Ứng dụng phương pháp luận sáng tạo khoa học trong tin học – Rút trích và phân tích dữ liệu

Đại Học Quốc Gia Thành Phố Hồ Chí Minh
Trường Đại Học Công Nghệ Thông Tin
…
Báo Cáo Đề Tài
Nội Dung : Ứng dụng phương pháp
luận sáng tạo khoa học trong tin học –
Rút trích và phân tích dữ liệu
Môn: Phương pháp luận sáng tạo khoa học
Giáo viên hướng dẫn : GS.TSKH Hoàng Văn Kiếm
Sinh viên thực hiện: Nguyễn Hoàng Hiếu
MSSV: 07520118
Lớp: KHMT02
Ứng dụng phương pháp luận sáng tạo khoa học trong tin học

LỜI CẢM ƠN
Em xin chân thành cám ơn tất cả các thầy, cô giáo đã giảng dạy em trong
suốt thời gian qua. Em xin cảm ơn GS-TSKH Hoàng Văn Kiếm truyền đạt cho
em những kiến thức quý báu về Phương pháp luận sáng tạo khoa học giúp em
hoàn thành tốt đề tài này.
Bài làm của em có thể còn nhiều thiếu sót do kiến thức có hạn và thời gian
không cho phép. Em rất mong nhận được sự đóng góp quí báu của các thầy cô.
Thành phố Hồ Chí Minh, ngày 5 tháng 1 năm 2011
Sinh viên
Nguyễn Hoàng Hiếu
2 | P a g e
Ứng dụng phương pháp luận sáng tạo khoa học trong tin học
MỤC LỤC
MỤC LỤC 3
1. Vấn đề khoa học 5
2. Phương pháp giải quyết vấn đề khoa học về phát minh, sáng chế 5
TÀI LIỆU THAM KHẢO 32

A. NGHIÊN CỨU KHOA HỌC
I. Khái niệm khoa học
3 | P a g e
Ứng dụng phương pháp luận sáng tạo khoa học trong tin học
Khoa học là quá trình nghiên cứu nhằm khám phá ra những kiến
thức mới, học thuyết mới… về tự nhiên và xã hội. Những kiến thức hay
học thuyết mới nầy, tốt hơn, có thể thay thế dần những cái cũ, không còn
phù hợp.
Khoa học bao gồm một hệ thống tri thức về qui luật của vật chất và
sự vận động của vật chất, những qui luật của tự nhiên, xã hội, và tư duy.
Hệ thống tri thức này hình thành trong lịch sử và không ngừng phát triển
trên cơ sở thực tiễn xã hội.
II. Phân loại khoa học
Có nhiều hướng phân loại khoa học: theo nguồn gốc, theo mục đích
ứng dụng, theo mức độ khái quát, theo tính tương liên, theo cơ cấu hệ
thống tri thức, theo đối tượng nghiên cứu.
III. Nghiên cứu khoa học
Nghiên cứu khoa học là một hoạt động tìm kiếm, xem xét, điều tra,
hoặc thử nghiệm. Dựa trên những số liệu, tài liệu, kiến thức,… đạt được
từ các thí nghiệm nghiên cứu khoa học để phát hiện ra những cái mới về
bản chất sự vật, về thế giới tự nhiên và xã hội, và để sáng tạo phương
pháp và phương tiện kỹ thuật mới cao hơn, giá trị hơn.
4 | P a g e
Ứng dụng phương pháp luận sáng tạo khoa học trong tin học
B. PHƯƠNG PHÁP LUẬN SÁNG TẠO KHOA HỌC
I. Khái niệm
Phương pháp luận sáng tạo và đổi mới là phần ứng dụng của Khoa học
về sáng tạo, bao gồm hệ thống các phương pháp và các kĩ năng cụ thể
giúp nâng cao năng suất và hiệu quả, về lâu dài tiến tới điều khiển tư duy
sáng tạo của người sử dụng.

