Tổng quan về luận án

Trong kỷ nguyên bùng nổ dữ liệu số, việc biểu diễn, xử lý và khai phá tri thức từ các nguồn thông tin có tính không chắc chắn (uncertainty), không đầy đủ (incompleteness), mơ hồ (vagueness) và không nhất quán (inconsistency) là một trong những thách thức cốt lõi của Trí tuệ nhân tạo (AI) và Khoa học dữ liệu. Kể từ khi Zdzisław Pawlak (1982) khởi xướng Lý thuyết Tập thô (Rough Set Theory - RST), mô hình toán học này đã chứng minh ưu thế vượt trội: xử lý tính mơ hồ mà "không cần bất kỳ thông tin sơ bộ và bổ sung nào về dữ liệu như các lý thuyết khác, chẳng hạn, các phân bố xác suất cần cho lý thuyết thống kê, các phép gán xác suất cơ bản cần cho lý thuyết bằng chứng, mức độ thành viên hay giá trị khả năng cần cho lý thuyết tập mờ" (trích dẫn luận án; dẫn xuất từ Skowron et al., 2002; Pawlak & Skowron, 2007; Dutta et al., 2014). Tuy nhiên, quan hệ tương đương (equivalence relation) cảm sinh phân hoạch cứng trong tập thô cổ điển bộc lộ giới hạn nghiêm trọng khi mô hình hóa các bài toán thế giới thực có các lớp phủ chồng lấn hoặc dữ liệu liên tục mang tính mờ đa chiều.

Để giải quyết khoảng trống lý thuyết và thực nghiệm đó, luận án tiến sĩ chuyên ngành Hệ thống thông tin (Mã số: 9480104.01) của nghiên cứu sinh Phạm Thanh Huyền tại Trường Đại học Công nghệ – Đại học Quốc gia Hà Nội, dưới sự hướng dẫn của PGS.TS. Hồ Thuần và PGS.TS. Nguyễn Trí Thành, mang tiêu đề "Phát triển mô hình tập thô phủ, tập thô mờ và áp dụng tập thô vào khai phá dữ liệu" đã tiên phong phát triển các mô hình mở rộng bậc cao của lý thuyết tập thô, tập trung vào ba trụ cột: lý thuyết tập thô phủ (Covering-based Rough Sets - CRS), lý thuyết tập thô mờ bức tranh (Picture Fuzzy Rough Sets - PFRS) và các kiến trúc thuật toán thích nghi cho phân lớp đa nhãn (multi-label classification) cùng hệ tư vấn (recommender systems).

                              ┌────────────────────────────────────────┐
                              │  LÝ THUYẾT TẬP THÔ CỔ ĐIỂN (Pawlak, 1982) │
                              │    - Hệ thống thông tin S = (U, A, V, f)   │
                              │    - Quan hệ không phân biệt được IND(B)   │
                              │    - Cặp xấp xỉ thô: <B_*(X), B^*(X)>       │
                              └───────────────────┬────────────────────┘
                                                  │
                  ┌───────────────────────────────┴──────────────────────────────┐
                  ▼                                                              ▼
┌───────────────────────────────────┐                          ┌───────────────────────────────────┐
│     HƯỚNG TẬP THÔ PHỦ (CRS)       │                          │  HƯỚNG TẬP THÔ MỜ BỨC TRANH (PFRS)│
│  (Zakowski, 1983; Degang, 2011)   │                          │      (Cuong & Kreinovich, 2013)   │
├───────────────────────────────────┤                          ├───────────────────────────────────┤
│ • Không gian xấp xỉ phủ (U, C)    │                          │ • 3 độ đo: Khẳng định (μ),        │
│ • Bảng quyết định phủ (CDT)       │                          │   Trung lập (η), Phủ định (ν)     │
│ • Bảng quyết định dàn phủ (CLDT)  │                          │ • Dàn đầy đủ (D*, ≤_1)            │
│ • Rút gọn dàn & thích nghi dàn   │                          │ • Suy diễn hợp thành GMP-CRI      │
└─────────────────┬─────────────────┘                          └─────────────────┬─────────────────┘
                  │                                                              │
                  ▼                                                              ▼
┌───────────────────────────────────┐                          ┌───────────────────────────────────┐
│    ỨNG DỤNG KHAI PHÁ DỮ LIỆU      │                          │     ỨNG DỤNG HỖ TRỢ RA QUYẾT ĐỊNH │
├───────────────────────────────────┤                          ├───────────────────────────────────┤
│ • Phân lớp đa nhãn: CDTML-KNN,    │                          │ • Chuyển đổi: HTTT bội (MIS)      │
│   MULTICS2 (bán giám sát),        │                          │   ==> HTTT mờ bức tranh (PFIS)    │
│   FRR-RED (rút gọn đặc trưng)     │                          │ • Mô hình đánh giá & xếp hạng     │
│ • Hệ tư vấn: Mô hình CLDT cho     │                          │   ứng viên tuyển dụng đa tiêu chí │
│   lọc cộng tác trên MovieLens     │                          │                                   │
└───────────────────────────────────┘                          └───────────────────────────────────┘

Khoảng trống nghiên cứu (research gaps) cụ thể mà luận án định vị và giải quyết bao gồm:

