạo ra các từ ngữ mới một cách dễ dàng đã tạo
điều kiện thuận lợi cho sự phát triển vốn từ, vừa phong phú về số lượng, vừa đa dạng
trong hoạt động. Cùng một sự vật, hiện tượng, một hoạt động hay một đặc trưng, có thể
có nhiều từ ngữ khác nhau biểu thị
. Tiềm năng của vốn từ ngữ tiếng Việt được phát huy
cao độ trong các phong cách chức năng ngôn ngữ, đặc biệt là trong phong cách ngôn ngữ


16
nghệ thuật. Hiện nay, do sự phát triển vượt bậc của khoa học-kĩ thuật, đặc biệt là công
nghệ thông tin, thì tiềm năng đó còn được phát huy mạnh mẽ hơn.
2.2.3 Đặc điểm ngữ pháp:
Từ của tiếng Việt không biến đổi hình thái. Đặc điểm này sẽ chi phối các đặc điểm
ngữ pháp khác. Khi từ kết hợp từ thành các kết cấu như ng
ữ, câu, tiếng Việt rất coi trọng
phương thức trật tự từ và hư từ.
Việc sắp xếp các từ theo một trật tự nhất định là cách chủ yếu để biểu thị các quan hệ cú
pháp. Trong tiếng Việt khi nói “Anh ta lại đến” là khác với “Lại đến anh ta”. Khi các từ
cùng loại kết hợp với nhau theo quan hệ chính phụ thì từ đứng trước giữ vai trò chính, từ
đứng sau giữ vai trò phụ

. Nhờ trật tự kết hợp của từ mà "củ cải" khác với "cải củ", "tình
cảm" khác với "cảm tình". Trật tự chủ ngữ đứng trước, vị ngữ đứng sau là trật tự phổ biến
của kết cấu câu tiếng Việt.
Phương thức hư từ cũng là phương thức ngữ pháp chủ yếu của tiếng Việt. Nhờ hư từ
mà
tổ hợp “anh của em” khác với tổ hợp “anh và em”, “anh vì em”. Hư từ cùng với trật tự từ
cho phép tiếng Việt tạo ra nhiều câu cùng có nội dung thông báo cơ bản như nhau nhưng
khác nhau về sắc thái biểu cảm. Ví dụ, so sánh các câu sau đây:
- Ông ấy không hút thuốc.
- Thuốc, ông ấy không hút.
- Thuốc, ông ấy cũng không hút.
Ngoài trật tự từ và hư từ, tiếng Việt còn sử dụng phương thức ngữ điệu. Ngữ điệu giữ vai
trò trong việc biểu hiện quan hệ cú pháp của các yếu tố trong câu, nhờ đó nhằm đưa ra nội
dung muốn thông báo. Trên văn bản, ngữ điệu thường được biểu hiện bằng dấu câu. Sự
khác nhau trong nội dung thông báo được nh
ận biệt khi so sánh hai câu sau:
- Đêm hôm qua, cầu gãy.
- Đêm hôm, qua cầu gãy.
Qua một số đặc điểm nổi bật vừa nêu trên đây, chúng ta có thể hình dung được phần nào
bản sắc và tiềm năng của tiếng Việt

2.3. Tìm kiếm ngữ nghĩa trong lĩnh vực y tế
Trong phần này, khóa luận sẽ trình bày những bước đầu của việc xây dựng một máy
tìm kiếm ngữ nghĩa trên lĩnh vực Y tế cho tiếng Việt.
2.3.1. Ontology Y t
ế trong tiếng Việt
Với các dữ liệu về y tế thu thập được từ các trang Web và Ontology BioCaster [1],
tiến hành liệt kê các thuật ngữ (term) quan trọng nhằm có thể nêu định nghĩa cho người
dùng với hướng nghiên cứu tiếp theo là tự động liên kết đến các định nghĩa có sẵn trên

17
trang wikipedia. Từ các thuật ngữ trên, sẽ định nghĩa các thuộc tính của chúng. Việc xây
dựng Ontology là một quá trình lặp lại được bắt đầu bằng việc định nghĩa các khái niệm
trong hệ thống lớp và mô tả thuộc tính của các khái niệm đó. Qua khảo sát Ontology
BioCaster với các thuật ngữ trong tiếng Việt, cùng với một số luợng lớn các trang Web về
y tế hiện nay ở Việt Nam, chúng tôi đã xây dựng nên một t
ập các thuật ngữ, các mối quan
hệ cơ bản nhất để từ đó để xuất ra Ontology thử nghiệm ban đầu, với những khái niệm cơ
bản sau:
- Thuốc: bao gồm hai loại Đông y và Tây y. Ví dụ, thuốc 5-Fluorouracil Ebewe
chống ung thư (ung thư đại trực tràng, vú, thực quản, dạ dày), hay là thuốc
Ciloxan sát trùng, chống nhiễm khuẩn ở mắt. Thuốc đông y ngũ gia bì chữa bệnh
phong thấp, tráng gân cốt …
- Bệnh, hội chứng: Các loại bệnh như cúm gà, viêm loét dạ dày, các hội chứng mất
ngủ, suy tim …
- Triệu chứng : Ví dụ như triệu chứng của cúm H5N1 là sốt cao, nhức đầu, đau
mỏi toàn thân,
- Nguyên nhân: Tác nhân (virut, vi khuẩn muỗi, gà, chim ), và các nguyên khác
như là thiếu ngủ, lười tập thể dục, hút thuốc lá thụ động …
- Thực phẩm: Bao gồm các món ăn có lợi hoặc gây hại cho sức khỏe con nguời
cũng như phù hợp với một số loại bệnh nào đó.
- Người: Bao gồm bác sỹ, giáo sư mà người bệnh có thể tìm kiếm để khám bênh,
xin giúp đỡ khi mắc bệnh.
- Tổ chức: Bệnh viện, phòng khám, hiệu thuốc … là các địa điểm để bệnh nhân có
thể tìm đến khi mắc bệnh.
- Địa điểm: Địa chỉ của một tổ chức nào đó mà bệnh nhân có thể tìm đến, các nơi
dịch đang phát sinh và lan rộng.
- Cơ thể người: Là tất cả các bộ phận cơ thể người có thể thể bị nhiễm bệnh: mắt,
mũi, gan, tim …

- Hoạt động: Chẩn trị, xét nghiệm, hồi cứu, hô hấp nhân tạo, phòng tránh, tiêm
phòng
- Hóa chất: Vitamin, khoáng chất …gây tác động xấu, tốt đến cơ thể con người, ví
dụ vitamin A có lợi cho mắt, Vitamin C, E làm giảm các nguy cơ bệnh tim…
Giữa các khái niệm cơ bản trên có các mỗi quan hệ như sau:
- Sự tương tác thuốc – thuốc : Thuốc này có thể gây tác dụng phụ cho thuốc kia,
hay có thể kết hợp các loại thuốc với nhau để chữa bệnh. Ví dụ thuốc chống ung