Tải bản đầy đủ (.doc) (42 trang)

xây dựng thử chương trình tách thuật ngữ tiếng việt theo phương pháp cổ điển

Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (375.5 KB, 42 trang )

Website: Email : Tel ( : 0918.775.368
MỤC LỤC

: !""#$%!
&'()*+(,,-(,,./0
12)232,245#
26789:"
22;<=>?@!
ABCDE!
ABFC>*EG!
ABFC>HIDEG
J&KBLMHIDENOG
ABCLMHI
BP;EBLMHIJ
QRSET9UL8V9:J
)I>WLXKL8V9:J
JQYZ[KYLCVBN\E]$
J^P;EBL?_>?@9`*NG0
$&KB>WaE2bNNNc2dG#
ABC>WaE#
BP;EB>WaE"
BP;EB>e"
af&"
JafgaEEc;hNchQG
JBP;EBYNi>CLM+2cGJJ
JAj>WME(;cN(>NNgGJ$
0k]aESLiHI@E+J"
222BEIBBSEhDE$
67NPEVHI@EhC$
B9;`V@EhC$
@EK979UV@E$


@EKEBN`EFL$
J@EKEBN`EFEl$
$@EKEBN`EFB$
JTKB979UVT$
JTK9;`m89U97L>$
JJTnElKoK8>Mp9`$
$L>KB979UVL>$
$L>n=ElKo$
$JL>n8>M9ME$
BP;ECEFBV@EC$J
NEM8>MT$J
JNEM8>ML>$J
T@EC$$
T9;cTEq$$
JTM$$
$*ZET8>MEF$0
L>@EC$#
L>9;$#
JL>Eq$%
JL>EqEE$%
JJL>Eq_>M$%
J$BKrL>$%
B979UiIKHI@EhC$"
JBEIBs9BEBC>_>Is9:NEIBLiHI@E
hC$"
&KBLMHI@EhC$"
&KB>WaETHI@EhC$!
2htL?YERP;ENfB>WEF@EhCP;EBp
9U$
P;ENfKKB9P[EI_>?@$

JA@_>IM?P;ENf$
u2245,+A,'.0
^,0
BaE:BB0
BM?P;ENf0
J
v62w(,5x()y0J
$
BẢNG DANH MỤC HÌNH HOẠ
,fkiS:L?_>?@9`
,fJaf>WaE>e
,f$6z`U>{Bc;VKB

K

,f06z`U>{_>CEFN>?8_>N?GKBKC>*s*J
,f#ME;cNBR+(*GKBR.dG
,f%ME;cNXXeBR(.d
,f"afU>{ME;cN
,f!MaESD+?
,f MaESD+?|EN}2NDNN
0
LỜI GIỚI THIỆU
(EK??s;<FC>9~N<KkrgaEU@>VD~kK
EP•NEgoE>?}aEK?sBaE9P[P>NFKDR=C>_>Ir>
@KaE_>;<FC>Q>Er#HBNUs;<FC>9~nFEPX
@aZE_>N\ENE`RaEECaETaf;<FC>
_>C9:D>8TFEH%sB€ESEaEECaE9~Y
Y@CP>NFFC>N<KP>NFaEaE_>BaES_>I=K
DR=;<FC>(EK??s>r>P>NFKDR=aEn7<g•\;

‚8€kp€KsX8gƒkaf?_>?aK„E9:>nFE
>r>:P>NFKgBaEABCaE<9L?EzIaE
:kMVp€KaE:aNP•EKp€M9kE
hCE}€>=>?@:;<F}>9~N<KkEKg\€E
SE*FE@kP[WNEE}€>=>?@„EPK97Y@sB
C_>IN`;<FC>9~N<K:IEsKr]?@>NEM9kEVBp
€(•|EKBp€M9kEC>_>I;hC€ESE;<FC>9~
E|KEIN8:>aE€9kEVEP•K•9nC>>89kE
V\;,C_>IN`;<FC>EK??gaE…9;>roKk;
8>qP>NF]C>K…g†9nKBaESsCi?BP;E
B>W9U>?U9p]C>KaEW8IBaESEP•ZE
BNU7BK>E8r:>EN9USSS9iM
9kEVp€s9P[]P>FE?}>r>ECSVp€9P[E\KB
€ESE‡N[DR=BEC;FsgB>r>RSEaE<€
8;9U‡N[B>r>LiVBK~9MsBKW@P[
NEkp€skM€ESEXN9•SSBS9iK?X}
E\ˆCLiKDR=NY>?@‰‚B€ESEK?saE9P[P>NFsDR=
Kg@D>8BS9iSUPXMEPXEV9:(•BaE<ME
K?KBLisBK~nU9PNB_>?@9`M9kEkBC>
_>I8
ABafFC>BNU<€9k;sBaEP>NFPX
MEFC>E|9ME;sEP•WN…N8:>N€…:e
NEFC>KB€LiNPX9ngaEBCN=V89:K?K
BLiNPX9noXPXES9iSUVEP•BS9iK?
K]9`KBLiK?KKEP•9PNNEKISU
ABaEIBaNP•E?9pfEP•gaEWN9U9:>
oBLiK9PNBLiXBN€9nnUKPXEg
sBYB`NP•Es„EnUK]_>CEFBNP•E?k>E
FC>KEP•gaEf>EN9P[g@KafBBC]E
hf@sEKE}€>:^BCN€NE;<FC>AE*N?

