Web ngữ nghĩa và ứng dụng trong tra cứu văn hóa ẩm thực tại hải phòng ( Luận văn thạc sĩ)

1

ĐẠI HỌC THÁI NGUYÊN
TRƢỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG
------------------

NGUYỄN CÔNG BẰNG

WEB NGỮ NGHĨA VÀ ỨNG DỤNG TRONG TRA CỨU
VĂN HÓA ẨM THỰC TẠI HẢI PHÒNG

Chuyên nghành : Khoa học máy tính
Mã số : 60.48.01

LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN
Ngƣời hƣớng dẫn khoa học: PGS.TS ĐOÀN VĂN BAN

Thái nguyên – Năm 2014

Số hóa bởi Trung tâm Học liệu

/>

2

Mục lục
Mở đầu ........................................................................................................................4
CHƢƠNG 1: GIỚI THIỆU VỀ WEB NGỮ NGHĨA ................................................8
1.1. Cách thức tìm kiếm thông tin của bộ máy tìm kiếm (Search engine) ...8
1.1.1. Một số bộ tìm kiếm thông dụng ......................................................8
1.1.2. Cách thức tìm kiếm .........................................................................9

1.1.3. Nguyên lý hoạt động .....................................................................11
1.1.4. Hạn chế của web thông thƣờng .....................................................11
1.2. Web ngữ nghĩa .....................................................................................12
1.2.1. Sự ra đời của Web ngữ nghĩa ........................................................12
1.2.2. Lợi ích của Web ngữ nghĩa ...........................................................13
1.2.3. Các hƣớng nghiên cứu chính trong lĩnh vực dịch vụ web ngữ
nghĩa ...................................................................................................................13
1.3. Kiến trúc phân tầng của Web ngữ nghĩa .............................................14
1.3.1. Kiến trúc phân tầng .......................................................................14
1.3.2. Vai trò của các tầng .......................................................................14
1.4. RDF – Nền tảng của Web ngữ nghĩa ...................................................18
1.4.1. Giới thiệu .......................................................................................18
1.4.2. Các khái niệm cơ bản ....................................................................18
1.4.3. Cấu trúc RDF/XML ......................................................................19
1.4.4. RDFS collection ............................................................................20
1.4.5. RDFS schema ................................................................................22
1.5. Truy vấn dữ liệu trong RDF ................................................................26
1.5.1. Giới thiệu .......................................................................................26
1.5.2. Cú pháp truy vấn ...........................................................................26
1.5.3. Rằng buộc dữ liệu .........................................................................28
rdfs:ConstraintResource. .........................................................................29
rdfs:ConstraintProperty. ..........................................................................29
rdfs:range. ................................................................................................29
Số hóa bởi Trung tâm Học liệu

/>

3

rdfs:domain..............................................................................................30

1.6. Tổng kết chƣơng 1 ...............................................................................32
CHƢƠNG 2: CÔNG NGHỆ XÂY DỰNG WEB NGỮ NGHĨA.............................33
2.1. Ontology và ngôn ngữ web OWL .......................................................33
2.1.1. Khái niệm Ontology ......................................................................33
2.1.2. Thành phần của Ontology .............................................................33
2.1.3. Phƣơng pháp xây dựng Ontology .................................................35
2.1.4. OWL (Ontology Web Language)..................................................35
2.2. Các bƣớc xây dựng Ontology ..............................................................37
2.3. Công cụ xây dựng Ontology ................................................................39
2.3.1. Công cụ Sesame ............................................................................39
2.3.2. Công cụ Chimaera .........................................................................40
2.3.3. Công cụ Jena .................................................................................40
2.3.4. Công cụ Protégé ............................................................................40
2.4. Thƣ viện phát triển ứng dụng ..............................................................42
2.4.1. Thƣ viện SemWeb .........................................................................42
2.4.2. Thƣ viện mã nguồn mở OWLDotNetAPI .....................................42
2.4.3. Thƣ viện mã nguồn mở dotNetRDF .............................................42
2.5. Tổng kết chƣơng 2 ...............................................................................43
CHƢƠNG 3: XÂY DỰNG HỆ THỐNG TRA CỨU VĂN HÓA ẨM THỰC TẠI
HẢI PHÕNG .............................................................................................................43
3.1. Tổng quan về Hải Phòng .....................................................................43
3.1.1. Giới thiệu về Thành phố Hải Phòng..............................................43
3.1.2. Ẩm thực đặc trƣng của Thành phố Hải Phòng ..............................45
3.2. Yêu cầu, hƣớng tiếp cận và giải pháp..................................................59
3.2.1. Yêu cầu của ứng dụng ...................................................................59
3.2.2. Hƣớng tiếp cận và giải pháp..........................................................60
3.3. Xây dựng Ontology .............................................................................68
3.3.1. Miền và phạm vi của Ontology .....................................................68
3.3.2. Các lớp trong Ontology .................................................................68
Số hóa bởi Trung tâm Học liệu