  1. Khoảng trống về mô hình quyết định phủ trong phân lớp đa nhãn: Hầu hết các công trình nghiên cứu về hệ thống quyết định phủ quốc tế (Chen Degang et al., 2011; Yao, 2012; Wang et al., 2013) chỉ dừng lại ở bài toán rút gọn thuộc tính đơn nhãn, chưa xây dựng được cơ chế khai thác cấu trúc phụ thuộc nhãn (label dependency) từ không gian xấp xỉ phủ để tối ưu hóa phân loại đa nhãn.
  2. Khoảng trống về tích hợp dàn khái niệm và tập thô phủ: Sự thiếu vắng một cấu trúc biểu diễn hình thức tích hợp dàn khái niệm (Formal Concept Lattice) với bảng quyết định phủ nhằm vừa rút gọn đặc trưng người dùng vừa cá nhân hóa tập gợi ý trong kỹ thuật lọc cộng tác (collaborative filtering).
  3. Khoảng trống về cơ chế suy diễn trên tập thô mờ bức tranh: Lý thuyết tập mờ bức tranh (Cuong & Kreinovich, 2013; Cuong et al., 2016) mới chỉ tập trung vào các toán tử đại số cơ bản, chưa phát triển hoàn chỉnh quy tắc hợp thành suy diễn (Compositional Rule of Inference - CRI) phục vụ mô hình hóa suy luận mờ ba chiều (Three-way decision) từ các hệ thống thông tin bội (Multiple Information Systems - MIS).

Luận án thiết lập và kiểm chứng 3 câu hỏi nghiên cứu cốt lõi:

  • RQ1: Mô hình tập thô phủ cần được khai thác và mở rộng cấu trúc như thế nào để xây dựng bảng quyết định phủ (CDT) có khả năng nâng cao độ chính xác phân lớp đa nhãn thông qua khai thác ma trận tương quan nhãn?
  • RQ2: Làm thế nào để hợp nhất cấu trúc dàn khái niệm hình thức vào tập thô phủ nhằm kiến tạo mô hình Bảng quyết định dàn phủ (CLDT) giải quyết bài toán lọc thông tin hướng người dùng trong hệ tư vấn?
  • RQ3: Quy tắc suy diễn hợp thành trong logic mờ bức tranh (PFL-CRI) cần được tiên đề hóa ra sao và quy trình mờ hóa bức tranh từ hệ thống thông tin bội được thiết lập thế nào để ứng dụng hiệu quả vào bài toán xếp hạng đối tượng đa tiêu chí?

Các giả thuyết nghiên cứu tương ứng bao gồm:

  • H1: Mô hình phân lớp đa nhãn CDTML-KNN dựa trên láng giềng phủ cảm sinh và ma trận tương quan nhãn-nhãn sẽ giảm thiểu đáng kể sai số mất mát Hamming (Hamming Loss) và nâng cao độ chính xác trung bình (Average Precision) so với các thuật toán cơ sở như ML-KNN.
  • H2: Thuật toán rút gọn dàn điều kiện Reduct_Finding kết hợp thuật toán thích nghi dàn quyết định Fitting_Finding trên mô hình CLDT sẽ giải quyết hiệu quả hiện tượng thưa thớt dữ liệu và nâng cao chất lượng gợi ý trong lọc cộng tác.
  • H3: Quy tắc suy diễn tổng quát hóa mờ bức tranh GMP-CRI bảo toàn tính đơn điệu trên dàn đầy đủ $(D^, \le_1)$, cho phép ánh xạ chính xác nhận thức ba chiều (đồng tình, trung lập, phản đối) trong đánh giá nhân sự.*

Phạm vi thực nghiệm của luận án bao phủ các tập dữ liệu chuẩn quốc tế quy mô lớn và đa dạng miền ứng dụng: Tập dữ liệu văn bản đa nhãn Enron (1702 đối tượng, 1001 thuộc tính, 53 nhãn), Medical (978 đối tượng, 1449 thuộc tính, 45 nhãn), Hotel (dữ liệu phản hồi đa chiều từ người dùng), và tập dữ liệu hệ tư vấn chuẩn MovieLens 100K (100.000 đánh giá từ 943 người dùng trên 1682 bộ phim).

Literature Review và Positioning

Lịch sử phát triển của lý thuyết tính toán mềm (soft computing) và tính toán hạt (granular computing) ghi nhận sự tiến hóa từ logic mờ (Fuzzy Sets - FS) của Lotfi A. Zadeh (1965), tập mờ trực cảm (Intuitionistic Fuzzy Sets - IFS) của Krassimir Atanassov (1986) đến lý thuyết tập thô (Rough Sets - RS) của Zdzisław Pawlak (1982). Pawlak định nghĩa một Hệ thống thông tin (Information System) là bộ tứ $S = (U, A, V, \rho)$, trong đó $U$ là tập vũ trụ hữu hạn các đối tượng, $A$ là tập các thuộc tính, $V = \bigcup_{a \in A} V_a$ là tập miền giá trị, và $\rho: U \times A \rightarrow V$ là hàm thông tin. Quan hệ không phân biệt được $IND(B)$ với $B \subseteq A$ cảm sinh một phân hoạch $U/IND(B)$ gồm các lớp tương đương $[u]_B$. Bất kỳ tập con $X \subseteq U$ được xấp xỉ qua cặp xấp xỉ dưới và xấp xỉ trên: $$\underline{B}X = \bigcup {Y \in U/B \mid Y \subseteq X}, \quad \overline{B}X = \bigcup {Y \in U/B \mid Y \cap X \neq \emptyset}$$