II. Những nội dung chính trong Phương Pháp Luận Sáng Tạo Và
Đổi Mới
1. Vấn đề khoa học
Vấn đề khoa học là câu hỏi đặt ra khi người nghiên cứu đứng trước
mâu thuẫn giữa tính hạn chế của tri thức khoa học hiện có với yêu cầu
phát triển tri thức đó ở trình độ cao hơn.
2. Phương pháp giải quyết vấn đề khoa học về phát minh, sáng chế
Có 40 thủ thuật (nguyên tắc) sáng tạo cơ bản:
1) Nguyên tắc phân nhỏ
2) Nguyên tắc “tách khỏi”
3) Nguyên tắc phẩm chất cục bộ
4) Nguyên tắc phản đối xứng
5) Nguyên tắc kết hợp
6) Nguyên tắc vạn năng
5 | P a g e
Ứng dụng phương pháp luận sáng tạo khoa học trong tin học
7) Nguyên tắc “chứa trong”
8) Nguyên tắc phản trọng lượng
9) Nguyên tắc gây ứng suất sơ bộ
10) Nguyên tắc thực hiện sơ bộ
11) Nguyên tắc dự phòng
12) Nguyên tắc đẳng thế
13) Nguyên tắc đảo ngược
14) Nguyên tắc cầu (tròn) hoá
15) Nguyên tắc linh động
16) Nguyên tắc giải “thiếu” hoặc “thừa”
17) Nguyên tắc chuyển sang chiều khác
18) Nguyên tắc sử dụng các dao động cơ học
19) Nguyên tắc tác động theo chu kỳ
20) Nguyên tắc liên tục tác động có ích

21) Nguyên tắc “vượt nhanh”
22) Nguyên tắc biến hại thành lợi
23) Nguyên tắc quan hệ phản hồi
24) Nguyên tắc sử dụng trung gian
25) Nguyên tắc tự phục vụ
26) Nguyên tắc sao chép (copy)
6 | P a g e
Ứng dụng phương pháp luận sáng tạo khoa học trong tin học
27) Nguyên tắc “rẻ” thay cho “đắt”
28) Thay thế sơ đồ cơ học
29) Sử dụng các kết cấu khí và lỏng
30) Sử dụng vỏ dẻo và màng mỏng
31) Sử dụng các vật liệu nhiều lỗ
32) Nguyên tắc thay đổi màu sắc
33) Nguyên tắc đồng nhất
34) Nguyên tắc phân hủy hoặc tái sinh các phần
35) Thay đổi các thông số hoá lý của đối tượng
36) Sử dụng chuyển pha
37) Sử dụng sự nở nhiệt
38) Sử dụng các chất oxy hoá mạnh
39) Thay đổi độ trợ
40) Sử dụng các vật liệu hợp thành (composite)
7 | P a g e
Ứng dụng phương pháp luận sáng tạo khoa học trong tin học
C. ÁP DỤNG MỘT SỐ THỦ THUẬT SÁNG TẠO CƠ BẢN
VÀO ỨNG DỤNG THỰC TẾ GIẢI QUYẾT VẤN ĐỀ TRONG
TIN HỌC – RÚT TRÍCH VÀ PHÂN TÍCH DỮ LIỆU
1. Đặt vấn đề:
Khi thương mại điện tử đang được sử dụng rộng rãi thì nhu cầu tìm kiếm
thông tin sản phẩm trên internet là nhu cầu không thể thiếu của người dùng. Tuy