*GN9•XKBABFC>*EGKN>ELE}
€>BPP<EE}€>KB>WB:Ni>CLMK,C>?}E9~
9P[BSEK>9P[FEg@_>IN8_>N\EPL?_>?@9`sME;c
N
,r>@B>WBE}€>*EKWN>EN}BE>z]
C>n8>N|N>>NG(PErXaEK|EP>NFKN
#
9pŠEEK?M9P[P>NFPXBMEFC>B8>N|cN>>NG
78>N|cN>>NGhiSPNEBKD>8IsC]EB
NEN}ksWBaEHsE8?•sBBsPi9CRNEk
aE?WinUW8?NŠENEkC_>IN`;<FC>;KF
C>9P[P>NFn8>N|GfFC>gU>D‹@kŒC*9nk
89:97NKK@K9UnUfg@KgBN€TE>zFC>P
W?Bgj>W9UEI_>?@89:K?9P[E\Kgj>W•DE•?A
BFC>HI&KBABFC>HIgaEoWN>EKk?
knBaE9P[P>NFPXMEHIs89:97NKK@Kn
UAB9P[BaE`RsT_>Bg€PXEY9BP;E(FE
N€P<ENTEPaiNE_>Bg€PEnU9P[BC9URSE
BS9i>K?
k]KB_>N\ENEABFC>HI?9P[Dq9@PK
BKBˆDb‰sˆDQ>NO‰sKˆDENO‰
N}@EX9~nN8:>KaENE9:KLXHIPB
E}€>V~E2&sNEB…EiEC<2?<BCE}€>
VBNP•E9M\<js^Bs(W&Is>?}sBKaE9nV
?@>WN>EK89:E}€>:BHI@E+s@E^B(FEEa
EFK?KBEaEFP;E9]>W[gDR=
,C?sPnkaESK9P[KC>_>INElYgB
HI@EhC(:aEECaEVPX9P[BNU@€M
Ž*>r>kWs>r>BNUg@sHBst~kEK?KEHEsB
aE9P[DR=aE_>HI9CRs_>s_>BNUX]9k

nE7T9ns>r>E}€>KDL?YEBaESABFC>HI
@EhC9E9P[@€N\E
NE9:KYWK?sDNfK?BE}€>pE_>V:
DEKB€ESEVn:K
S9iV9:KKPXEXBNUBaESLM
HI@EhC<BE}€>>NE9:K>WH]EC
DLKI;r?(E>?{(E\&f9~E|N8:>NE_>B
NfPXE‹E}€>:9:KDI;P>+>89~E|
k]9`PXENE_>BNfE}€>9:K
%
I. Đặt vấn đề
(P|E9~@sr>@BaE9P[N9pC?ŠPXME
KC>HIBaE9nnUKBKBsBKC>gsBaE
g@sBKE}€>g\*ZBSE;<FC>KNEM9kE
Vp€KN8p@K9M:>[igP>NFKDR=sPEgaE
U_>}9P[NŠE…N8:>MEaEgB9P[P>NFPXMEHI
WiE?INEBaE9P[P>NEB;<FC>frXNE
]|E„E9P[p€PXMEHI,C?sBp€9~BSEaE
ECaEK_>I=C]EaEHE8?•siSBC]ERSE>
(>?}9noYYKB_>I=>zEFC>HIs>E8BaE
Sg€s…FC>‹YYŠPXMEHI|EPnBEI
>WLMsfg@KC>sBaESNi\aEŠS9i]Eg}s
BCN€sN_>?@9`NY@N}BE>zFC>gU>K?
hXY@9ns89:97NKK@K|EnUgB9P[FE
aEF>iTBE>zKC>HIn>EBE>zFC>K?I
9P[DR=P@K9UEP•ZEnUnFEaESY9kEBN[E|
NECBCN€KgBaEd•NKEs|EIU>N•I
8VFC>HIsU>N•B97NPEVBFC>MK?9UnUn9P[
FEP;EB>Wr@
hCgBaETBE>zFC>HINEBp€hC(

••IYKFEg@_>IE}€>:HIn>Es:FC>H
IKBgj>WDR=9~9P[BNUN}@EX>?}sFEHI@E
hCMnFE97NPEN}EVnnUW8?9P[E?YgBC:
7giBs|BKEFB@EhCNEBHIXBEaEFp
@N}@EXP@E+s@E^BhW?fFE97NPEK?IP<E@
K9@Bgj>WgBFC>HIsrInFEg=>WXK9U
nUWSE9P[FEP>@V@EhC„EPEI_>?@9P[FE€
MNE@EhC
6UNI•9P[FEL>mK?s9zBŽ9TFEPXE}€>:A
BFC>HIsfU>FE97NPEV@EhCsT9n9:NP;EPXE
E|EI_>?@KBLMHI@EhC€M<BE}€>;
Bg@_>IVE}€>NE9:KYWK?ŽKPEPX@9r>}
>WH]ECVX9:K

"
II. Cơ sở lý thuyết
1. Khái niệm Text Mining
 !"#$%&
hCRSE;<FC>KM9kEVkp€9~9P[BNUNE
…E%HN<M9L?hXFC>9P[>WNE>]_>BNfM9kEV
kp€sk>r>9P[97NKfg@KgBN€TFEFC>
9n6niKD>8B9UVKB^BCN€T;<FC>(EP•
W8?NŠEnN8:>N€K|EgaEP•ENPX9E…:e
NEFC>sCSV|EKBCsgBBBN€9nsSS
FE>r>RSEaE;siSPNEBC>?}E?C‡
N[_>?@9`
ABFC>KE9MV?@>V_>BNf^BCN€T;<F
C>•>BNfgBN€9P[YC>B_>BNf>WK\F
C>snElKofB‹>N€NGn=ElN}WFC>n?\E
€gaEIKN}KkQ*PBP;EB]Eg}NPX9L?