/>

4

3.3.3. Thuộc tính các lớp trong Ontology ...............................................70
3.3.4. Xác định các cá thể........................................................................73
3.4. Mô hình hệ thống .................................................................................74
3.5. Thiết kế xử lý hệ thống ........................................................................75
3.5.1. Chức năng tìm kiếm ......................................................................75
3.5.2. Chức năng xem thông tin ..............................................................76
3.6. Xây dựng hệ thống...............................................................................77
3.6.1. Đọc RDF với dotNetRDF .............................................................77
3.6.2. Truy vấn với SPARQL ..................................................................78
3.6.3. Thuật toán áp dụng ........................................................................79
3.6.4. Kết quả chƣơng trình .....................................................................80
3.7. Tổng kết chƣơng 3 ...............................................................................81
KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN ................................................................82

Số hóa bởi Trung tâm Học liệu

/>

5

Mở đầu
1. Lý do chọn đề tài
Ngày nay khoa học và công nghệ phát triển cùng với sự bùng nổ về internet thì
Word Wide Web phát triển cả về nội dung lẫn hình thức. Nó có một khối lƣợng thông
tin khổng lồ, đƣợc tạo ra từ các tổ chức, cộng đồng và nhiều cá nhân với lý do khác

nhau. Ngƣời sử dụng Web có thể dễ dàng truy cập những thông tin này bằng cách chỉ
ra địa chỉ URL và theo các liên kết để tìm ra các tài nguyên liên quan khác.
Tính đơn giản của Web hiện nay đã dẫn đến một số hạn chế, việc tìm kiếm
thông tin trên Web có thể trả về một lƣợng lớn thông tin không hợp lý và không liên
quan. Tính đơn giản này đã gây ra hiện tƣợng thắt cổ chai, tạo khó khăn trong việc
tìm kiếm, trích rút thông tin. Máy tính chỉ biết gửi và trả thông tin, chúng không thể
truy xuất những nội dung cần. Nó chi hỗ trợ ở mức độ giới hạn nào đó trong việc truy
xuất và xử lý thông tin. Kết quả là ngƣời sử dụng phải đảm nhiệm việc truy cập, xử lý
thông tin, trích lọc thông tin phù hợp với việc tìm kiếm.
Để khắc phục các hạn chế này, khái niệm web ngữ nghĩa đã ra đời. Web ngữ
nghĩa là một bƣớc tiến vƣợt bậc so với kỹ thuật web trƣớc đó dựa vào khả năng làm
việc với thông tin của chúng thay vì chỉ đơn thuần là lƣu trữ thông tin.
Hải Phòng là một trong 5 thành phố trực thuộc trung ƣơng và là một đô thị
loại 1 trung tâm cấp quốc gia, là thành phố lớn thứ 3 của Việt Nam,có vị trí quan
trọng về kinh tế xã hội và an ninh, quốc phòng của vùng Bắc Bộ và cả nƣớc.
Ẩm thực Hải Phòng bình dị và dân dã, không cầu kỳ nhƣng đậm đà khó quên.
Nơi đây nổi tiếng với các món hải sản. Các nhà hàng hải sản ở khu vực Đồ Sơn nổi
tiếng với tôm cua cá mực rất tƣơi và giá phải chăng. Phong cách chế biến hải sản ở
Hải Phòng theo phong cách dân dã, nhấn mạnh thực chất và vị tƣơi ngon của nguyên
liệu nhiều hơn sự cầu kỳ trong gia vị và cách chế biến.
Các món ăn nhƣ bánh đa cua, bún cá, bánh mỳ cay, cơm cháy hải sản, ốc cay,
nem cua bể (nem vuông), giờ đây đã quá quen thuộc và nổi tiếng. Những món ăn này
Số hóa bởi Trung tâm Học liệu