nhiên các hệ thống tìm kiếm hiện nay hầu như chỉ dừng lại với những kết quả trả
về là các đường link liên quan đến từ khóa cần tìm, đôi khi còn có các thông tin
không liên quan đến nội dung cần tìm, người sử dụng phải mất thêm một khoảng
thời gian nữa chỉ để coi các thông tin liên quan đến sản phẩm cần tìm của mình
từ các đường link tìm kiếm được ở trên.
Vấn đề được đặt ra là ta phải xây dựng hệ thống như thế nào để giải
quyết vấn đề trên? Để giải quyết vấn đề này, ta cần xây dựng hệ thống rút trích
sao cho đáp ứng đầy đủ thông tin mà người dùng mong muốn- cụ thể ở đây là
hệ thống có thể tìm được những thông tin phản hồi (feedback) của các sản
phẩm và phân loại những feedback đó.
2. Hướng tiếp cận:
Có 2 cách tiếp cận để tìm kiếm các feedback trên hệ thống tìm kiếm.
- Tìm kiếm feedback dựa trên những trang website chỉ định trước.
- Tìm kiếm feedback dựa vào máy học.
8 | P a g e
Ứng dụng phương pháp luận sáng tạo khoa học trong tin học
Tuy nhiên cả hai phương pháp này đều có những nhược điểm riêng và tốc
độ xử lý cũng cần phải được quan tâm.
3. Cơ sở lý thuyết:
a. Phương pháp so sánh mẫu (template):
Hầu hết các trang web hiện nay đều là những trang web được thiết kế trên
các template có sẵn, đặc điểm của những trang cùng template là có cấu trúc
tương tự nhau, do đó việc tiến hành rút trích dữ liệu từ những trang web trên
chỉ cần so khớp với một template từ đó xác định khung trình bày chung và đi
đến rút trích ra nội dung nằm trong phần được xác định chứa nội dung chính
trên trang mẫu.
Để xác định được khung trình bày chung giữa một template và trang web
cần rút trích thông thường người ta hay phân tích cấu trúc 2 trang web thành
dạng cây đa phần đựa vào mã html.
Hình 2.1: ví dụ về một cây đa phân

9 | P a g e
Ứng dụng phương pháp luận sáng tạo khoa học trong tin học
Từ đó người rút trích sẽ dễ dàng xác định được nội dung của trang
template nằm tại Node nào trên cây và đối chiếu sang trang cần rút trích.
Phương pháp này không đòi hỏi người rút trích khả năng lập trình cao, dễ
dàng tiến hành tuy nhiên cấu trúc của các trang web là luôn luôn biến đổi nên
việc xác định các template mẫu phải luôn được cập nhật, đây là hạn chế lớn
nhất của phương pháp này.
b. Phân tích mã HTML:
Dựa trên việc phân tích và xử lý trên mã html source code của một trang
web, hoặc phân tích các html document ra HTML DOM Tree rồi dựa vào tree
này để lấy ra các dữ liệu cần thiết.
Html document là một tài liệu được định dạng theo mô hình cây dưới
dạng các tag, các dữ liệu đã được định dạng sẵn theo một mô hình chung .
Do đó khi phân tích cú pháp của một website cụ thể thì có thể tìm ra những
quy luật bóc tách dữ kiệu từ website đó.
10 | P a g e
Ứng dụng phương pháp luận sáng tạo khoa học trong tin học
Hình 2.2: ví dụ về một html dom tree
Khi rút trích dựa trên source code html người ta thường chú ý đến : css,
tag name, attributes…cùng với sử dụng các biểu thức chính quy (Regular
Expressions) từ đó người rút trích có thể xác định được vị trí nội dung cần lấy
tuy nhiên cách này đòi hỏi người rút trích phải am hiểu tốt về mã html.
Phương pháp phân tích mã html khá hiệu quả, ít có nội dung thừa tuy
nhiên mỗi website lại có định dạng khác nhau. Việc áp dụng phương pháp này
thành công trên mộtwebsite này không có nghĩa là thành công trên website
11 | P a g e
Ứng dụng phương pháp luận sáng tạo khoa học trong tin học
khác, phương pháp này đòi hỏi người rút trích phải có kiến thức nhất định về
mã html và kỷ thuật lập trình.