hfW?gBFC>EzCK
7Z‹>fnU
f9P[T8gfkQ*KPEoFE‹>Z[XS9ifg@
X9P[E\KN€ŽnFEK]9U9BEBB}>i‹>P 
 !"##$%
6kXV‹>fS>kKg>EM_>?@>snU9]XC
]E79]XEP•ZEhiSXFC>VkaE?s_>BNfABF
C>fN9P[k>WP[€>9P[EIKZ><ZEi&•s9]
XC]EfN8XsNPXgP:nPE8€kBkWg@MK
„EWN9P[9:>K?_>BBBKi
iF>SEV‹>nU99P[_>Y}_>9@S9ifg@
hXkBkSNBINfB?i<aE?f>WN}gaEnEBN`s7Z
KX9]X
nU_>aE9MgBN€nN8:>‹>9P[8?NPEgaE
I‹>K„EnEBN`snUKXsF>iPEMrP•Es97CKg
BSEBgj>WYN}]Eg}*9n>aInB}>iKBK9B
B‹>9BEDDqsgaErP•E
nMsABFC>YNnUKk_>BNfDB9`‹>TB
*N>sRSEBgj>W‘nP\B?sWMEs]Eg}sL
MKBgj>W9P[BNU<EKE}€>Ni>CLMPME;c
!
NLM>NNgGsB>WBN>?:ENENGs_>?M>W
N>N>G
nUDq9@k]KBi9]XE}€>:ABFC>
c bGfkBDMLMGTk‹>F
C>KkNEBXNPX
c  NENGfkBDMz_>?Tk‹>FC>K
k@Y9BnEBN`Y
c !">NEGKCaI>E9UfNBWDB9`
F>MBn?BM9UaIFC>

c #$%>NOGKC9fg@kaI>En•
kWFC>
 !"#'()%&
ABFC>HI?BCN€TB;<FC>HID>
G9:W9@@NfNi\B‹>faENG?N€
gEG9BE_>L7nEBN`cNGTBKC>HI8>
N|•>BNfK?nU9P[KC<NkEgj>WABFC>N>?:
]EsfP|E9~8?9~9P[9:W<N}Ggj>WABFC>N>?:
]E*EGPXEXCBCN€TB;<FC>n8>N|
aE9P[P>NFPXMEE>?};8iKHIWin
U8?NŠEFC>zMPXMEHI…ng]P[EX;N8:>
XBFC>n8>N|gBY@sFEE}€>Er9L?9~8?NŠEn
9@!’aEVkp€ŠPXMEHI6nnUKBaEH
E8?•sBU>‹>9:>NsB@>97KEsB?}>r>g@>MsEI_>?@
_>?:[sBPi9CRGsBaEN}BP;EMA
BE}€>:;<FC>N9•KFEH%sEP•P<ENŠEnUP>
\MaEPXMEFC>n8>N|(PEN}Y@>Er#HB
NUsEP•‹ZEBC]EP>NF<MEHIKWNi…nD>PXE
ZEP•ED>?};T9nEP•nUNŠEBIeABFC>
HInUnEBN`P;EM;N8:>rXBIeAB
FC>N>?:]EgB>?}„EnU8?E?NŠEBgj>WAB
FC>HI€M;:>XBgj>WABFC>N>?:]E<
fIYCN}FC>HI]9~<ME8>N|Kni•b>OO?G
kiSKBgBFC>HIsgLiBKBE}
€>g\snBaE>
c ˆNKkC}_>9@9>9r>‰
c ˆND>8CnU@>E}NEB>‰
c ˆDnUEHIk]€E9>9r>‰
c ˆE}KkE>?}]9:>KDY}NEB>‰


Q>gLiBaE_>N\EK?sC]ErI9PNB>?
>LSUEiBME
c ˆ@>SE}nUEL?Nk]C9>9r>‰
d•NKE<9L?nYLi>?>W<€9k6U9M9P[gKHEP
W?rInFEaENfE}€>:Ni>CLM}@;
&KBABFC>HIKkKBE}€>9lYsEz
N8 :> gj >W „E P B PXE E} €> gB > > W aE 
bNNNGsLiHID?Gs@D>8aEbN
DNGsW9M>NEGsLMHIENOGsU`NY_>
>OGsaEEC;<FC>s\B?NEGKILBgj
>WABFC>
NE9:KK?V?@>9:W9@KBSUs9nKKB
       D  ENOG  K  K  B        bN
NNGBE}€>XoTEM<PXfU>sgIBsBK:9:
BE}€>SU>K?KS9iNPX•KSS>WH]
EC
hXkC]EABHIP•EEzPXi
c &PX:DR=‚PXK?sC]EŽ>?UHITME8>
N|:MEn8>N|hiSsXHI&#'(' )"*C]E
Ž]E•ELiK&#'('+ ++)",BT9P[P>N}ENŽ
kBn8>N|9UCCDR=
c MmBaEgaEr@‚PXK?skLifB
MmBaEaiTHI&PXK?S>kN8:>K
EaEF9E9P[LiKgj>WŽ9P[ZE9ULim
PX@hiSs@>gj>WLiHIoYKDBD>8
D>8CTgBsg9nnUMmBTSP%s-s%
.s. “
c ABFC>9~9P[EIP[XBgj>WgBFC>
EGN>?:]E
nN8:>gj>WKP;EB]9P[RSEDE9UfN

Bg@N|XsB‹>XsKB}g@XBPX:DR=KBgj>W
N8€MŠLikLX97CKB>ki97Cs>9n
@KBSEBP;EBgBFC>g9U€KLi]Eg}
KLiB}g@BPX…MŽgBIHI9r?9VTWBH
IsiSPLXHI
S}>>]ZEVDEP•EK9P•E]C>_>IsKCsK
97NPE9UNf{Kfg@BW[NkEXVBHI*9nsBgj
>WiVDEnU9P[LLNKBCSK|EY
CgDR=gBHIMaEK|EnUNiNKMLi
9P[YC<|E

