XÂY DỰNG ỨNG DỤNG PHÂN TÍCH NGỮ NGHĨA TRONG TÌM KIẾM TÀI LIỆU TRỰC TUYẾN

TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI
KHOA CÔNG NGHỆ THÔNG TIN
──────── * ───────

ĐỒ ÁN

TỐT NGHIỆP ĐẠI HỌC
NGÀNH CÔNG NGHỆ THÔNG TIN

ĐỀ TÀI:

XÂY DỰNG ỨNG DỤNG PHÂN TÍCH NGỮ NGHĨA
TRONG TÌM KIẾM TÀI LIỆU TRỰC TUYẾN
Sinh viên thực hiện: Nguyễn Công Chính .
Lớp: HTTTA-K48 .
Giáo viên hướng dẫn: TS. Lê Thanh Hương .

Hà nội, tháng 6 năm 2008

1


LỜI CÁM ƠN
Lời đầu tiên, em muốn gửi lời cám ơn chân thành tới cô TS. Lê Thanh
Hương, là người trực tiếp hướng dẫn em hoàn thành đồ án này.
Em cũng muốn gửi lời cám ơn tới các thầy cô trong bộ môn Hệ thống
Thông Tin, trong khoa Công nghệ thơng tin và các thầy cơ trong trường đã tận
tình dạy dỗ trong suốt những năm học vừa qua.
Tôi cũng xin gửi lời cám ơn đặc biệt đến bạn Kiều Văn Cường, người
cùng chung đồ án với tôi, đã giúp tôi rất nhiều trong những lúc nghiên cứu, xây
dựng chương trình. Tơi cũng xin cám ơn các bạn cùng lớp Tin 3 và HTTT A đã

cung cấp các tài liệu, gợi ý các giải thuật để hoàn thành đồ án.
Con cũng xin cảm ơn Bố, Mẹ, những người thân đã ln bên cạnh động
viên khích lệ về mặt tinh thần và cả vật chất để giúp con hoàn thành tốt những
năm học đại học và đồ án này.

Hà Nội Tháng 5 năm 2008
Sinh viên
Nguyễn Cơng Chính

2


NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪN
……………………………………………………………………...
……………………………………………………………………...
……………………………………………………………………...
……………………………………………………………………...
……………………………………………………………………...
……………………………………………………………………...
……………………………………………………………………...
……………………………………………………………………...
……………………………………………………………………...
……………………………………………………………………...
……………………………………………………………………...
……………………………………………………………………...
……………………………………………………………………...
……………………………………………………………………...
……………………………………………………………………...
Ngày

tháng 05 năm 2008
Ký tên

3


NHẬN XÉT CỦA GIÁO VIÊN PHẢN BIỆN
……………………………………………………………………...
……………………………………………………………………...
……………………………………………………………………...
……………………………………………………………………...
……………………………………………………………………...
……………………………………………………………………...
……………………………………………………………………...
……………………………………………………………………...
……………………………………………………………………...
……………………………………………………………………...
……………………………………………………………………...
……………………………………………………………………...
……………………………………………………………………...
……………………………………………………………………...
……………………………………………………………………...
Ngày

tháng 05 năm 2008
Ký tên

4

MỤC LỤC
PHẦN 0: LỜI NÓI ĐẦU...............................................................................................10
PHẦN I: VẤN ĐỀ VÀ THỰC TRẠNG......................................................................18
PHẦN II: CƠ SỞ LÝ THUYẾT..................................................................................36
PHẦN III: GIẢI PHÁP KỸ THUẬT..........................................................................52
PHẦN IV: XÂY DỰNG CHƯƠNG TRÌNH, CÀI ĐẶT CHẠY DEMO.................57