c. RSS:
RSS là một định dạng tập tin thuộc họ XML(eXtensible Markup Language)
dùng trong việc chia sẻ tin tức Web được dùng bởi nhiều website tin tức và
blog. Chữ viết tắt (theo tiếng Anh) dùng để chỉ các chuẩn sau:
• Rich Site Summary (RSS 0.91)
• RDF Site Summary (RSS 0.9 and 1.0)
• Really Simple Syndication (RSS 2.0.0)
Định dạng RSS cung cấp nội dung web và tóm lược nội dụng web cùng
với các liên kết đến phiên bản đầy đủ của nội dung tin đó, và các siêu-dữ-liệu
(meta-data) khác. Thông tin này được cung cấp dưới dạng một tập tin XML
12 | P a g e
RSS Icon
Ứng dụng phương pháp luận sáng tạo khoa học trong tin học
được gọi là một RSS feed, webfeed, RSS stream, hay RSS channel.

Hình 2.3 : ví dụ về cấu trúc rss
Cùng với việc hỗ trợ cung cấp chia sẻ thông tin, RSS cho phép những độc
giả thường xuyên của một website có thể theo dõi các cập nhật của site đó.
Vào giữa năm 2000, việc sử dụng RSS trở nên phổ biến.Nhờ vào RSS các
nhà cung cấp tin tức cho phép các website khác tổng hợp các bản tin, tiêu đề
dưới nhiều hình thức thỏa hiệp khác nhau. RSS ngày nay được dùng cho
13 | P a g e
Ứng dụng phương pháp luận sáng tạo khoa học trong tin học
nhiều mục dích bao gồm tiếp thị , báo cáo lỗi hay các hoạt động cập nhật, xuất
bản định kỳ…
Hình 2.4: Giao diện một website sử dụng rss
Cấu trúc của RSS thực chất là XML document vì vậy việc rút trích dữ liệu
từ các website có RSS sẽ đơn giản hơn rất nhiều so với trang web sử dụng
html thông thường, bởi vì xml là một cấu trúc chặt chẽ về mặt ngữ pháp.
d. Search Engine:

14 | P a g e
Ứng dụng phương pháp luận sáng tạo khoa học trong tin học
Search Engine là một thư viện thông tin khổng lồ về các website, cho
phép người sử dụng có thể tìm kiếm các website cần quan tâm theo 1 chủ đề
nào đó căn cứ vào các từ khóa mà người đó yêu cầu Search Engine tìm kiếm.
Trữ lượng thông tin của Search Engine thực chất là một cơ sở dữ liệu
(database) cực lớn. Search Engine phổ biến hiện nay là Google, Bing…
e. Thuật toán K-means:
Đây là thuật toán gom nhóm văn bản, dựa trên việc thực hiện vectơ hóa
các văn bản đầu vào, tính trọng tâm của các vectơ và tiến hành gom nhóm.
Để tiến hành vectơ hóa, các văn bản sẽ được thống kê dựa trên tần suất xuất
hiện của các từ trong văn bản, thông thường sau khi thống kê người ta chỉ lấy
một số từ có tần suất xuất hiện cao để tiến hành vectơ hóa.Ví dụ như văn
bản có khoảng 5000 từ được thống kê thì người ta thường lấy 1000 từ có tần
suất xuất hiện cao nhất.
Thuật toán tiến hành gom nhóm bằng cách cho ngẫu nhiên k vị trí trọng
tâm của mỗi nhóm(với k là số nhóm cần gom). Sau đó xác định các điểm gần
các trọng tâm nhất và gom lại thành nhóm. Tiến hành tính toán lại trọng tâm
của nhóm.Thuật toán sẽ kết thúc khi trọng tâm của các nhóm là không thay
đổi nhiều qua các lần gom nhóm.
Các bước của thuật toán:
Bước 1: Khởi tạo chọn k trọng tâm { } i= .
Bước 2: Tính khoảng cách
= { | || - || || - || Với = .
15 | P a g e
Ứng dụng phương pháp luận sáng tạo khoa học trong tin học
Bước 3: Cập nhật lại trọng tâm theo công thức
=
Bước 4: lặp lại các bước 2 và 3 cho tới khi không có sự thay đổi trọng
tâm của các nhóm.