BMaE9P[NiNnUK
c &'()IRs9P[}g@X‡HIKWB~B
BgBN€9P[YCN}B~V‡HI(n
>EsnUEIRNŠEB~P;E€EXBTgBs‡kT
gBn_>CXkV9:SUK9n
c &(‚9L?EIRNŠEkHI9P[EB~XTETD>8
CNEHI9n
c &)!(‚9L?X‡HIf8?B>‡Ts>‡T9n
>k:klYK9nK9nCfgBHI9P[
YCN}BgC9P[EB~‡HI”>9U
VP;EBK?KB>WEF9P[BNiKnD>PXEW
N>EKBaE_>N\EVHI;P;EBNPX
9L?
BMg@[
c *!"+!(k]>WBNPX9L?EIRNŠEFC>
E>?}‹>9P[MW|L9UN[E|Bgj>WDR=Ea
EFY}B8>N|n|‹N}Y@nU9P[RSE
Pk;<CDR=gBN€
c &,-)!(‚9L?‡HI9P[9iXB>WEF

8?NTkL8B>WEFQ>9nskC]EŽLiY
L]k>EVB>WEFW>>CVTE>WEFC_>
9@BW>>CgBBL]}g@KBq9gBŠ
gBB_>CXEF|EM}g@K?nU„E9P[
RSE9U\KpE[V9:VB€
c *./01234(AaEE]EPM}g@aEP•E
YCBZ_>BEN}B|‹VHIsgj>WK?R
SE[@VkSEE>?}‹>VBHIAj>WK?9P[
E\KˆNiHIE>?}‹>‰
2. Bài toán phân loại văn bản (Text categorization)
*
^LMHIDENOGKDR=nBKC>KBX
gB>?BLnENG6L?KkBSLX}_>9@C
N_>?@9`DR=hX‡DR=Lnsg9PNkKC>sk_>?@9`
9P[9PNnn>kkXK?gaE(@>n>kkLXK9nf
IoNLXKn>kKhiSs9PNkV9::UsrI9P
N_>?@9`NŠEV9:9n>kBLX'/0*12*'1*34?
8€kaUKgBBC]ELMHIP•EKCX
k56'NEENG>WB9n9P[>E8kW‹>9U
SSCM?\W‹>K?EzkWBYUnEB~9P[
LXNPXnMEDs?G<9nDKYU9P[LXs?K~?LXG
9P[EBnhX;8>;<PW?sgkYU9P[>E8C
]EsnŽ]E•E>?NkKB\TW9KM‹>KBDMYUX

9nKkLX^LXHIKKB?K9EnFEPXBNU
@€_>N\EKE>?}LV?@>YBNUMŽEr9L?VB
aEE>?}NY>?@
+
,  /0123415
kP;EB]Eg}LXHI9P[9:>gU<kT9UV

9:nL89P[9:D>8^P;EBK?RSEkT9UXk8>N|9;
EIT9UK?nUM?9P[{KEN}kW[KC>9P[LXŠE
?KnU`9P[Y9kEE:>EaEFgB>
|EDDqCSLMHI<V9:VKC>iSsk]
KC>:FE9kEWsKk]gBn:89:aEEC|EEIR
NŠEBV9:KXPE]9`)I>WV|EgaE>9P[
FEV9:TLVKC>PE?K9nsn}CKC>XkNE
FEV9:9P[Cg}NET9UC]EA@_>IKq9:rNHGY
P;E€EVKC>X‡TEV9:n‘
nk8:D>8CK9k]P>s?9k[=s9k@LMP
W?hiSsgLM€N}NXkEP•9\ˆfP•E‰sFE
LMPBK9kEW7EKaEECfgBZ[sNEgL
XBV9::9kEW\E]EPk>]T9UPW?Ž9PNkL>
NI•>E>ENŠE8IBV9:9n9:>n:9kEW,?nBgBsX
kEP•9\€N}NfP•EsWgaEi[ZE9ULM
FEKC>XFEV9:@;PFE9kEWn|s9kEWn
DP;E]Es9kEWLC
NEKE}€>K?s|EŽK>W:8>N|VT9UV9:sB
\YKBRSEBN\E]VB|N}E•NEL8sKk]gi
Y@:C}M9UV9:
,,,7'8'9:;
NEKE}€>VBBEI)>OBK+NKH "K !s
aE9:D>8CRSEkT9UnL89UDB9`FE9:KiV
kKC>–—h:7gj>WsT9UEzrBnTgn9MC
BV9:N}ECsKkU>{L8VBV9:K?
knTgnKkBBT7BU>€}_>9@f
NME@><}VV9:hiSsV9:aEBCg}BTPK•s
r?>s@sgBsr>E>?CsEP•KP;Es“|=NŠEFETK?
gaE9P[}g@X9r>SaEB?}g@X><8gƒ_>CEF
El}>>eKPgU>srs“

L?V9:9P[p€KkL8s?n>EKp€Kk
MEg9nk]V9:nU>kkK|VL?L8G
)I>Wfg@V9:N}T9U„EEznrfg@V9:9;
V9:BGKYN>?:N\E]VV9:N}L?Y@snNI•sL>m
>X€9kKfKC>K?ŽZXV9:9~˜kL>mPW?9P[
J
NI•‡V9:N}ECNENP•E[9;EI8sN\E]VkV
9:K]r>8GBTP;E€EsNEBTs9P[f8?NEKC>–—
^r€VEI>WnNBCN>?:Br>8f8?N}L?
–—hXrEI>WK?s|EnUoNNŠEkKC>9:W9@V:
FE9kEWn|sFE9kEWL:sFE9kEWEBB<|BsZ
[XV9::FE9kEWsBW]EKY}gaE<|B
,,,<5=2>5'90''?6>@
?fBBT9;EIsk]N\E]nU9P[RSE<EI
>W9U9`ElGq99`P[EYZ[VBTXBV9:KJG
9€_>N\EVB|V>kL?L8–—
MN\E]9r>}s|EE\KBN\E]YZ[sn}CXB
}g@EFBTKBV9:KB}g@EFB|N}L?hiSs@>KC>
9:W9@Tˆ4'%A0$BCfn9En:aaKZ[BTD4'%
A0$BC7DCFEV9::aas9kMNEB_>CK?P
@K˜h:NYEBs9nEEnVTD4'%A0$BCKV9:aaX;Y9nE
EnVTDC™PW?s]}g@EFˆCKV9:aa9P[EB
kN\E]m;
nU8?NŠEsN\E]

g

Vk}g@PW?EFkTgKkV
9:šs?EFkV9:gKV9:šVnN}L?GnU9P[9`ElP
9k Z [  N>E f   V  9:V  FE  K  C> 9P[  9P  N€  T  K?