5


DANH MỤC HÌNH VÀ BẢNG
DANH MỤC HÌNH VÀ BẢNG......................................................................................6
Hình 1: Hình minh họa tập tách văn bản..................................................................14
Hình 2: Cấu trúc giải thuật LSA.................................................................................15
5.3 Mơ hình tư vấn dựa trên lịch sử phiên truy cập của người dùng......................16
Hình 3: Quy trình truy vấn.........................................................................................17
Hình 4: Giao diện chính trang chủ chương trình.....................................................17
Hình 5: Tìm kiếm thơng tin – So sánh gợi ý của người và máy..............................19
Hình 6: Mơ hình sơ đồ hệ thống gợi ý cho người dùng............................................21
Hình 7: Sơ đồ tổng quát hệ thống...............................................................................22
Hình 8: Giao diện tìm kiếm của Amazone.com.........................................................24
Hình 9: Giao diện kết quả trả lại................................................................................25
Hình 10: Giao diện kết quả tìm kiếm của Amazone.com.........................................26
Hình 11: Sơ đồ cấu trúc từ của Nguyễn Tài Cẩn......................................................29
Hình 12: Giao diện tìm kiếm của Google...................................................................36
Hình 13: Giao diện tìm kiếm Yahoo...........................................................................37
Hình 14 Giao diện tìm kiếm Ask Jeeves.....................................................................38
Hình 15: Giao diện tìm kiếm All the web...................................................................39
Table 1: : Tần suất xuất hiện độ dài từ tiếng Việt trên trang Vdict.com................44
Table 2: Tần số tài liệu của một số từ thông dụng trong tiếng Việt........................45

Table 3: Ví dụ về MI của n-gram................................................................................46
Hình 16: Xây dựng ơtơmát âm tiết ...........................................................................48
Hình 17: Xây dựng ơtơmát từ vựng ..........................................................................49
.........................................................................................................................................49
Hình 18: Một tình huống nhập nhằng........................................................................51
Hình 19: Giải thuật tách từ từ câu..............................................................................55
Table 4: Bảng một số ví dụ về cấu trúc lưu trữ từ điển............................................55
Hình 20: Biểu đồ use-case hệ thống...........................................................................57
Hình 21: Use-case tìm kiếm

Hình 22: Biểu đồ cộng tác chức năng tìm kiếm. .58
6


Lớp biên:.........................................................................................................................58
Hình 23: Biểu đồ tiến trình chức năng tìm kiếm.......................................................58
Hình 24: Use-case quản lý tài liệu..............................................................................59
Lớp biên:.........................................................................................................................59
Hình 25: Biểu đồ cộng tác............................................................................................59
Hình 26: Biểu đồ tiến trình chức năng thêm mới tài liệu.........................................60
Hình 27: Biểu đồ tiến trình chức năng sửa tài liệu..................................................60
Hình 28:Biểu đồ tiến trình chức năng xóa tài liệu....................................................61
Hình 29: Biểu đồ cộng tác quản lý tài liệu.................................................................61
Hình 30: Use-Case quản lý tác giả..............................................................................62
Hình 31: Biểu đồ tiến trình thêm mới tác giả............................................................62
Hình 32: Biểu đồ tiến trình sửa tác giả.......................................................................63
Chức năng xố tác giả:..................................................................................................63
Hình 33: Biểu đồ tiến trình xóa tác giả.......................................................................64
Hình 34: Biểu đồ cộng tác quản lý tác giả..................................................................64
Hình 35: User-Case quản lý NXBLớp biên:..............................................................64

Hình 36: Biểu đồ tiến trình thêm mới NXB...............................................................65
Hình 38: Biểu đồ tiến trình xóa thơng tin NXB.........................................................66
Hình 39: Biểu đồ cơng tác quản lý NXB...................................................................66
Hình 40: Biểu đồ usercase quản lý thành viên..........................................................67
Lớp biên:.........................................................................................................................67
Chức năng chỉnh sửa thông tin:...................................................................................68
Hình 42: Biểu đồ tiến trình chỉnh sửa user...............................................................68
Hình 43: Biểu đồ tiến trình xóa user..........................................................................69
Hình 44: Biểu đồ cộng tác quản lý user......................................................................69
Hình 45: Biểu đồ cộng tác quản lý user......................................................................70
.Table 5: Bảng các thực thể chính...............................................................................71
Table 6: Bảng quan hệ các thực thể...........................................................................72
Table 7: Danh sách các bảng chính.............................................................................75
Mơ tả chi tiết bảng.........................................................................................................76
7