Ví dụ minh họa:
Đối tượng Thuộc tính 1(X) Thuộc tính 2 (Y)
A 1 1
B 2 1
C 4 3
D 5 4
Yêu cầu gom nhóm các đối tượng với k=2.Mỗi đối tượng có 2 thuộc tính
(X,Y)
Khởi tạo:
Giả sử ta chọn A , B là các trọng tâm ban đầu , khi đó c
1
=(1,1); c
2
=(2,1)
Bước 2 : tính khoảng cách giữa các trọng tâm đến các đối tượng khác.

16 | P a g e
=> C thuộc nhóm 2
Ứng dụng phương pháp luận sáng tạo khoa học trong tin học

Bước 3 : cập nhật lại trọng tâm
Trọng tâm nhóm 1 c
1
=(1,1)
Trọng tâm nhóm 2 c
2
(x,y)= ( )=(13/3,10/3)
Bước 4 :
• lặp lại bước 2 : tính khoảng cách
S(A,c

1
)=0 < S(A,c
2
)=9.89=> A thuộc nhóm 1
S(B,c
1
)=1 < S(B,c
2
)=5.56=>B thuộc nhóm 1
S(C,c
1
)=13 > S(C,c
2
)=0.22=> C thuộc nhóm 2
S(D,c
1
)=25 > S(D,c
2
)=3.56=>D thuộc nhóm 2
• lặp lại bước 3 : cập nhật trọng tâm
c
1
=(3/2,1) và c
2
=(9/2,7/2)
• lặp lại bước 2: tính khoảng cách
S(A,c
1
)=0.25 < S(A,c
2

)=18.5=> A thuộc nhóm 1
S(B,c
1
)=0.25 < S(B,c
2
)=12.5=>B thuộc nhóm 1
S(C,c
1
)=10.25 > S(C,c
2
)=0.5=> C thuộc nhóm 2
S(D,c
1
)=21.25 > S(D,c
2
)=0.5=>D thuộc nhóm 2
• lặp lại bước 3: cập nhật trọng tâm
17 | P a g e
=> D thuộc nhóm 2
Ứng dụng phương pháp luận sáng tạo khoa học trong tin học
c
1
=(3/2,1) và c
2
=(9/2,7/2)
 thuật toán kết thúc.
4. Áp dụng nguyên tắc sáng tạo:
- Nguyên tắc sử dụng trung gian: sử dụng các cơ sở dữ liệu trung gian chứa các tên sản
phẩm đã tìm được để dựa trên đó tìm kiếm và phân tích feedback.
- Nguyên tắc phân nhỏ: bài toán tìm kiếm feedback sẽ được phân nhỏ thành nhiều bài

toán nhỏ như: rút trích dữ liệu, tìm kiếm dữ liệu, phân tích dữ liệu
- Nguyên tắc sao chép: sử dụng thuật toán Kmean có sẵn để phân chia dữ liệu và gom
nhóm.
- Nguyên tắc linh động: sử dụng nhiều nguồn trang web tìm kiếm và danh mục sản phẩm
khác nhau.
5. Các bài toán cần thực hiện
a. Bài toán xây dựng cây danh mục sản phẩm:
- Mục đích bài toán: hệ thống tên sản phẩm theo loại sản phẩm và nhà sản
xuất, bài toán chỉ dừng lại ở mức độ lấy tên model của từng loại sản phẩm mà
không đi vào thông tin chi tiết của từng sản phẩm.
18 | P a g e
Ứng dụng phương pháp luận sáng tạo khoa học trong tin học
Hình 3.1: mô tả cây danh mục sản phẩm
- Có rất nhiều cách để thực hiện cây danh mục sản phẩm này ví dụ như rút
trích dữ liệu từ các website , thống kê trực tiếp hoặc dùng xử lý ngôn ngữ tự
nhiên để xác định tên sản phẩm và hảng sản xuất…tuy nhiên do yêu cầu bài
toán là khá đơn giản nên việc lựa chọn một phương pháp nhanh và hiệu quả là
điều cần xem xét đến.
- Phương pháp rút trích dữ liệu từ các website trong trường hợp này được
xem là hiệu quả, tuy nhiên vẫn có vấn đề gặp phải đó là mức độ thông tin các
19 | P a g e
Ứng dụng phương pháp luận sáng tạo khoa học trong tin học
trang web cần lấy có đáp ứng được yêu cầu bài toán? Nếu lấy dữ liệu trên
nhiều website thì làm sao xử lý thông tin trùng khi mỗi website có những định
dạng hiển thị dữ liệu khác nhau.
- Để giải quyết vấn đề xử lý thông tin trùng thì rất phức tạp ,do đó việc chọn
một website có lượng thông tin tương đối đầy đủ là một giải pháp có thể tạm
chấp nhận được, ở đây thực hiện rút trích dữ liệu từ trang web mua bán trực
tuyến www.vatgia.com dựa trên công cụ search của chính trang này. Tuy nhiên
do đây là cách lấy dữ liệu bằng phương pháp phân tích mã html nên chỉ có tác