/>

6

có thể đƣợc tìm thấy trên đƣờng phố của những nơi khác nhƣ TP.Hồ Chí Minh, Hà
Nội,... nhƣng đƣợc thƣởng thức chúng trên Thành phố Hoa phƣợng đỏ vẫn là lý

tƣởng nhất vì sự lựa chọn nguyên liệu tƣơi ngon cùng với những bí quyết ẩm thực
riêng của ngƣời đầu bếp. Ẩm thực Hải Phòng đã từng đƣợc quảng bá sang Châu Âu
tại lễ hội biển Brest 2008 (Cộng hòa Pháp) và đã gây đƣợc tiếng vang lớn.
Ngoài ra, Hải Phòng còn nổi tiếng với nhiều món ăn khác nhƣ lẩu bề bề, nộm
giá, thịt san biển, sủi dìn, bánh bèo,... Một số món ăn không thể thƣởng thức ở những
nơi khác mà chỉ có tại Hải Phòng.
Với những lý do trên, tôi xin chọn đề tài “Web ngữ nghĩa và ứng dụng trong
tra cứu đặc trƣng văn hóa ẩm thực tại Hải Phòng”
2. Mục tiêu
Ứng dụng Semantic Web xây dựng ứng dụng tra cứu đặc trƣng văn hóa ẩm
thực tại Hải Phòng.
3. Đối tƣợng và phạm vi nghiên cứu
Đối tượng nghiên cứu:
-

Tìm hiểu về web ngữ nghĩa, phƣơng pháp xây dựng Ontology.

-

Tìm hiểu về các thông tin đặc trƣng văn hóa ẩm thực tại Thành phố Hải
Phòng.

Phạm vi nghiên cứu:
-

Nghiên cứu xây dựng tập từ vựng cơ bản về đặc trƣng văn hóa ẩm thực
tại Thành phố Hải Phòng.

-

Tổ chức lƣu trữ dữ liệu của ứng dụng với Protégé và tính năng truy xuất
dữ liệu trong Ontology.

4. Phƣơng pháp nghiên cứu
- Tìm hiểu các vấn đề về Web ngữ nghĩa.
- Thu thập các tài liệu liên quan.
- Triển khai xây dựng ứng dụng.
Số hóa bởi Trung tâm Học liệu

/>

7

5. Ý nghĩa khoa học và thực tiễn đề tài
- Xây dựng tập từ vựng về văn hóa ẩm thực ở Hải Phòng.
- Góp phần nâng cao khả năng tra cứu và chia sẻ thông tin về văn hóa ẩm
thực tại thành phố Hải Phòng.
6. Dự kiến bố cục luận văn
Luận văn đƣợc chia làm 3 chƣơng:
Chƣơng 1: Trình bày giới thiệu tóm tắt về Web ngữ nghĩa, kiến trúc của
Web ngữ nghĩa, cũng nhƣ giới thiệu RDF – nền tảng của Web ngữ nghĩa.
Chƣơng 2: Giới thiệu các công nghệ xây dựng Web ngữ nghĩa cụ thể là đi
sâu vào nghiên cứu Ontology. Đồng thời đƣa ra giải pháp về ngôn ngữ và
công cụ để xây dựng ứng dụng Semantic web.
Chƣơng 3: Giới thiệu về ứng dụng, phân tích và đề xuất giải pháp xây
dựng ứng dụng. Tiến hành xây dựng ontology, xử lý dữ liệu, cài đặt ứng
dụng và đƣa ra một số kết quả đạt đƣợc.