Table 8: Mô tả bảng tài liệu A01..................................................................................76
Table 9: Mô tả bảng Catalogue A02............................................................................77
Table 10: Mô tả bảng tác giả A04................................................................................77
Table 11: Mô tả bảng NXB A05...................................................................................78
Table 12: Mô tả bảng User A06...................................................................................78
Table 13: Mô tả bảng subCatalogue A07...................................................................79
Table 14: Mô tả bảng Child A08..................................................................................79
Table 15: Mô tả bảng A11.............................................................................................80
Table 16: Mô tả bảng A12.............................................................................................80

8

9


PHẦN 0: LỜI NÓI ĐẦU
1 1. MỤC TIÊU VÀ Ý NGHĨA CỦA ĐỀ TÀI
Máy tính hiện nay đã đóng góp một phần không nhỏ vào đời sống, và đã trở nên phổ
dụng. Trong lĩnh vực lưu trữ dữ liệu, chỉ cần một ổ cứng 10x15x3 cm 3 là đã có thể lưu
trữ được số lượng sách tương ứng với cả một thư viện sách khổng lồ. Theo đó, là vấn đề
tra cứu dữ liệu trong kho dữ liệu như thế. Cũng như việc tổ chức trong thư viện, việc lưu
trữ tài liệu điện tử trong máy tính cũng được chia thành các loại sách, và chủ đề lớn khác
nhau. Hiện nay xu thế người đọc sách là coi sách là nguồn để tra cứu những vấn đề mình
quan tâm, chứ không phải học một kiến thức mới do một cuốn sách mang đến. Vấn đề
đặt ra là làm sao tư vấn cho người dùng những cuốn sách nào liên quan nhiều nhất tới
chủ đề người dùng yêu cầu (thông qua các từ khóa được nhập) bằng phân tích nội dung
và lịch sử truy cập của những người dùng trước.
Luận văn này đực thực hiện nhằm đề xuất ra được một phương thức xây dựng hệ
thống hỗ trợ tư vấn với các kết quả sau:
- Tư vấn hoàn toàn tự động các tài liệu cho người dùng theo từ khóa, lịch sử truy cập của
người dùng đó và những người dùng khác và sở thích của họ. Kết quả tư vấn ngày càng
chính xác hơn vì hệ thống có phân tích và cập nhật lịch sử truy cập của người dùng.
- Giới thiệu tài liệu có độ tương tự nhất định với tài liệu đang nghiên cứu để người dùng
lựa chọn tài liệu tiếp theo nghiên cứu.
- Hệ thống khảo sát (survey) để thu thập các ý kiến đánh giá của người dùng về sự
tương tự của các tài liệu hệ thống gợi ý. Qua đó, càng thu thập nhiều sự đánh giá, kết
quả tư vấn cho người dùng càng sát với vấn đề người ta đặt ra hơn.
- Người dùng mới không nhất thiết phải đăng ký thông tin với hệ thống. Hệ thống vẫn
gợi ý cho người dùng thông qua phân tích nội dung và lịch sử truy cập hệ thống.
- Đáp ứng các yêu cầu tìm kiếm trên các trang web (tìm kiếm trong site riêng hoặc trên
internet). Hệ thống hướng tới việc tìm kiếm và xây dựng cơ sở dữ liệu động từ internet.

1

2

3
4

0 2. VẤN ĐỀ GIẢI QUYẾT
Có 2 phương pháp chủ đạo được dùng trong hệ tư vấn:
Phương pháp lọc cộng tác: là phương pháp tập hợp các đánh giá hoặc các quan
điểm của người dùng, nhận dạng sự tương đồng giữa các người dùng trên cơ sở các
phiên giao dịch của họ. Phiên giao dịch của người dùng được bắt đầu từ khi người dùng
đánh từ khóa và có tín hiệu search. Kết thúc phiên làm việc với một từ khóa mới được
nhập. Phương pháp lọc cộng tác ước lượng hàm đánh giá R(u,i) của item i với user u dựa
trên cơ sở đánh giá R(u’,i) của user u’ cho cùng item i mà trong đó u và u’ là tương tự
nhau.
Phương pháp lọc cộng tác có các vấn đề như:
5

Sự thưa thớt: thực tế thì vấn đề của người dùng quan tâm (từ khóa) nó chiếm phần rất
nhỏ và sự đánh giá sự tương đồng cho tài liệu là rất nhỏ so với rất nhiều tài liệu của hệ
10


thống. Với hệ thống gợi ý trong luận văn này, các đánh giá, các nhận định sẽ được lưu
lại dần dần, loại bỏ dần những kết quả khơng chính xác.
6

Vấn đề tài nguyên mới: Hệ thống không ngừng cập nhật các tài liệu mới cho kho dữ
liệu của mình. Mỗi lần thêm một tài liệu mới, hệ thống sẽ tính lại (off-line) là phân tích

độ tương đồng về ngữ nghĩa giữa các văn bản (kỹ thuật LSA) để tìm ra tập các láng
giềng gần của một cuốn sách.