dụng trong thời điểm hiện tại và chương trình có thể sẽ không hoạt động được
khi website thay đổi source code.
- Khi search với từ khóa sony vaio ta thấy url trên thanh address như sau:
/>&keyword=sony+vaio&keyword_reject=&price=0&price_to=0&iCat=317&module
=product&page=1 trong đoạn url này ta chỉ cần chú ý đến 2 vị trí là
keyword=sony+vaio và page=1trong đó sony+vaio chính là từ khóa mà ta truyền
vào và page=1 sẻ hiển thị trang 1 trong kết quả search được. Như vậy, rõ ràng
ta chỉ cần truyền biến vào 2 vị trí này là có thể lấy được các kết quả từ các từ
khóa mong muốn. Vấn đề bây giờ là ta tải các kết quả search được này và tách
ra dữ liệu mong muốn.
20 | P a g e
Ứng dụng phương pháp luận sáng tạo khoa học trong tin học
- Ta để ý thấy trong mã html thì tên sản phẩm được trình bày trong tag <div
class="name"> .
- Do đó , chỉ cần split thông tin trong tag <div class="name"> thì sẽ cho ta
thông tin tên sản phẩm.
21 | P a g e
Ứng dụng phương pháp luận sáng tạo khoa học trong tin học

Hình 3.2: demo rút trích thông tin sản phẩm từ vatgia.com
b. Search Engine Association(Google):
- Hiện nay, Google vẫn là lựa cho số một cho rất nhiều người trên thế giới
để tìm kiếm. Ngoài ra Google còn cho phép người dùng sử dụng chức năng
Google API để nhúng vào một trang web bất kỳ hổ trợ cho việc search thông tin.
22 | P a g e
Ứng dụng phương pháp luận sáng tạo khoa học trong tin học
Tuy nhiên khi sử dụng Google API kết quả trả về chỉ được tối đa 8 trang và mỗi
trang chỉ được 8 kết quả tìm kiếm.
- Một khó khăn nữa khi sử dụng search engine của Google đó là bị giới
hạn số lần truy vấn. Đối với người dùng search ít truy vấn thì không vấn đề gì