Số hóa bởi Trung tâm Học liệu

/>

8

CHƢƠNG 1: GIỚI THIỆU VỀ WEB NGỮ NGHĨA
1.1. Cách thức tìm kiếm thông tin của bộ máy tìm kiếm (Search engine)
Search engine hay còn gọi là máy tìm kiếm là một trang Web cho phép ngƣời
dùng tìm kiếm nội dung số của các trang Web trên Internet [1].
Thƣờng kỳ, máy tìm kiếm sẽ dò quét nội dung tất cả các trang Web trên Internet và
cập nhật nội dung văn bản text vào cơ sở dữ liệu khổng lồ của mình mà ngƣời dùng
có thể khai thác sau đó. Để làm việc này các máy tìm kiếm thƣờng gửi các
Web crawler, web spider hay web robot (ví dụ googlebot của Google – Yahoo
slurp của Yahoo) đến các trang cần đánh chỉ số. Các bọ tìm kiếm này sẽ truy cập
phân tích và gửi nội dung về các máy tìm kiếm.
Máy tìm kiếm sắp xếp các trang Web dựa vào nội dung HTML của trang. Việc này
khác với các thƣ mục Web truyền thống mà những ngƣời kiểm duyệt sắp đặt trong
các mục riêng biệt với tên site và miêu tả đi kèm.
1.1.1. Một số bộ tìm kiếm thông dụng
Bộ thu thập thông tin
Cơ sở dữ liệu cuả các search engine đƣợc cập nhật hoá bởi các chƣơng trình đặc
biệt thƣờng gọi là "robot", "spider" hay "Webcrawler". Các chƣơng trình này sẽ tự
động dò tìm và phân tích từ những trang có sẵn trong cơ sở dữ liệu để kiếm ra các
liên kết (links) từ các trang và trở lại bổ xung dữ liệu cho các search engine sau khi
phân tích.
Về bản chất robot chỉ là một chƣơng trình duyệt và thu thập thông tin từ các site
theo đúng giao thức web. Những trình duyệt thông thƣờng không đƣợc xem là robot
do thiếu tính chủ động, chúng chỉ duyệt web khi có sự tác động của con ngƣời.
Bộ lập chỉ mục – Index
Hệ thống lập chỉ mục hay còn gọi là hệ thống phân tích và xử lý dữ liệu, thực hiện
việc phân tích, trích chọn những thông tin cần thiết (thƣờng là các từ đơn, từ ghép,

cụm từ quan trọng) từ những dữ liệu mà robot thu thập đƣợc và tổ chức thành cơ sở
Số hóa bởi Trung tâm Học liệu

/>

9

dữ liệu riêng để có thể tìm kiếm trên đó một cách nhanh chóng, hiệu quả. Lập chỉ
mục là giai đoạn phân tích tài liệu (document) để xác định các chỉ mục biểu diễn nội
dung của tài liệu. Hệ thống chỉ mục là danh sách các từ khoá, chỉ rõ các từ khoá nào
xuất hiện ở trang nào, địa chỉ nào.
Bộ tìm kiếm thông tin – Search Engine
Search engine là cụm từ dùng chỉ toàn bộ hệ thống bao gồm bộ thu thập thông tin,
bộ lập chỉ mục & bộ tìm kiếm thông tin. Các bộ này hoạt động liên tục từ lúc khởi
động hệ thống, chúng phụ thuộc lẫn nhau về mặt dữ liệu nhƣng độc lập với nhau về
mặt hoạt động.
Search engine tƣơng tác với user thông qua giao diện web, có nhiệm vụ tiếp nhận và
trả về những tài liệu thoả yêu cầu của user.
Bộ Query Engine
Bộ công cụ truy vấn có nhiệm vụ nhận và tìm kiếm các yêu cầu của ngƣời sử dụng,
Bộ công cụ này sẽ dựa vào bảng chỉ mục và các kho lƣu trữ. Bởi kích thƣớc của
web rất lớn, thêm nữa khi sử dụng chỉ đƣa vào một hay hai từ khóa sau đó sẽ nhận
đƣợc tập kết quả. Do đó phải có một modul sắp xếp kết quả theo thứ tự sao cho nó
gần với nội dung đang cần tìm nhất.
Sắp xếp
Đây là một modul có chức năng sàng lọc thông tin từ hàng triệu trang tƣơng tự nhau
để sắp xếp vị trí từng trang sao cho phù hợp nhất.
1.1.2. Cách thức tìm kiếm
Tìm kiếm thông tin nói chung là giải quyết các vấn đề nhƣ: biểu diễn, lƣu trữ, tổ
chức và truy cập đến các mục thông tin. Việc tổ chức và biểu diễn thông tin giúp