7

Vấn đề người dùng mới: Như đã đề cập, hệ thống sẽ phân tích và lưu trữ lại lịch sử
của tất cả các phiên làm việc, kết hợp phân tích nội dung trong hệ thống để lọc ra sự
tương đồng, liên quan chính xác nhất của các tài liệu. Nên hệ thống hoàn tồn có thể gợi
ý tư vấn cho một người dùng mới. Khi người dùng cung cấp cho hệ thống các sở thích,
hệ thống sẽ lọc tiếp theo sở thích đó, để cung cấp kết quả chính xác hơn.
Phương pháp lọc dựa trên nội dung : là một giải thuật hướng về nghiên cứu lọc
thông tin, phương pháp lọc dựa trên nội dung ước lượng hàm đánh giá R(u,i) của item i
với user u được thiết lập dựa trên cơ sở đánh giá R(u,i’) của cùng user u cho item i’ mà
trong đó i và i’ là tương tự nhau về mặt nội dung.
Nhược điểm chính của phương pháp này là nó giả định các thuật ngữ là độc lập
nhau. Trong thực tế, các thuật ngữ thường có liên quan với nhau và hiểu được điều này
có thể dẫn đến việc tính độ liên quan tốt hơn.
Tính đồng nghĩa: có nhiều cách để chỉ đến một đối tượng, ví dụ: car và automobile
8

• Các sản phẩm tương tự được đối xử theo cách khác nhau

9

• Tăng sự thưa thớt, làm mất tính chất bắc cầu giữa các từ khóa

10

• Sinh ra kết quả có chất lượng thấp

Tính nhiều nghĩa của từ: hầu hết các từ đều có nhiều nghĩa, ví dụ: model, python, chip.
11

• Độ chính xác thấp

12

2

3. CÁCH GIẢI QUYẾT

3 Sử dụng phương pháp lọc cộng tác, hệ thống đã đưa ra phương án giải quyết
được các nhược điểm của nó như đã trình bầy ở trên. Về sử dụng phương pháp lọc dựa
trên nội dung, hệ thống đang sử dụng các phương pháp:
1 3.1

Phân tách tài liệu thành các từ khóa (Filter)

Các tài nguyên là các tài liệu được thể hiện dưới dạng văn bản như một cuốn
sách, tạp chí, hay một bài báo, bài diễn văn điện tử nào đó. Với những tài liệu tiếng Anh,
một từ thường có một âm tiết, ta có thể dễ dàng xác định một từ dựa vào dấu cách
(space) hoặc dấu câu. Việc phân tách văn bản tiếng anh thành các từ khóa khơng khó
khăn. Với những văn bản tiếng việt, mỗi từ nó có thể có một, hai hoặc nhiều hơn số
lượng âm tiết. Việc phân tách thành từ khóa đối với văn bản tiếng việt phải dựa trên từ
điển và các thuật tốn đọc từ khóa sao cho đúng nghĩa nhất của câu. Thí dụ: Học sinh
học sinh học thì hệ thống sẽ tách thành Học sinh, học, sinh học. Sau đó, loại bỏ các từ
2

11

dừng (Stopword – Những từ mang ý nghĩa cảm thán, đại từ…như anh, bạn, do đó…),
những từ khơng mang nhiều ý nghĩa về nội dung. Bước tiếp theo, dùng kỹ thuật TF-IDF
để lọc bỏ bớt số lượng từ khóa của tài liệu.