nhưng đối với những công cụ sử dụng search engine của google để tìm kiếm dữ
liệu tự động và cần lượng kết quả truy vấn là khá lớn thì ngay lập tức bị chặn
capture char, ý tưởng hạn chế capture char được đưa ra trong trường hợp này
là thực hiện từng truy vấn cách nhau trong một khoảng thời gian nhất định.
- Cũng với cách phân tích url tương tự như bài toán xây dựng cây danh
mục sản phẩm ta có thể dễ dàng có được các kết quả truy vấn. Đoạn URL khi
earch từ khóa sony vaio: />num=10s&q=sony+vaio&ie=utf-8&oe=utf-8
- Trong đó &q=Sony+VAIO chính là từ khóa tìm kiếm mà ta cần tìm và
num=50 là số kết quả hiển thị trên một trang. Từ đó ta có thể dễ dàng truyền
tham số vào 2 vị trí này và có thể lấy các kết quả trả về của truy vấn.
- Xem source code của trang vừa tìm kiếm ta thấy có dạng như sau:
- Trong đó ta chỉ cần chú ý đến chuỗi <li class=g><h3 class=\"r\"><a
href=\"http:// và sau đó là địa chỉ url của trang web kết quả và công việc còn lại là
tiến hành lấy các url đó .
23 | P a g e
Ứng dụng phương pháp luận sáng tạo khoa học trong tin học
Hình 3.3: demo search engine ứng dụng từ google search.
- Một điều cần chú ý nữa đó là Google cho phép chúng ta tìm kiếm kết quả
trên một website nhất định bằng từ khóa site:địa chỉ website & key_words. Việc
giới hạn tìm kiếm trên website sẽ giúp ta có thể lấy toàn bộ thông tin trên các kết
quả trả về một cách tự động mà không cần phải chú ý đến cấu trúc của toàn bộ
các kết quả, ý tưởng này được áp dụng cho bài toán sẽ trình bày trong phần
sau.
c. Lấy và phân loại feedback:
- Việc làm cho máy có thể hiểu và nhận biết được rằng đâu là một
feedback trên một website là điều không dễ để thực hiện, sử dụng máy học để
cho máy có thể tự động nhận biết feedback và lấy về các feedback đó là phương
án được nghĩ tới, tuy nhiên nó cũng còn nhiều vấn đề như là dữ liệu để máy học
như thế nào, độ chính xác bao nhiêu… Ngoài ra chúng ta có thể lấy feedback từ
những trang chỉ định trước, phương án này khá đơn giản, chủ yếu là thực hiện

24 | P a g e
Ứng dụng phương pháp luận sáng tạo khoa học trong tin học
rút trích dữ liệu trên các trang đó, các bước thực hiện khá đơn giản tuy nhiên lại
không cho kết quả tổng quát do chỉ xét trên một số website nhất định.
d. Lấy feedback từ website chỉ định trước:
Phương pháp thực hiện lấy feedback từ các website chỉ định trước đơn giản
chỉ là xác định cấu trúc các trang và tiến hành rút trích dữ liệu như đã nói ở trên.
Để kết quả có tính tương đối thì rút trích càng nhiều website trên nhiều lĩnh
vực càng tốt. Lợi dụng cách search trên site của Google mà ta có thể dễ dàng
xác định các trang có liên quan đến thông tin vật phẩm cần tìm trong trang chỉ
định.
Như vậy, lấy thông tin từ những trang dã chỉ định trước đồng nghĩa với việc
chúng ta coi như đã biết cấu trúc của các trang đó và để dễ dàng trong tiếp cận
chúng ta sẽ xem xét một vài website cụ thể.
Phương pháp chung để lấy các feedback từ các website là sử dụng chức
năng search engine để tìm kiếm các đường dẫn url liên quan đến thông tin cần
tìm, do đã chỉ định website cần tìm kiếm nên cấu trúc các trang tìm được đều
giống nhau cho nên chỉ cần phân tích cấu trúc của một trang ta có thể áp dụng
cho toàn bộ các trang còn lại. Các feedback trên từng trang được trình bày ở
nhiểu hình thức khác nhau, có thể là hình thức giới thiệu tính năng, đánh giá sản
phẩm hoặc là các phản hồi của người sử dụng sản phẩm.
Như đã nói ở phần trước Google engine cung cấp cho ta chức năng search
nâng cao trên website với các từ khóa đặc biệt giúp ta có thể dễ dàng tiếp cận
nhanh với thông tin cần tìm kiếm. Đặc biệt với 2 từ khóa:
 inurl : key_word cho phép ta tìm các kết quả có key_word trong
đường dẫn url của website.
25 | P a g e