ngƣời sử dụng dễ dàng truy cập thông tin mà mình quan tâm. Nhƣng để mô tả các
thông tin đó không phải là điều dễ dàng. Do vậy, hệ thống tìm kiếm thông tin bao
gồm quá trình cơ bản sau: Biểu diễn nội dung các tài liệu, biểu diễn yêu cầu ngƣời
dùng và so sánh hai biểu diễn này.
Quy trình biểu diễn tài liệu thƣờng gọi là quá trình chỉ số hóa. Quá trình này có thể
lƣu trữ thực sự các tài liệu trong hệ thống nhƣng thƣờng chỉ lƣu một phần tài liệu,
chẳng hạn nhƣ phần tiêu đề, phần tóm tắt. Quá trình biểu diễn yêu cầu của ngƣời
Số hóa bởi Trung tâm Học liệu

/>

10

dùng gọi là quá trình truy vấn. Truy vấn biểu thị sự tƣơng tác giữa hệ thống và
ngƣời sử dụng. Việc so sánh truy vấn với tài liệu cũng đƣợc gọi là quá trình đối
sánh và cho kết quả là một danh sách các tài liệu đƣợc sắp xếp theo thứ tự mức độ
liên quan với truy vấn.
Rõ ràng, để mô tả thông tin yêu cầu một cách đầy đủ, ngƣời sử dụng không thể trực
tiếp yêu cầu thông tin sử dụng các giao diện hiện thời của hệ thống tìm kiếm. Thay
vì ngƣời sử dụng đầu tiên phải chuyển đổi thông tin yêu cầu này thành một truy vấn
mà có thể đƣợc xử lý bởi hệ thống tìm kiếm (hoặc hệ thống thu hồi thông tin
(Information Retrieval - IR)). Thông thƣờng, phép chuyển đổi này tạo ra một tập
hợp các từ khoá (hoặc các term chỉ số) mô tả khái quát yêu cầu của ngƣời sử dụng.
Nhƣ vậy, việc tìm kiếm các tài liệu dựa trên nội dung thực sự của văn bản mà không
phụ thuộc vào các từ khoá gắn với văn bản đó. Các công cụ tìm kiếm văn bản nổi
tiếng hiện nay nhƣ Google, Altavista, Yahoo,…là những hệ tìm kiếm đƣa ra danh
sách các văn bản theo độ quan trọng của câu hỏi đƣa vào. Để xây dựng một hệ tìm
kiếm văn bản có hiệu quả cao, trƣớc hết các văn bản và truy vấn ở dạng ngôn ngữ tự
nhiên phải đƣợc tiền xử lý và chuẩn hoá.
Sau đây là hai mô hình chi tiết cho bộ công cụ tìm kiếm thông tin truyền thống và

bộ công cụ tìm kiếm thông tin trên mạng.
Văn bản

Bài toán thông tin

Biểu diễn

Biểu diễn

Văn bản đã chỉ số

Truy vấn thông tin

So sánh

Số hóa bởi Trung tâm Học liệu
Phản hồi

/>Các văn bản đƣợc
tìm kiếm


11

Hình 1.1: Sơ đồ nguyên lý hoạt động
1.1.3. Nguyên lý hoạt động
Search Engine làm việc bằng cách lƣu trữ thông tin về nhiều trang Web trên WWW.
Những thông tin này sẽ đƣợc thu thập bởi các Spider (chính là Web crawling) và
nội dung của mỗi trang sẽ đƣợc phân tích để SE quyết định nên index cái nào (ví
dụ, những từ khoá đƣợc thu thập từ các titles, heading hay một số trƣờng đặc biệt