3.2 Phân tích ngữ nghĩa tiềm ẩn (Latent Semantic Analystic-LSA)
3 Kỹ thuật LSA là những lý thuyết và phương thức cho việc trích rút và thể hiện
ngữ cảnh sử dụng ngữ nghĩa của từ dựa trên việc tính tốn thông kê. Kỹ thuật này cho
phép ứng dụng trên một kho dữ liệu văn bản lớn. Ý tưởng cơ bản của kỹ thuật là tổng
hợp tất cả các văn cảnh của từ, trong đó, một từ được đưa ra đã và không chỉ định biểu
lộ những tập ràng buộc lẫn nhau. Những tập ràng buộc này cho phép xác định sự tương
đồng về nghĩa của những từ và tập hợp mỗi từ khác.
4 Tập các từ khóa của các tài liệu của bước phân tích trên được dùng làm đầu vào

cho các hàng của ma trận. Theo đó, bộ từ khóa của một tài liệu được dùng làm cột, các
tài liệu làm hàng, các cell của ma trận được khởi tạo là tần suất xuất hiện của từ khóathuật ngữ đó trong tài liệu. LSA dùng kỹ thuật phân tích giá trị riêng (SVD-singular
value decomposition) để giảm bớt để giảm bớt kích thước ma trận thuật ngữ-tài liệu,
khơng gian N-chiều sẽ được giảm bớt xuống một không gian K chiều, K<gian mới này được gọi là không gian khái niệm.
Sử dụng kết quả bước này, ta thu được tập các tài liệu có sự tương đồng về ngữ
nghĩa nhất định với tài liệu xét. Là nguồn quan trọng trong việc đưa ra gợi ý những tài
liệu tương tự với tài liệu người dùng đang đọc.
5

3.3

Phân tích lịch sử truy cập của người dùng

6

Một phiên làm việc của người dùng được đánh dấu bằng việc nhập một từ khóa và
nhấn nút search. Các kết quả gợi ý được đưa ra, khi người dùng quyết định chọn một tài
liệu (A), hệ thống gợi thống gợi ý các tài liệu có liên quan (dựa vào phân tích LSA trước
và phân tích lịch sử phiên làm việc). Khi người dùng chọn một tài liệu (B) tiếp theo
trong phần của hệ thống gợi ý để đọc, hệ thống ghi nhận tài liệu B có liên quan nhất
trong phiên làm việc đó với tài liệu A. Và cứ thế, hệ thống sẽ cập nhật và đánh giá lại sự
liên quan nhất định của các tài liệu qua các phiên làm việc của người dùng.
Hệ thống còn đưa ra kỹ thuật khảo sát (survey) để thu thập ý kiến chính xác hơn của
người dùng về sự tương đồng của các tài liệu.
Hạn chế của phương pháp này, là khi có một tài liệu mới được cập nhật, chỉ số lịch
sử truy cập của nó là 0, hoặc một giá trị âm nào đó. Có thể về cơ bản thì nó rất tương
đồng với văn bản A trên chẳng hạn, nhưng phải qua nhiều lần, nhiều phiên làm việc thì
nó mới đứng đầu trong các văn bản liên quan của A.

12


4. CÁC ĐĨNG GĨP CHÍNH CỦA LUẬN VĂN

Cung cấp bộ phân tách văn bản thành các từ khóa với văn bản tiếng Việt
và văn bản tiếng Anh. Sử dụng bộ đọc văn bản đầu vào Ifilter để xử lý, kết hợp các file
từ điển, file từ stopword để tách dữ liệu được đọc vào thành các từ khóa, đặc trưng cho
tài liệu đó.

Kỹ thuật LSA, đánh giá độ tương đồng về mặt ngữ nghĩa giữa các tài liệu
dựa trên kỹ thuật xử lý ma trận SVD. Phần này sẽ được trình bày chi tiết trong luận văn
cịn lại của dự án (Liên lạc với Mr Kiều Văn Cường)

Cung cấp kỹ thuật xử lý lịch sử phiên làm việc của một người dùng, cho
phép các kết quả chính xác hơn sau nhiều phiên làm việc.


Đề xuất mơ hình và phương thức triển khai cho phần mở rộng dự án, xây
dựng hệ thống CSDL động trên Internet và đẩy hết các quá trình xử lý thành on-line (hệ
thống như một tool tìm kiếm cho khách hàng. Hệ thống sẽ bắt đầu khi người dùng bắt
đầu phiên làm việc)

13


5.

CÀI ĐẶT
5.1 Tách tài liệu thành các từ khóa. Tìm kiếm dựa trên từ khóa

Mơ hình này áp dụng cho những lần gợi ý đầu tiên, cho khi người dùng nhập từ
khóa.