=

$


$

E

E
$

?
F
–—‚9L?qipE9P[YC8IBKC>n‘*s
E

?
K
q9YZ[VKC>XV9:šsK
$


K]rD>8CVT?V9:
gNEKC>
AaE?s|EgaEKM8€EI>W9BEW?K9UfN

q99kZ[
E

?
VBKC>BlYkB9kW?K9ns
kq9PW?9P[9BEBŠE?<>?}EsK>9nC]E9P[
>8>?CN}[BKC>B>?}EnUIP•ED>?}EBFE
N\E]i[ŠE?BKC>
IB@WK??}>r>NŠE9P[KHE?6UNB9:>9nsXk
qBEr9|EsXFE9:K9V›snUEI@NŠEFEHIN}:
V9:K?ErPgaEE•D>8CNEFEHIaEP•EA9n
U>€VBN\E]nU9P[9;EIn


=

$

E
$

F

–—
œ}>r>iM€VBN\E]cYLCBN\E]cKgI
HELCEF|EkV9:rIP;E€EXkW9BEgUG
FEKC>7gBsFEV9:KP;E€EXErP8IBKC>NE
;<FC>f|EKaif|EgaEq9PN8gƒg@>WZ[
KXBKC>P;E€E
$

(PW?sN\E]
E
F
Vk|šN}L?nU9P[9BEBP9k@9p
V9kZ[F
E
V9:_>FEKC>NE;<FC>kB9;EI9U
iBkgIHELCK9nkBN•NM


−=

E

E
G?F
J
G
s<9n


=

E

?G 
KEBN`N>EfV
E

?

_>;<FC>C•*sK
E

?
9P[DB
9`<EI>WK?KgaEi9@EBN`F
E
NEk?}>r>iDB;s=
>?@aEnU9P[BSEqiBN\E]‚9L?|EgaE
K>W:=P<EK?
hXB@WK?sXk;<FC>WsN\E]VBV9:P
B9kEWsBW]Es}}Ž8f8IBKC>9:WŠE>
:BV9:K?7gBsnYNkNEB•BN\E]V|EŽ
s:>KC>NE9ngaEP;E€EXFEV9:K?sPE‹En
r9:W9BEgU9@BV9:K?
678"719#$(:;((&
^P;EBLXHI+78"719Nc*G9P[
9PNKH %–J—N}L?EzB|NE9P[EB~<B>WEFs
BBL?€|9P[EB~ŠEBN\E]V>WEFP;E€E9]X
KC>‹>sKBBL?9P[E•~<BLXkC]ELXP
W?ŽLMkKC>
E
<qR9C_>?BN\E]KB>WEF9P[
EB~B|NEXc;

E

9@gXXk|BA9ns~
V|K?9P[EB
E

6]BPXEBLMPW?RSEU>{
|f |f
aENM aENM EM EM
P;EEC
P;EEC D>8ge>
D>8ge>
aEEC
8 8
aEEC
|f|f
|f
|f
|f
|f |f
|f
,fkiS:L?_>?@9`
0
HI<ME`LsKPW?BL?„E9P[U>{PXME`L
kiS:L?_>?@9`9P[MNE,f
kP;EBgIZE9U>8>?CkL?_>?@9`LM'

Š
<@P[D'0?HC–J—@P[K?ŽgUNDC>8IBgBC
>8>?CnZE~Xn7

'
7


'

G™@>gaEsY\kgBC

$
sLL?KBXKC>nZEEBN`
$
K†K‡XPW?k
L?N}EC•>BNf9C_>?7MN}BL?9@g‡BVL?
B€BgBC>8>?}EBZEMNZ'

sg9nn9P[\
PK~VB9n&PX_>?@9`KC\>WEF
$
<9nŽDI?NB
'0skP;EBY\K\[iaE?N>?}s
kL?•_>BX}•nU`Ws@>PBBL?_>B97CXFC>>8
>?C
6]BPXEBM?L?_>?@9`PW?EzkP;EB
}L?KkP;EBDqXL?9UMmFEB_>B97C–J—
3. Bài toán thu thập thông tin (Information retrieval - IR)
*"<=
>WaE2bNdNGKkNEFEKBgBF
C>HI&KBK?V?@>WN>EKCfNBKC>NEkW[
BKC>n‘k9:>gCK9nB9:>gCK?nUKkN>?8
?kHI
A9:>gC9PKKkN>?8sKBŽ9PNB>?>W9UfN97
NPEVL>N>?89ns>9nBXB97NPEVBKC>n‘9Uf
NBKC>Z[8XL>N>?89nNEKBK?safVKB
ErXKBQNE>?}sKB>WaEKKB9P[
BNU<€9k;6]XKBQNEsL>N>?89PKKW
[BC(PEXKB>WaEsL>N>?89PKnUKk