gọi là meta tags) để trả về những thông tin mà ngƣời tìm kiếm mong muốn nhất.
Dữ liệu về những trang Web sẽ đƣợc lƣu trữ tại các cơ sở dữ liệu chỉ mục để sử
dụng cho những lần truy vấn sau. Một số Search Engine, nhƣ Google chẳng hạn, sẽ
lƣu trữ toàn bộ hay một phần trang gốc (đƣợc xem nhƣ một cache) cũng nhƣ thông
tin về trang Web đó, trái lại với một số SE khác, nhƣ AltaVista, sẽ lữu trữ tất cả các
từ của những trang mà nó tìm thấy [5].
Khi ngƣời dùng nhập vào các Search Engine một truy vấn (chủ yếu là các
keyword), các SE này sẽ kiểm tra các index của nó và cung cấp danh sách các trang
Web phù hợp nhất, thƣờng là các cụm từ ngắn hay một phần của một đoạn văn bản.
Hầu hết các Search Engine đều sử dụng các Boolean Operators (toán tử luận lý) nhƣ
AND, OR và NOT để xác định các search query (truy vấn tìm kiếm). Một số SE
khác lại sử dụng những phƣơng pháp tiên tiến hơn nhƣ Proximity Search (tìm kiếm
gần kề) để cho phép ngƣời dùng xác định đƣợc khoảng cách giữa các từ khoá.
1.1.4. Hạn chế của web thông thƣờng
Web thông thƣờng (thế hệ web 2.0) chỉ hỗ trợ so khớp các từ khóa tìm kiếm, không
có khả năng suy diễn các từ đồng nghĩa. Do vậy, kết quả tìm kiếm đƣợc lại phải nhờ
vào quết định của con ngƣời khi chọn dịch vụ web cần sử dụng. Máy có thể xử lý
đƣợc nhƣng máy vẫn chƣa có khả năng hiểu và xử lý dịch vụ trả về có thật sự đúng
với yêu cầu cùa ngƣời dùng dịch vụ [5].
Có thể tóm tắt các mặt hạn chế của dịch vụ web thông thƣờng nhƣ sau:
Số hóa bởi Trung tâm Học liệu

/>

12

* Có các dịch vụ web không liên quan.
* Bỏ xót các dịch vụ web thật sự liên quan vì không có sự suy diễn, quyết
định sử dụng dịch vụ web phải do con ngƣời can thiệp.

1.2. Web ngữ nghĩa
1.2.1. Sự ra đời của Web ngữ nghĩa
World Wide Web (gọi tắt là Web) đã trở thành một kho tàng thông tin khổng lồ của
nhân loại và một môi trƣờng chuyển tải thông tin không thể thiếu đƣợc trong thời
đại công nghệ thông tin ngày nay. Sự phổ biến và bùng nổ thông tin trên Web cũng
đặt ra một thách thức mới là làm thế nào để khai thác đƣợc thông tin trên Web một
cách hiệu quả, mà cụ thể là làm sao để máy tính có thể trợ giúp xử lý tự động đƣợc
chúng. Muốn vậy, trƣớc hết máy tính phải hiểu đƣợc thông tin trên các tài liệu Web,
trong khi ở thế hệ Web hiện tại thông tin đƣợc biểu diễn dƣới dạng chỉ con ngƣời
mới đọc hiểu đƣợc. Các chuyên gia dự đoán, bề nổi của web (surface web) chứa
khoảng 1 đến 2 tỷ trang tài liệu trong khi, ở phần sâu của web thì chứa đến 550 tỷ
trang tài liệu. Có khoảng 200.000 website có tầng thông tin sâu, khoảng hơn 1/2 số
thông tin này nằm trong các cơ sở dữ liệu có chủ đề riêng biệt. Khoảng 95% thông
tin trong các website có tầng thông tin sâu cho phép đa số ngƣời dùng có thể khai
thác miễn phí.
Nhƣng hiện nay, hầu hết các công cụ tìm kiếm tài liệu trên web đƣợc coi là tìm
kiếm hiệu quả cũng chủ yếu tìm kiếm đƣợc trên bề nổi của web. Trong khi ở tầng
sâu của web chứa một khối lƣợng thông tin khổng lồ và thƣờng rất có giá trị cho các
nhà nghiên cứu, các học giả hay đơn thuần là những ngƣời thích tìm hiểu. Bên cạch
đó, các trang web hiện nay có rất ít đƣờng liên kết với các trang web khác nên việc
tìm kiếm là khó khăn. Ngoài ra, thông tin tìm kiếm đƣợc không theo chủ đề mà chỉ
là vấn đề tìm thoả theo từ khoá đơn thuần, kết quả tìm kiếm phải do con ngƣời chọn
lại theo chủ đề mong muốn.

Số hóa bởi Trung tâm Học liệu

/>

Luận vận đậy đu ở file:Luận vận Full