Giải thuật tách từ khóa (chạy off-line):
Input: tập tài ngun là sách, tạp chí, trang thơng tin (html) ở các định dạng tài liệu.
Output: Tập các từ khóa với rank tương ứng.
Quá trình tìm kiếm sẽ ưu tiên với những khóa được lọc ra ở tập khóa có mức độ ưu
tiên được đánh giá bằng rank tương ứng của chúng
Giải thuật này được thiết kế để chạy offline trong phiên bản đầu tiên này. Quá trình
cập nhật tài liệu được người quản trị nhập. Chi phí thời gian cho modul này là khá lớn,
một cuốn sách điện tử tầm 200 trang tương ứng là 3 phút cho hệ thống đọc và tách thành
từ khóa.

Tập văn bản nguồn

Tập văn bản đã được phân tách

Hình 1: Hình minh họa tập tách văn bản

14


5.2 Mơ hình tìm tư vấn dựa trên phân tích ngữ nghĩa tiềm ẩn
Sau khi tách thành tập các từ khóa, modul này sẽ thực hiện việc cập nhật tiếp các tài
liệu liên quan, có độ tương đồng nhất định về nội dung. Mỗi tài liệu sẽ được xác định
cùng với nó một tập các tài liệu khác có tương đồng về mặt nội dung.

Xử lý LSA
(ma trận và
giải thuật
SVD)

Tập tài liệu
(từ khóa)

Cập nhật CSDL
(dữ liệu tài liệu
liên quan )

Tập các tài liệu liên
quan tới 1 tài liệu

Hình 2: Cấu trúc giải thuật LSA

15

5.3 Mơ hình tư vấn dựa trên lịch sử phiên truy cập của người dùng
Kế thừa từ các hệ thống học thông minh, từ các phiên làm việc của người dùng, hệ
thống sẽ tự động cập nhật để chính xác hơn những thơng tin có trong cơ sở dữ liệu để
phục vụ cho những lần tư vấn sau đó. Có rất nhiều mơ hình khai thác trên lĩnh vực người
dùng. Trong đồ án này, tơi chỉ khai thác trên khía cạnh sở thích và lịch sử các phiên làm
việc của người dùng. Khi người dùng đăng ký thông tin, hệ thống ghi nhận ở tài khoản
của họ, thông tin về các lĩnh vực người dùng quan tâm để lọc các kết quả tìm kiếm. Tại
phiên làm việc của người dùng, khi người dùng click vào một tài liệu mà hệ thống đưa ra
để gợi ý cho tài liệu đang đọc, hệ thống sẽ cập nhật hệ số tương quan giữa 2 tài liệu đó,
phục vụ cho các kết quả tư vấn ở lần tiếp theo.

Nhận và tiền
xử lý query

Hiển thị kết
quả ra browser

Câu truy vấn

Tài liệu trả về

Xử lý tác thao
tác người
dùng

Xử lý query,
tạo kết quả trả

Tài liệu chứa từ

khóa trong query

Tài liệu có liên quan
với tài liệu kết quả

Truy vấn
CSDL (tài
liệu)