L>HnEFEl,C]EŽfBLiEFElVL>N>?89Uf
N97NPEVn
#
A>WFC>s|EP•E]E•Efg@BFC>iDB
NEBNP•E[gBs|EgUN9UDkaEnNEkC
?gaEA>WaEsg@_>IiDBP•E9P[_>LsPEaE
P•E|E>]fg@kBP;E9]iDBXkaE97C
9P[9PKQ>9n|EŽY\aEZ[8TBg@_>IVq
DR=NPX9n(@>|EBnXBgU>C]EgB>s|EŽ
8?NŠENEk>EBN>?8;<FC>skqfg@Y8K9U
KI~kN>?8sKL>m9UfNL>NI•9P[@9@XgBC
NiD>8aEG97CKXkL>m97CNE>WaEsk
qfg@ŠfNkKC>KEP•ZE9ErBC]E>W
aE2d?G9P[RSE9U>WBKC>}_>9@B?}>r>N•
NKEh89:X>WaEKCDR=BHInk>E}_>kM
9@BHI9P[RSENPX9n,fJ9PNkafP;EB>W
aE>e,U}sC>WaEK_>BNfDR=7MsXDR=
9r>KK9r>NEz…E7iBM?}>r>
BK?>?U9pN>?8k@P[n‘ŠHEiZ
[VKC>9~W9P[
hC>WaEnU9P[9`El8€kMaEKi
SPgU>HIsfIsL>?}s<9L?|Eo9:W9@C
5!2
53-
678!
9):1
;!:1
]
˜
<!=

;>!
&!=
?.
,fJaf>WaE>e
%
>WHI<HIKkMaEKP;E€YCKgj>W
DR=9;EI;nU8MNŠEBgj>WK?„EnU9P[BSE
>WaE9P;EC
Bgj>W>WaEnU9P[NKM
c Bgj>W>e
c Bgj>WnBSENi>CLM
(n9r>}EzBgj>WYN}BP;E€>WBKB
\N>?:]E(n€]E•E>WN€ŠEBgj>WBSENi
>CLM9UEK9P[Bg@_>I];
+"<=
(EK??sBaE9E9P[BNUMŽ:]P[EKV?@>KT
2N2N9~N<K;P>NFs_>I=K97CK;>WaE
nEKC[[iN>ELKBaE>W9P[Z[X
>r>EP•ZE6nK=VBE}€>>?}L>NEBlYP
gBFC>*EGsNiD>8aE2bNDNGs>W
aE2bNdNG
d8:>BP;EB>WaE9P[BNUKg@_>IK|E
9MgB]NE9nnN8:>P;EBzM<ME>eBP;E
BK?P•EYBP;EBB\p9Uk]P;EBgB
9P[BNUPXEYNi>CLMQ>9L?s|EŽfU>L>;:
BP;EB>WaE
,+">
^rXBgj>W>e9P[BNUTFEH %9@FEH
 "sKrXNE]|EYN}B>WBKaE€B\N>?:
]ENEKE}€>K?o9:W9@Baf"-I0JI0

"IKs"-$0I'L3JI'?>0'I"IK
,,,G-I0
&KafE}€>@P[Es9;EI8sK9P[UC9U9P
N=P<E;IB@P[ED;–0—,r>@9zE=NŠE8IB@
P[E}€>YN}CBEFL>N>?8KBKC>9P[P>NFa
f&E}€>@P[>WBKC>9P[EBEBN`D?IC€EX
N>?89n)IRKC>
š
9P[U>{KWB>WEF
{ }
$E
 sss
J
=
s<
9n

Kk>WEFD>8CNEKC>
E
kN>?89P[U>{ŠEk
U>€EVB>WEFEzBBR+(*s.dsK(.
hiSXN>?8
MNJ,OPJPQ&6KKQR?
‚9L?qfg@&ŽW9P[8IBKC>n}g@XA
PEgaE}g@XAJ7BKC>n}g@XA$
SU;sXkL>N>?8
"
MNJ'()%OPJJ@A;*B(;(KOPJPQ&+(;CKK
,C]EŽ]E•EfN8IBKC>>kV9:D&ISGCsKSU
;KBP;EB>WaE€gaEIKBP;EBLX

HI
,,,,T'">>
}g@EFN>?8KKC>nU9P[U>ElkKBB
KK?P•EN89;EIkN@P[9P[RSEE\K'%.2':3
U>>,
@P[K?9P[RSENEk@9pVqfg@&s<9n
onBBRE+(*•P<EiV@P[K?9P[9PNgDDq
]P[EVB>WEF>ENEL>N>?8KNEKC>Q]K?9P[E\K
€9zE•D@KnU9P[RSEPkKB
hiSsBTgBAsAJsA$9P[}g@XBKC>*s*Js*$s*0
B>
A}g@X*s*Js*$s*0
AJ}g@;*s*J
A$}g@X*Js*$
K•žA+(*AJ+(*A$
hXN>?8•s|EŽnB€9zE•D@P>
$*J
J*s*$
*0
,,,,&-"$%"15
Aj>Lfg@>rYK;<Vaf&>?}EK??nN8
P•ED>?}9P[RSE7ZngBW(PEX8€BKsn
8?BKBKB9P[RSE–0—
6PNkWBKC>KkN>?8
{ }
P
 sss
J
KkN>?8•s
|E9i(EBN`VKBGJM*


K6UW9P[BKC>}_>s
|Er•D@BKC>EIrVKBKm98IBKC>€E
XKBm;k.V')NPX(EPŸEK?nU9P[9`El
PkEBN`KBG7KkEiN`BXkHIK9nB
€X8Vgj>WK?Kf9P[B\EBN`EPŸE•Z[
6UYCaffg@&s|EnURSEk]gj>W
C>_>I>?}sB>WB9ngaE9P[9:WNEKE}€>K?
,,,W,&5'
‡kKC>r9P[9BoSDG<k]>WEFs‡>W
EFK?}>Ik>EVK}>B>WEFK?P•E9P[E\KB>W
EF9~E•oS?BTgB6UC>W9P[YCnEs
|E}•D@BTK?BTgB9P[P>NFNE'X"Y'sKX
!
‡TgB>kkTYEŽnBBKC>€TgBK?6UI~
kN>?8s|EŽYCfg@N}boSK?
Aj>WK?9P[RSE<:>C]EP;EMXB9k]P>gB
>VCoSfg@iS&cNG
BP[9UVgj>WK?K
c P>NF_>B:>nUrgaEEP>NF}9@$’Xgi
PX9r>G
c )BKWWKp€MoS
c )BK[BBKC>@>|E_>BK
>?}s|E„EnBP>9UN}E
c YC{KE
c ]9k
c *{KE‡N[BT9zEEl
,,,G-$0I'L3JZI'?>0'I"ILZ<GK
afgaEEc;9P[<NkETaf&NECU
CB>WEFVKC>–0—)]EPaf&s|EEB~B