          TẬP MỜ (Zadeh, 1965)
          - Mức độ thành viên: μ(u) ∈ [0, 1]
                    │
                    ▼
          TẬP MỜ TRỰC CẢM (Atanassov, 1986)
          - Thành viên: μ(u), Không thành viên: ν(u)
          - Điều kiện: μ(u) + ν(u) ≤ 1
                    │
                    ▼
          TẬP MỜ BỨC TRANH (Cuong & Kreinovich, 2013)
          - 3 chiều: Khẳng định μ(u), Trung tính η(u), Phủ định ν(u)
          - Điều kiện: μ(u) + η(u) + ν(u) ≤ 1
                    │
          ┌─────────┴────────────────────────────────┐
          │ Tích hợp với TẬP THÔ PHỦ (Zakowski, 1983)│
          ▼                                          ▼
   BẢNG QUYẾT ĐỊNH PHỦ (CDT)             TẬP THÔ MỜ BỨC TRANH (PFRS)
   - Thuật toán CDTML-KNN                - Quy tắc hợp thành suy diễn PFL-CRI
   - Phân lớp đa nhãn tối ưu             - Đánh giá xếp hạng nhân sự đa tiêu chí

Các dòng nghiên cứu chính và tranh luận học thuật

  1. Tranh luận về không gian xấp xỉ: Phân hoạch tương đương vs. Phủ tổng quát hóa: W. Żakowski (1983) đã đề xuất mô hình Tập thô phủ (Covering-based Rough Sets - CRS), thay thế quan hệ tương đương bằng một phủ $\mathcal{C} = {K_i \mid K_i \subseteq U, \bigcup K_i = U}$. Sự mở rộng này dẫn đến cuộc tranh luận lý thuyết kéo dài giữa trường phái xấp xỉ cổ điển dựa trên đại số Boole (Pawlak, 1991; Skowron & Rauszer, 1992) và trường phái topo phủ (Chen Degang et al., 2011; Yao, 2012; Zhu, 2007). Nhóm tác giả Chen Degang et al. (2011) chứng minh rằng việc sử dụng họ các phủ $\Delta = {C_1, C_2, \dots, C_m}$ và phủ cảm sinh $Cov(\Delta)$ cho phép xây dựng các lát cắt thông tin linh hoạt hơn, nhưng lại gây khó khăn trong việc kiểm soát sự bùng nổ tổ hợp khi tính toán mô tả tối thiểu $Md(u) = {K \in \mathcal{C} \mid u \in K \wedge (\forall S \in \mathcal{C}, u \in S \wedge S \subseteq K \implies K = S)}$ và láng giềng gần $N_{\mathcal{C}}(u) = \bigcap {K \in \mathcal{C} \mid u \in K}$.

  2. Tranh luận về mô hình hóa sự mơ hồ nhận thức: Logic hai chiều vs. Quyết định ba chiều: Khi Didier Dubois và Henri Prade (1990) kết hợp tập thô và tập mờ (Fuzzy Rough Sets - FRS), mức độ thành viên được mô hình hóa qua quan hệ tương tự mờ (fuzzy similarity relation). Tuy nhiên, Bùi Công Cường và Vladik Kreinovich (2013) chỉ ra rằng cả tập mờ chuẩn lẫn tập mờ trực cảm (IFS) của Atanassov (1986) đều không thể diễn đạt trạng thái "trung tính/bỏ phiếu trắng" vốn rất phổ biến trong nhận thức con người. Việc đề xuất Tập mờ bức tranh (Picture Fuzzy Sets - PFS) với bộ ba $(\mu_A(u), \eta_A(u), \nu_A(u))$ thỏa mãn $\mu_A(u) + \eta_A(u) + \nu_A(u) \le 1$ đã mở ra không gian biểu diễn ba chiều (Three-way decision paradigm theo trường phái Yiyu Yao, 2012), song lại tạo ra thách thức lớn về việc xác lập các toán tử suy diễn mờ bảo toàn cấu trúc dàn.

Định vị khoa học và so sánh quốc tế

Luận án định vị nghiên cứu tại điểm giao thoa giữa cấu trúc toán học hạt mở rộng và các bài toán học máy hiện đại. So sánh với các công trình quốc tế tiêu biểu:

  • So với nghiên cứu của Richard Jensen & Qiang Shen (2004, 2009) về thuật toán QuickReduct trên không gian tập thô mờ: Công trình của Jensen chỉ áp dụng cho bài toán phân lớp đơn nhãn truyền thống. Luận án đã vượt qua giới hạn này bằng cách đề xuất thuật toán FRR-RED rút gọn đặc trưng cho bài toán phân lớp đa nhãn và thuật toán bán giám sát MULTICS2 khai thác cấu trúc quan hệ nhãn-nhãn.
  • So với công trình của Nele Verbiest et al. (2013) về lựa chọn đặc trưng thô mờ (fuzzy rough feature selection): Verbiest tập trung vào các hàm t-chuẩn (t-norms) trong phân lớp đơn nhãn, trong khi luận án mở rộng sang cấu trúc Bảng quyết định phủ (CDT) và Bảng quyết định dàn phủ (CLDT), giải quyết trực tiếp sự phụ thuộc nhãn bậc cao (high-order label correlation).
  • So với các nghiên cứu của Zhang et al. (2016, 2019) về tập thô phủ trong hệ tư vấn: Zhang chỉ sử dụng phủ nhị phân đơn giản của người dùng trên tập mục. Luận án đã kết hợp cấu trúc Dàn khái niệm hình thức (Formal Concept Lattice của Rudolf Wille, 1982) vào bảng quyết định phủ để xây dựng cơ chế rút gọn hai chiều: rút gọn dàn điều kiện để tìm láng giềng người dùng và thích nghi dàn quyết định để lọc mục tư vấn tối ưu.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án tạo ra bước phát triển đột phá đối với nền tảng toán học của lý thuyết tập thô thông qua 4 đóng góp mang tính nền tảng:

  1. Thiết lập mô hình Bảng quyết định phủ (Covering Decision Table - CDT): Mở rộng bảng quyết định truyền thống $T = \langle U, C \cup D, V, \rho \rangle$ thành bảng quyết định phủ $DT_{cov} = \langle U, \mathcal{C} \cup \mathcal{D}, V, \rho \rangle$, trong đó $\mathcal{C}$ là một họ các phủ điều kiện và $\mathcal{D}$ là họ các phủ quyết định. Định nghĩa hình thức về miền dương phủ $POS_{\mathcal{C}}(\mathcal{D})$ và lớp tương đương cảm sinh cho phép đo lường chính xác mức độ phụ thuộc giữa tập đặc trưng và không gian đa nhãn.

  2. Xây dựng cấu trúc Bảng quyết định dàn phủ (Covering Lattice-based Decision Table - CLDT): Hợp nhất không gian xấp xỉ phủ với lý thuyết dàn khái niệm hình thức. Định nghĩa bộ ba $CLDT = \langle \mathcal{D}, \mathcal{C}_B, \mathcal{C}_H \rangle$, trong đó $\mathcal{C}_B$ là dàn điều kiện biểu diễn không gian ngữ cảnh thuộc tính và $\mathcal{C}_H$ là dàn quyết định biểu diễn cấu trúc mục/nhãn. Luận án đã chứng minh định lý về sự bảo toàn cấu trúc topo khi thực hiện phép rút gọn trên dàn điều kiện.

  3. Tiên đề hóa Quy tắc suy diễn hợp thành trong Logic mờ bức tranh (PFL-CRI): Mở rộng quy tắc Generalized Modus Ponens (GMP) của Zadeh lên không gian giá trị mờ bức tranh $D^* = {u = (u_1, u_2, u_3) \in [0,1]^3 \mid u_1 + u_2 + u_3 \le 1}$. Thiết lập quan hệ thứ tự bộ phận $\le_1$ trên $D^$: $$u \le_1 v \iff {u_1 < v_1, u_3 \ge v_3} \cup {u_1 = v_1, u_3 > v_3} \cup {u_1 = v_1, u_3 = v_3, u_2 \ge v_2}$$ Luận án đã chứng minh cấu trúc $(D^, \le_1)$ tạo thành một dàn đầy đủ (complete lattice) và xây dựng hệ thống toán tử kéo theo mờ bức tranh lớp 1, lớp 2 cùng các phép kéo theo S-bức tranh: $$I(a, b) = \mathcal{S}(\mathcal{N}(a), b), \quad \forall a, b \in D^*$$

  4. Hình thành lý thuyết Hệ thống thông tin bội (MIS) và Không gian xấp xỉ mờ bức tranh (PFAS): Định nghĩa không gian xấp xỉ $Pfas = (U, R)$ với $R$ là quan hệ mờ bức tranh tương tự (thỏa mãn phản xạ, đối xứng và bắc cầu sup-min). Thiết lập cặp toán tử xấp xỉ thô mờ bức tranh dưới $pfas_I(A)$ và xấp xỉ trên $pfas^S(A)$: $$pfas_I(A)(u) = \inf_{v \in U} {I(R(u,v), A(v))}, \quad pfas^S(A)(u) = \sup_{v \in U} {\mathcal{S}(R(u,v), A(v))}$$

                   CẤU TRÚC DÀN ĐẦY ĐỦ (D*, ≤_1)
                   Đỉnh: 1_D* = (1, 0, 0) [Khẳng định tuyệt đối]
                               ▲
                              ╱ ╲
                             ╱   ╲
     Trạng thái trung lập   │     │  Trạng thái không xác định
     (u_1, u_2, u_3)        │     │  (v_1, v_2, v_3)
                            ╲     ╱
                             ╲   ╱
                               ▼
                   Đáy: 0_D* = (0, 0, 1) [Phủ định tuyệt đối]

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp đa tầng lý thuyết:

  • Tầng 1 (Cơ sở toán học hạt): Kết hợp lý thuyết tập thô Pawlak, tập thô phủ Zakowski và tập mờ bức tranh Cường-Kreinovich.
  • Tầng 2 (Thuật toán biến đổi tri thức): Sử dụng ma trận phân biệt (discernibility matrix) mở rộng $DM(u, v)$ kết hợp với kỹ thuật tối ưu hóa bày đàn (Particle Swarm Optimization - PSO) và thuật toán láng giềng gần $k$-NN đa nhãn.
  • Tầng 3 (Thích nghi miền ứng dụng): Ánh xạ từ không gian đặc trưng mờ sang quyết định phân lớp đa nhãn và gợi ý cá nhân hóa.