Tập tài liệu

16

Các tài liệu liên quan

Cập nhật tài
liệu liên quan


Hình 3: Quy trình truy vấn

6.GIAO DIỆN TRANG CHỦ CHƯƠNG TRÌNH

Hình 4: Giao diện chính trang chủ chương trình

17


PHẦN I: VẤN ĐỀ VÀ THỰC TRẠNG
1. ĐẶT BÀI TOÁN

Hiện nay, khoa học kỹ thuật ngày càng phát triển. Máy vi tính được phát triển từ
năm 1980 đã ngày càng được sử dụng rộng rãi với các ứng dụng tiên tiến của nó. Theo
đó, các hệ thống lưu trữ tài liệu dần chuyển sang lưu trữ số trên máy tính. Các hệ thống
thư viện điện tử, thư viện trực tuyến ngày càng được sử dụng rộng rãi. Theo đó, là các
vấn đề liên quan đến tìm kiếm, chia theo danh mục và gợi ý nội dung đọc Ebook cho
người dùng.
Trên internet, chúng ta đã có rất nhiều các cơng cụ tìm kiếm và gợi ý các tài liệu cần
đọc và những tài liệu liên quan. Thí dụ như cơng cụ tìm kiếm của Google, ngồi những
tài liệu có chứa từ khóa, nó cịn gợi ý những tài liệu có độ tương đồng nhất định với nội
dung người dùng tra cứu, thể hiện ở các liên kết cuối mỗi trang. Với amazon.co.uk, hệ
thống recommender chỉ với những thành viên đăng ký tài khoản với hệ thống. Khi đăng
ký tài khoản, user đăng ký ln các sở thích và các lĩnh vực họ quan tâm. Với hệ thống
mubu.com, họ gợi ý trong lĩnh vực âm nhạc. Người dùng cũng phải cung cấp thơng tin
về sở thích như ca sỹ, nhạc sĩ, thể loại nhạc quan tâm. Từ đó, hệ thống gợi ý cho người
dùng không cần keyword…

18


Hình 5: Tìm kiếm thơng tin – So sánh gợi ý của người và máy

19


Rất nhiều người khơng có thời gian để lọc ra trong một tệp các cuốn sách được
thơng tin mình mong muốn. Thậm chí trong một cuốn sách dầy tới nghìn trang. Mục lục
ở mỗi cuốn sách cũng là các tóm tắt ý, các chủ đề viết về cho cuốn sách. Người dùng có
thể tìm trong các mục lục đó, cũng có thể tìm theo từ khóa (ứng với mỗi tài liệu, chúng
được tìm theo từ khóa dựa vào chương trình đọc tài liệu đó). Như hình trên, vấn đề là,
tìm được một cuốn sách chứa chủ đề của mình và có đủ lượng thơng tin cần thiết cho

vấn đề mình quan tâm. Hoặc khi chưa đủ thông tin, người dùng được gợi ý những cuốn
sách viết về những chủ đề có liên quan mà người ta cần tra cứu thơng tin về.
Bài toán đặt ra là, trong kho dữ liệu, bao gồm rất nhiều cuốn sách, rất nhiều các tài
liệu như bài báo, tạp chí. Người dùng cần tra cứu thơng tin về một vấn đề nào đó. Hệ
thống sẽ phải cung cấp những cuốn sách viết về vấn đề đó và sắp xếp theo thứ tự ưu tiên
nhất định cho người đọc. Hơn nữa, hệ thống cũng cung cấp các tài liệu mà những người
dùng trước đó đã sử dụng khi cần tra cứu vấn đề đó.
Người dùng thiết lập một phiên giao dịch, bằng việc đăng nhập vào hệ thống hoặc
có thể khơng cần đăng nhập (Tất nhiên, khi đăng nhập vào hệ thống sẽ được hỗ trợ một
số tính năng tìm kiếm nâng cao). Bằng việc đánh một từ khóa người dùng quan tâm, hệ
thống sẽ cung cấp hai loại kết quả:
1. Kết quả do truy vấn SQL trong cơ sở dữ liệu của hệ thống
2. Kết quả do phân tích qua lịch sử truy cập của những người dùng trước.
Với loại kết quả đầu tiên, kết quả tìm được do việc truy vấn bằng các câu truy vấn
SQL trong cơ sở dữ liệu. CSDL phải được thiết kế sao cho quá trình tìm kiếm là thuận
lợi nhất. Khi tìm được các kết quả theo mức độ ưu tiên, người dùng sẽ chọn một văn bản
nào đó để nghiên cứu. Hệ thống phải cung cấp tiếp cho người dùng những tài liệu liên
quan tới tài liệu mà họ đang đọc. Việc tìm những văn bản liên quan là dựa trên sự tương
đồng giữa hai văn bản. Với loại kết quả thứ hai, hệ thống sẽ cung cấp cho người dùng
những văn bản mà qua những lần truy cập hệ thống trước đó, hệ thống ghi nhận những
tài liệu mà các người dùng trước đã đọc khi đọc tài liệu này học tài liệu khác cùng chủ
đề hay có độ tương đồng nhất định với tài liệu đó. Sơ đồ tổng quát giao dịch của hệ
thống:

20


Query search

1.Truy vấn theo từ khóa

2.Truy vấn theo tài liệu
liên quan (LSA + phân
tích lịch sử làm việc)

Phân tích phiên làm việc

Items Databases

Hình 6: Mơ hình sơ đồ hệ thống gợi ý cho người dùng

Kết quả trả lại được sắp xếp theo thứ tự giảm dần của mức độ ưa thích.