KC><WB>WEF(PEN}Y@s9UgB>9P[eNEC
U>{K}>KC>*9P[U>{<kI'L3"L';XBaE]
€EX‡:>KN\E]€EXTE>WEFSUNENP•E[K?s
KpEa>WEF9P[9El9UDB9`k>EVKC>N\E]9P[
i<DB>8D>8CK9k_>N\EVTgB
NJF

*F

*,,,*F
P
K
hiSsgLiKC>

K

KKE}€>s}_>9@
C9L>9r>snc;9P[MN}9z`Jc:>P>
BN\E]N}‡c;U>{DB>8D>8CVB>WEFNE
‡KBKC>

s>WEF[0:1sG0\D>8CXDB>8rP[K
E}
6>9r>
@%A
@%A


J],^*],_^K



J],`*],K
,f$6z`U>{Bc;VKB

K


"#sJ#KC>

s>WEF[0:1sG0\D>8CXDB>8rP[KJs
%
NEafK?skN>?89P[9]DRPkKC>–0—Df0G
,?nBgBs|EŽU>L>N>?8<kc;N\E]VB>W
EFQ>gYCCLiL>N>?8Ž>9P[kc;hCY
CL>N>?8K?Y8KCBc;VL>N>?8XBc;9M
CBKC>k}>>eK9nA@_>IŽ>9P[kB
BKC>n_>Cˆ1CXL>N>?89~9PN8}sBKC>9nŽ
9P[•D@NfYEIrKŽ`•<k.VK9n
6Uic;U>{kKC>sBTN}ECNEKC>9P[p[M
N}Y@sCYC9P[YCB>
c BTS9P[B9
c ^LCBT<gIEN•E
6]X+EF7^BEFs‡T9P[BC<BgIEN•E
(PEEaEF@EhCMI?89:T9;KTEq6L?„EKk8
9:gngHgLBTNE@EhChiSsXT'"0 NE@E+s
€EXnKT' NE@EhC*89::TEq}E?:>U>r
NE@EhCB89:9nE\KYW•NE@EhChiSsXL>4'
:H0snUnBLB4':H0+K4'+:H0
(PW?s9]X@EhCs|ErnBP;EBBT97C;
,,,,&%'.3('&abca

N\E]Vk>WEFnU9P[DB9`:>BB@W
>EKRSEP;E€dbds<9nN\E]9P[pE[<?@>]
c tB>8>WEFNbN_>?cbGc97NPEDB>8D>8C
>WEFNEKC>
c (E`9IDB>8VKC>N>bN_>?cbGc97
NPEDB>8V>WEFNEKkW[BKC>,?n
@%A
@%A
E}
6>9r>
*
*J
_>N?
,f06z`U>{_>CEFN>?8_>N?GKB
KC>*s*J
J
BgBsk>WEF@gD>8CNEBKC>fdŽs
…@>nD>8CP•ED>?}NEBKC>fdŽ8
hiSaE€PX9L?9P[9:D>8nU9P[ZE9UiBEBN`9~n
<N}–0—
E
d

d
d

D
## +=
–0—


D>?

E=

d

<9nd

KDB>8D>8C>WEFS

NEKC>^L]NEd9P[i
BŠEP;EBEIiXgIHED>8CS

NEKC>K?
,,,,[4.3:J>"0? K
ABN\E]B>WEF9P[DB9`s|ErkK•D@9U
9`EB9kP;E9zEEFBc;N>?8KKC>k]q99kP;E
9zE9P[UCPX9L?‚9n•K*rP[KBW>WEFNEN>?8K
NEHI
M ∩
aE€9;EI8
M
M
+

J
C]V*
M
M



C] N
JJ
M
M
+

C]
Gs M
M ∩
C]MzE
k9BEB9kP;E9zEaEP•Es9P[@9@P9BEB–0—s
DB9`EnEFc;KC>Kc;N>?8<qiBPkg@_>I
kM67Cs9BEBK?P•E9P[iX9kKVc;6kP;E9zE
9P[DB9`aE€PX9L?–0—
∑ ∑

= =
=
==
"

"


"


F
F

M
M
M>"
 
JJ



Gs
)IRIN>?8KKC>9P[>eB<9kKV|EsaE€ŽN<
}9;EI;
J

=
==
"


FMM>"

Gs
Q>g8IBKC>9P[BXN>?8s|EŽ9P[•D@EI
r9kP;E9zEsg@_>IKkB9~9P[•D@VBKC>*
BK?nU9P[DR=ŠEBRSEBgj>WgB>
,,,W,&5'
afgaEEc;N8]aEgYCs9nNEY@k]
qD8Do9;EI9P[RSE,U}KU>CVBc;ozM
gBCEFNEY@sBc;@g9P[P>NF9r?9VKiP
V|EhiSsn8I$>WEFsKC>*o9:W9@#>WEFsPW?
gaEr@IP>NF8IBaE]€EXc;P;E€EXKC>K?