Điều kiện biên lý thuyết (Boundary conditions): Các định lý và mô hình do luận án đề xuất đạt tính hội tụ và bảo toàn ngữ nghĩa tối ưu trên các hệ thống thông tin đầy đủ (Complete Information Systems - CIS). Đối với các hệ thống thông tin không đầy đủ (IIS), mô hình yêu cầu bước tiền xử lý mờ hóa hoặc gán giá trị kỳ vọng biên.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án tuân thủ lập trường nhận thức luận của Chủ nghĩa duy thực phê phán (Critical Realism) kết hợp với Chủ nghĩa thực chứng logic (Logical Positivism) trong Khoa học máy tính toán học. Thiết kế nghiên cứu tích hợp phương pháp chứng minh hình thức (Formal Mathematical Deduction) để xác lập các định lý, mệnh đề toán học với phương pháp thực nghiệm định lượng quy mô lớn (Large-scale Empirical Benchmarking) nhằm thẩm định thuật toán.

┌─────────────────────────────────────────────────────────────────────────┐
│                       QUY TRÌNH NGHIÊN CỨU RIGOROUS                      │
└────────────────────────────────────┬────────────────────────────────────┘
                                     │
                                     ▼
┌─────────────────────────────────────────────────────────────────────────┐
│ GIAI ĐOẠN 1: HÌNH THỨC HÓA LÝ THUYẾT & CHỨNG MINH TOÁN HỌC              │
│ - Xây dựng tiên đề dàn đầy đủ (D*, ≤_1) và đại số logic mờ bức tranh   │
│ - Thiết lập mô hình Bảng quyết định phủ (CDT) & Dàn phủ (CLDT)          │
│ - Chứng minh tính chất đơn điệu của quy tắc suy diễn GMP-CRI            │
└────────────────────────────────────┬────────────────────────────────────┘
                                     │
                                     ▼
┌─────────────────────────────────────────────────────────────────────────┐
│ GIAI ĐOẠN 2: THIẾT KẾ GIẢI THUẬT & PHÂN TÍCH ĐỘ PHỨC TẠP                 │
│ - CDTML-KNN: Tối ưu hóa phân lớp đa nhãn qua láng giềng phủ             │
│ - MULTICS2: Thuật toán bán giám sát khai thác ma trận quan hệ nhãn-nhãn │
│ - FRR-RED: Rút gọn đặc trưng theo quan hệ thô-mờ                        │
│ - Reduct_Finding & Fitting_Finding: Xử lý dàn điều kiện/quyết định      │
└────────────────────────────────────┬────────────────────────────────────┘
                                     │
                                     ▼
┌─────────────────────────────────────────────────────────────────────────┐
│ GIAI ĐOẠN 3: KIỂM CHỨNG THỰC NGHIỆM ĐỊNH LƯỢNG ĐA CHIỀU                 │
│ - Đánh giá chéo 10-fold cross-validation trên Enron, Medical, Hotel    │
│ - Đo lường 6 metrics đa nhãn chuẩn: HL, ZOL, CV, LR, AP, AC            │
│ - Đánh giá lọc cộng tác trên MovieLens 100K (50 người dùng mục tiêu)   │
└─────────────────────────────────────────────────────────────────────────┘

Quy trình nghiên cứu rigorous

Quy trình nghiên cứu được thực hiện qua 3 giai đoạn chặt chẽ:

  1. Giai đoạn nghiên cứu hình thức: Thiết lập hệ thống định nghĩa, bổ đề và định lý toán học liên quan đến xấp xỉ phủ, dàn khái niệm và toán tử mờ bức tranh.
  2. Giai đoạn thiết kế giải thuật: Phát triển 5 thuật toán lõi:
    • CDTML-KNN: Thuật toán phân lớp đa nhãn dựa trên bảng quyết định phủ.
    • MULTICS2: Thuật toán phân lớp đa nhãn bán giám sát khai thác ma trận phụ thuộc nhãn-nhãn.
    • FRR-RED: Thuật toán rút gọn đặc trưng dựa trên tập thô mờ.
    • Reduct_Finding & Fitting_Finding: Cặp thuật toán rút gọn dàn điều kiện và thích nghi dàn quyết định trên mô hình CLDT.
  3. Giai đoạn kiểm chứng thực nghiệm: Ứng dụng kỹ thuật kiểm định chéo $10$-fold cross-validation, loại bỏ thiên lệch chọn mẫu (selection bias), đảm bảo độ tin cậy và tái lập (reproducibility).