21


2. CÁC VẤN ĐỀ VÀ CÁC GIẢI PHÁP HIỆN TẠI
2.1

Các hệ thống gợi ý (recommender systems - RS)

2.1.1 Các khái niệm về Recommender System
Recommender Systems (RS) là một hế thống lọc thông tin đặc biệt, hệ thống cho phép
lọc thông tin dựa trên sự quan tâm của người dùng và nội dung của văn bản. Điển hình,
một hệ thống RS sẽ so sánh những thông tin người dùng với những đặc trưng liên quan.
Những đặc trưng này có thể thu thập từ nội dung thông tin (Cách tiếp cận theo nội dung:
Content - based approach) hoặc từ môi trường mạng xã hội của người sử dụng (Cách
tiếp cận theo hướng lọc cộng tác: Collaborative filtering approach). <Theo wikipedia>
Như vậy dựa vào khái niệm trên chúng ta có thể thấy hiện có hai kỹ thuật chính
được sử dụng để xây dựng một hệ thống RS hiện nay. Một là kỹ thuật hướng nội dung
– Content based approach, kỹ thuật này cho phép hệ thống đưa ra những gợi ý phù

hợp nhất với những tiêu chuẩn đã được xác định. Hệ thống phải nắm được tất cả những
đặc điểm chính được thể hiện trong đối tượng được quan tâm (Theo từ khoá của người
dùng) và sắp xếp chúng theo những tiêu chuẩn tương ứng.
Mặt khác , tiếp cận theo hướng lọc cộng tác – Collborative filtering CF lại làm
việc dựa trên cơ chế tìm kiếm những sự đồng nhất của một cá nhân với cộng đồng mà họ
tham gia để xác định gợi ý hơn là dựa trên việc xác thực nội dung của sự quan tâm. Tức
là CF dựa trên sự cơng tác giữa một nhóm cá thể có chung một quan điểm hay một sự
lựa chọn nào đó để đưa ra nhưng gợi ý cho người tìm kiếm.

Hình 7: Sơ đồ tổng quát hệ thống
22


Trong môt số hệ thống cũng thường áp dụng cả hai kỹ thuật này cách này gọi là hệ
thống lai (Hybrid).
Về căn bản mơ hình bài tốn được xây dựng như sau:
-

Gọi C là số thành viên của hệ thống: ci là tường người dùng cụ thể.

-

Gọi S là toàn bộ khơng gian đối tượng có thể đưa ra và si là một đối tượng cụ thể.
Gọi u là giá trị phù hợp của đối tượng s với người dùng c.
Vậy bài toán là sự ánh xạ u: CxS  R. Trong đó R chính là tập hợp các đối tượng
được đưa ra giới thiệu. Tập R sẽ được sắp xếp theo thứ tự giảm dần của u.Cơng việc
chính của giải thuật đơn giản chỉ là đi tìm giá trị hàm u=f(c, s) sao cho u (max) là giá trị
được ưa thích nhất.
Dễ thấy độ phức tạp của bài tốn là rất cao bởi không gian S là rất lớn. Ví dụ như
cách ứng dụng về gợi ý sách, số lượng sách có thể lên tới hàng triệu quyển. Hoặc hệ

thống gợi ý về CDs…Đồng thời không gian C cũng rất lớn nếu như mạng phát triển
mang tính tồn cầu như Ebay, Google, Yahoo có thể lên đến hàng tỉ thành viên.
2.1.2 Các hệ thống recommender tiêu biểu

23


Hệ thống bán hàng trực tuyến m a z o n e .

Hình 8: Giao diện tìm kiếm của Amazone.com

Đầu vào: Tên thiết bị, tên công ty, tên danh mục hay bất cứ từ khóa nào
Đầu ra: Gợi ý cho người dùng các sản phẩm hiện có.

24


Hình 9: Giao diện kết quả trả lại

Kết quả trả về với đúng cuốn sách cần tìm. Ngồi ra, hệ thống còn tư vấn các sản phẩm
khác tương tự

25