k"-$0I'L3:1 :9nU9P[RSE[C9UKEI9k
€MV>WB–0—•P<EVafKP>NFc;NEkC9~
9P[>?U9pCK?NI:kBBKC>XBTgB97C
ZEXaE:DB>8&}MCN>?D>8oSsC>?U9p
„EICB97i•EVCBBc;Aj>WK?Nk
qiB8W9P[XFEN>?8P;E9]ms…XFEN>?8
XsqiL]>eBŽYgf]gq(P[9U€Vgj>WK?
KriBBBL]>e>gnY?9pVd6:>9nN8nU
DI?NNEY@siSg}7DB9kKC>NEp[
6UPXP[EC>_>IVq>eBs|ERSEfP;E]
P[EB>WEFNEkKC>PL]>eBhXBNP•E[KC>
E•fqiD8DogaE9P[iDBs>?}gj>WK?„Enk]
P>9U>
c 'P<EVgiPXKC>N<}gaEn=ElX8€M
>eK
c 6k€MiBm;N8:>XBgj>WNPX9L?
c nUiBNPX
(PW?s9kP;E9zEnU9P[YC<aE€>
*NEg
Gs


=
=
"


F
M>"
6+ D;"#E@F:( *( &

BP;EBNi>CLMP•EYNi>CLMWN>EKBEI
>W>8>?CB?\,?nN•;srInk_>BNf>8>?CB?
\LMHINPXgRSEn•>BNf>8>?CK?N8_>N\E
(@>B"e8 [=s$%>9P[Žn8P[EN8](PEEP[
Ms@>_>BNf>8>?CgaE[=fnU‹9@S9pKkC]E
BP;EBK?P•EI9]7Xk]89:>
JJ
c )I>W>?>W
c ^P;EBP>NFaE[=
c NBYS9p>k•EKM9kE
,r>@BEI>WYNi>CLMP•EE•I_>BNfY\NEg
RSEœ@>]K?_>?@9`:4"VC]E(PE>k•EK
M9aEsnUC]EŽLKfNMES9p?Bi>j_>B:>s_>B
NfY\`{>saEP>NF_>B:>8IB=N}9:>KEIM
9kEVC]E*9nsBP;EBK?rnYY9:>oNEM9kE
&}MEI>Wi>j?B„ErnEI>WSU?('Kf
Q>9L?|EŽE}€>SU;:BP;EBK?
,,gh"P3L?JPI?0IF?$K
nUnP;E9]MNŠEsBE}€>Er9L?:2dgBKaE
NEBgj>W9P[9:D>89UDiCk>EVKC>KN>?8s?nB
gBKYC9P[BLiEFElhXS}>K?sC]EnUB
SEBlYN€BDR=9Ufg@K>WaEKaE
K?n9P[El9M9P[gIHE\KgIHEpE_>BBVME(;c
N(>NNgG
hXCRSEME;cNs|EnUU>{krP[ENPEN
€NElYVKBsKnU9P[RSEKaENEC]E>
WaE
,,,,&#0;"3L?
6UnUU>K@KME;cNnUBSEDR=>WaE
s|EŽ9`Elk]gBC9P[RSENE=>?}ME;cN

tL?YEBg]VafiBME;cNKB9;`E\K
j"JI?IKEN8:>B97iVN;cN\–0—s?n9|E
;KB|MEK?9P[amEB;cNV9kEW
‚B|ME<,f#UCBqBE+(*6r>NV|ME
Ž>@>B9r>K9:>>(n9P[YC<qBXEBN`EPŸE
J&K K\9r>N9:>n,U}KCYCqE.dŽnEBN`
EPŸEEI…#D,f#GBEBN`NEE79P[E\KBN\E]s
9`El9kMV}g@NEafiBVME;cNsN\E]
P•E9P[9`ElKEBN`ŠNEgIE–cs—
NENP•E[€M;siSgYCqB(.ds|Er
:>;k9;`sB9;`9nE\K9;`k
afiBME;cN9P[U>{<B>WEF:g@]Vn
B‹>g@]GKNEB>WEF:BK|E9P[9KMB>WRB
N\E]G
J$
,,,,G-? ;.2'0
af9P[9:D>8KkafX
c XB>WEFN>?8B|ME9r>KG¡•?N
c XBKC>B|ME9r>NG¡*?N
c XBoSB|eG¡?N
NEf"s|EnBg=C>>
c


coS>WEF
c
*

cKC>
c



c>WEFN>?8VEP•ZE
c

š
cN\E]g@]EFEHVME>WEFKkEHVME
KC>
c
_

cN\E]}g@EF>WEFVN>?8K>WEF

c

š
cEBN`}g@EF>WEF

K
š
c

š
cN\E]}g@EFKC>*

KKC>*
š
G
G
ž

G
G
ž
,f#ME;cNBR+(*GKBR.dG
B.C
B0C
A%D
@%D
@ @EF
@ @
,f%ME;cNXXeBR(.d

J0
X>WEFN>?8U>{B?}>r>EP•ZE‡k|Kk>W
EFNEN>?8XKC>U>{WBKC>‡|_>?@>9@kK
C>B|NEXK?nB}g@:>nN\E]sUCYP;E9zE
EFBKC>)BN`P;E9zEK?9P[iB<N\E]EFElVB
>WEFNE‡KC>XB>WEFKX9kE‡|U>{k>W
EF9P[9BoSB}g@nEBN`EFB|KBg@]EFB>W
EFNEN>?8
B}g@nN\E]EFBEH>kX>WEFno‹KBEH
>kX>WEF
E
U>{gIHE?=ElV>WEF

NEKC>
E

}g@nN\E]


9`El9k_>N\EV>WEF

NEKkp[B
KC>BEBN`g<9r>VBN\E]K?nU9P[N\EE‹>}7X
8€BDB9`K(@>EBN`E‹>}9P[RSEsnUŽI9]7
XB89:>
c •E\K
c An9M9P[YkS
6UfNN\E]F
E
}g@EF

K
š
Gs|EEIRNŠE9k}g@EF
>WEFHEg9zED>8CNEkKC>sKEBN`K?oEIgnk
rD>8CNEkKC>
}g@EFKC>9P[U>{<aE€>
∑ ∑

−+
=
E $
$E$$E$
$
$E$
llll
ll
RJ*EK


G

,,,W,T(''90"
€HEMEEz
J#
,f"afU>{ME;cN

×