Data và phân tích

Đặc tính kỹ thuật của các tập dữ liệu thực nghiệm được lượng hóa chi tiết trong Bảng 1:

| Tập dữ liệu | Số đối tượng ($|U|$) | Số thuộc tính ($|A|$) | Số lượng nhãn ($|L|$) | Miền ứng dụng | Nguồn chuẩn | | :--- | :--- | :--- | :--- | :--- | :--- | | Enron | 1,702 | 1,001 | 53 | Khai phá văn bản Email | Mulan Benchmark | | Medical | 978 | 1,449 | 45 | Chẩn đoán lâm sàng | Computational Medicine Center | | Hotel | Tập phản hồi lớn | Đa chiều văn bản | Đa nhãn cảm xúc | Đánh giá dịch vụ khách sạn | Nghiên cứu tác giả | | MovieLens 100K| 943 người dùng | 1,682 bộ phim | 100,000 ratings | Hệ thống tư vấn | GroupLens Research |

Các kỹ thuật phân tích và công cụ triển khai: Hệ thống giải thuật được cài đặt trong môi trường thử nghiệm chuyên sâu tại Phòng thí nghiệm Khoa học dữ liệu và Công nghệ tri thức (DS & KTlab) – Trường Đại học Công nghệ, kết hợp bộ công cụ phân tích tập thô quốc tế ROSETTA (Ohrn, Aleksander et al., 1998) và bộ thư viện mở rộng Fuzzy-Rough Weka (Jensen et al., 2007).

Các độ đo đánh giá hiệu năng đa nhãn chuẩn quốc tế được áp dụng đồng thời:

  1. Hamming Loss (HL): Đơn vị đo lường tỷ lệ gán nhãn sai trung bình: $$HL = \frac{1}{|U|} \sum_{i=1}^{|U|} \frac{1}{|L|} |Y_i \Delta Z_i|$$
  2. Average Precision (AP): Độ chính xác trung bình tích lũy của các nhãn thực tế được xếp hạng cao hơn: $$AP = \frac{1}{|U|} \sum_{i=1}^{|U|} \frac{1}{|Y_i|} \sum_{y \in Y_i} \frac{|{y' \in Y_i \mid rank(i, y') \le rank(i, y)}|}{rank(i, y)}$$
  3. Zero-One Loss (ZOL), Coverage (CV), Label Ranking Loss (LR), Accuracy (AC), Micro-F1, Macro-AUC.

Phát hiện đột phá và implications

Những phát hiện then chốt

Kết quả thực nghiệm trên các tập dữ liệu chuẩn mang lại các phát hiện đột phá có ý nghĩa thống kê vượt trội:

    SO SÁNH HIỆU NĂNG PHÂN LỚP ĐA NHÃN TRÊN TẬP DỮ LIỆU ENRON
    ───────────────────────────────────────────────────────────
    Metric: HAMMING LOSS (Càng thấp càng tốt ↓)
    ML-KNN (Gốc)      : ▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇ 0.089
    CDTML-KNN (Đề xuất): ▇▇▇▇▇▇▇▇▇▇ 0.054 (Giảm ~39.3%)

    Metric: AVERAGE PRECISION (Càng cao càng tốt ↑)
    ML-KNN (Gốc)      : ▇▇▇▇▇▇▇▇▇▇▇▇ 0.621
    CDTML-KNN (Đề xuất): ▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇ 0.748 (Tăng ~20.4%)
    ───────────────────────────────────────────────────────────
  1. Hiệu năng vượt trội của thuật toán CDTML-KNN: Trên tập dữ liệu Enron, thuật toán đề xuất CDTML-KNN đạt chỉ số Hamming Loss là $0.054$, giảm thiểu $39.3%$ so với thuật toán chuẩn ML-KNN ($0.089$). Đồng thời, chỉ số Average Precision (AP) tăng từ $0.621$ lên $0.748$. Trên tập dữ liệu Medical, chỉ số Zero-One Loss giảm mạnh từ $0.842$ xuống $0.687$, chứng minh việc khai thác cấu trúc láng giềng phủ cảm sinh $Cov(\Delta)$ giúp triệt tiêu nhiễu đặc trưng hiệu quả.
  2. Khai phá thành công phụ thuộc nhãn bậc cao qua MULTICS2: Trên tập dữ liệu bán giám sát Enron1 và Hotel1, thuật toán MULTICS2 sử dụng ma trận tương quan nhãn-nhãn cải thiện chỉ số $Micro_F1$ thêm $6.8%$ và $AUC_Macro$ thêm $8.1%$ so với các phương pháp bán giám sát truyền thống chỉ dựa trên xấp xỉ không gian mẫu.
  3. Giải quyết hiện tượng khởi đầu nguội trong hệ tư vấn qua mô hình CLDT: Thực nghiệm trên 50 người dùng mục tiêu của MovieLens 100K chứng minh: Thuật toán rút gọn dàn điều kiện Reduct_Finding giảm không gian tìm kiếm láng giềng đi $64.2%$ về kích thước tập thuộc tính mà vẫn duy trì độ chính xác của danh sách gợi ý $Top-K$ (Precision@10 đạt $0.814$, vượt trội so với lọc cộng tác truyền thống User-based CF đạt $0.722$).
  4. Tính khả thi của mô hình suy diễn PFL-CRI trong tuyển dụng: Trong bài toán đánh giá ứng viên nhân sự đa tiêu chí với 3 nhóm năng lực $Y_1, Y_2, Y_3$, việc mờ hóa bức tranh hệ thống thông tin bội đã phản ánh chính xác trạng thái lưỡng lự của hội đồng tuyển dụng (độ trung tính $\eta_A(u) > 0.35$), loại bỏ hiện tượng đánh giá sai lệch (false positive) thường gặp ở mô hình tập mờ Zadeh.

Implications đa chiều

  • Về mặt lý thuyết: Hoàn thiện lý thuyết tính toán hạt ba chiều (Three-way Granular Computing), thiết lập cầu nối toán học vững chắc giữa lý thuyết tập thô phủ và đại số logic mờ bức tranh.
  • Về mặt phương pháp luận: Cung cấp khung phương pháp luận tiền xử lý và học máy thích nghi, cho phép tái cấu trúc các thuật toán phân lớp truyền thống sang không gian xấp xỉ phủ.
  • Về mặt thực tiễn và chính sách:
    • Ngành Y tế & Y sinh: Mô hình phân lớp đa nhãn hỗ trợ chẩn đoán đồng thời nhiều bệnh lý phức tạp từ hồ sơ bệnh án văn bản điện tử (Medical).
    • Quản trị doanh nghiệp: Hệ thống phân loại luồng thư điện tử tự động (Enron) và quản lý nhân sự dựa trên suy diễn mờ bức tranh giúp minh bạch hóa quy trình ra quyết định tuyển dụng.
    • Thương mại điện tử: Kiến trúc gợi ý CLDT nâng cao doanh thu thông qua cá nhân hóa trải nghiệm khách hàng với chi phí tính toán thấp.

Limitations và Future Research

Nhằm duy trì tính khách quan khoa học, luận án thẳng thắn chỉ ra 4 giới hạn nội tại:

  1. Độ phức tạp tính toán khi xây dựng toàn bộ Dàn khái niệm: Cấu trúc dàn phủ trong mô hình CLDT có độ phức tạp thời gian tăng theo hàm mũ đối với các bảng quyết định có số lượng thuộc tính điều kiện cực lớn ($|C| > 5000$).
  2. Ràng buộc về tính đầy đủ của dữ liệu nguồn: Các mô hình mở rộng hiện tại được tối ưu hóa chủ yếu trên Hệ thống thông tin đầy đủ (CIS). Khi đối mặt với hệ thống thông tin thiếu dữ liệu (IIS) với tỷ lệ khuyết thiếu $> 30%$, độ chính xác xấp xỉ biên bị suy giảm.
  3. Độ nhạy cảm tham số trong Logic mờ bức tranh: Việc lựa chọn các hàm toán tử t-chuẩn ($T_{min}, T_2, T_3, T_4$) và t-đối chuẩn ($S_{max}, S_2, S_3, S_4$) vẫn phụ thuộc vào kinh nghiệm chuyên gia trong từng bài toán cụ thể.
  4. Phạm vi dữ liệu thực nghiệm: Các thực nghiệm tập trung vào dữ liệu dạng bảng (tabular data) và văn bản (text data), chưa mở rộng trực tiếp sang dữ liệu đa phương tiện quy mô siêu lớn (multimodal streaming data).

Chương trình nghiên cứu tương lai (Future Research Agenda):

  • Hướng 1: Phát triển các thuật toán song song hóa và phân tán (dựa trên Apache Spark/GPU) để xây dựng xấp xỉ dàn phủ trên dữ liệu lớn (Big Data).
  • Hướng 2: Tích hợp mô hình Tập thô phủ mờ bức tranh vào các kiến trúc Mạng nơ-ron sâu (Deep Rough Neural Networks), kết hợp tính giải thích được (Explainable AI - XAI) của tập thô với khả năng biểu diễn của Deep Learning.
  • Hướng 3: Mở rộng lý thuyết suy diễn PFL-CRI cho các hệ thống thông tin động và chuỗi thời gian (dynamic streaming information systems).

Tác động và ảnh hưởng

Luận án mang lại những giá trị tác động sâu rộng trên nhiều bình diện:

┌────────────────────────────────────────────────────────────────────────┐
│                   HỆ SINH THÁI TÁC ĐỘNG CỦA LUẬN ÁN                    │
└───────────────────────────────────┬────────────────────────────────────┘
                                    │
         ┌──────────────────────────┼──────────────────────────┐
         ▼                          ▼                          ▼
┌─────────────────┐        ┌─────────────────┐        ┌─────────────────┐
│ HỌC THUẬT QUỐC TẾ│        │CÔNG NGHỆ ỨNG DỤNG│        │ ĐÀO TẠO & XÃ HỘI │
├─────────────────┤        ├─────────────────┤        ├─────────────────┤
│ • 6 công trình  │        │ • Tối ưu hóa hệ │        │ • Cung cấp giáo  │
│   công bố uy tín│          tư vấn TMĐT     │          trình chuyên sâu│
│   [PTH1 - PTH6] │        │ • Khai phá dữ   │          cho bậc Sau ĐH  │
│ • Tiên phong    │          liệu bệnh án    │        │ • Minh bạch hóa │
│   chuẩn suy diễn│        │ • Xếp hạng nhân │          đánh giá nhân   │
│   PFL-CRI       │          sự đa tiêu chí  │          lực số         │
└─────────────────┘        └─────────────────┘        └─────────────────┘
  • Tác động học thuật quốc tế: Các kết quả cốt lõi của luận án đã được công bố trong 6 công trình khoa học chuyên ngành [PTH1 – PTH6] trên các tạp chí và kỷ yếu hội thảo quốc tế uy tín. Khung lý thuyết PFL-CRI mở ra một phân ngành nghiên cứu mới về logic mờ bức tranh trong tính toán mềm.
  • Tác động công nghiệp và chuyển đổi số: Cung cấp các công cụ thuật toán nguồn mở giúp các doanh nghiệp công nghệ tối ưu hóa công cụ gợi ý sản phẩm, phân tích phản hồi khách hàng và tự động hóa trích xuất tri thức từ văn bản nghiệp vụ.
  • Tác động xã hội và quản trị nguồn nhân lực: Mô hình đánh giá nhân sự dựa trên tập thô mờ bức tranh giúp các tổ chức công lập và tư nhân xây dựng quy trình tuyển dụng công bằng, giảm thiểu định kiến chủ quan của con người.

Đối tượng hưởng lợi

  • Nghiên cứu sinh và Giảng viên ngành Khoa học máy tính / Hệ thống thông tin: Tiếp cận một tài liệu học thuật toàn diện, hệ thống hóa cao về toán học tập thô mở rộng, dàn khái niệm và đại số logic mờ ba chiều.
  • Nhà khoa học dữ liệu & Kỹ sư AI (R&D Data Scientists): Ứng dụng trực tiếp các thuật toán CDTML-KNN, MULTICS2, FRR-RED vào các hệ thống phân loại tài liệu y tế, tài chính và lọc thư rác quy mô lớn.
  • Nhà phát triển hệ thống tư vấn (Recommender System Engineers): Ứng dụng giải pháp CLDT để giải quyết triệt để bài toán khởi đầu nguội (cold-start) và nâng cao độ chính xác cá nhân hóa.
  • Hội đồng tuyển dụng và Lãnh đạo doanh nghiệp: Khai thác mô hình suy diễn mờ bức tranh để lượng hóa chính xác năng lực nhân sự trong các kỳ đánh giá đa tiêu chí.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và đã mở rộng lý thuyết nào?

Đóng góp lý thuyết độc đáo nhất là việc tiên đề hóa Quy tắc hợp thành suy diễn trong Logic mờ bức tranh (PFL-CRI) và xây dựng Bảng quyết định dàn phủ (CLDT). Công trình đã mở rộng trực tiếp Lý thuyết Tập thô cổ điển của Zdzisław Pawlak (1982) từ không gian quan hệ tương đương sang không gian phủ tổng quát, đồng thời mở rộng quy tắc Generalized Modus Ponens (GMP) của Lotfi Zadeh (1965) và tập mờ bức tranh của Bùi Công Cường (2013) lên dàn đầy đủ ba chiều $(D^*, \le_1)$.

2. Sự đổi mới về phương pháp luận so với các nghiên cứu tiền nhiệm quốc tế?

So với nghiên cứu của Richard Jensen (2004) (chỉ rút gọn trên FRS đơn nhãn) và Chen Degang et al. (2011) (hệ quyết định phủ không có tương quan nhãn), luận án đổi mới toàn diện phương pháp luận:

  • Tích hợp ma trận quan hệ nhãn-nhãn trực tiếp vào không gian láng giềng phủ $N_{\mathcal{C}}(u)$, cho phép thuật toán CDTML-KNN mô hình hóa đồng thời sự phụ thuộc thuộc tính và sự phụ thuộc nhãn mục tiêu.
  • Tích hợp Dàn khái niệm hình thức vào bảng quyết định phủ để thực hiện rút gọn hai chiều (dàn điều kiện và dàn quyết định).

3. Phát hiện thực nghiệm nào bất ngờ và có ý nghĩa nhất?

Phát hiện ấn tượng nhất là khả năng triệt tiêu sai số mất mát Hamming (Hamming Loss giảm $39.3%$) của CDTML-KNN trên tập dữ liệu văn bản phức tạp Enron. Kết quả này chứng minh rằng việc mở rộng phân hoạch Pawlak thành các lớp phủ chồng lấn $Cov(\Delta)$ không hề làm tăng nhiễu tính toán như các lo ngại trước đây, mà ngược lại, giúp bảo tồn các cấu trúc biên vi mô mà phân hoạch cứng đã vô tình xóa bỏ.

4. Giao thức tái lập (Replication Protocol) có được cung cấp đầy đủ không?

Luận án cung cấp đầy đủ và minh bạch giao thức thực nghiệm: Định nghĩa toán học tường minh, giả mã giải thuật chi tiết của 5 thuật toán lõi, bảng thông số siêu tham số ($k$ láng giềng, ngưỡng mờ $\alpha$), nguồn gốc 4 bộ dữ liệu chuẩn quốc tế (Enron, Medical, Hotel, MovieLens 100K) và quy trình kiểm định chéo $10$-fold cross-validation.

5. Định hướng lộ trình nghiên cứu 10 năm tiếp theo?

Lộ trình 10 năm mở ra ba hướng mũi nhọn: (1) Kiến trúc hóa các giải thuật tập thô phủ trên phần cứng song song quy mô lớn; (2) Hợp nhất lý thuyết tập thô mờ bức tranh vào các mạng nơ-ron học sâu (Deep Fuzzy-Rough Nets) để xây dựng AI có thể giải thích được; (3) Chuẩn hóa khung pháp lý và toán học cho việc ứng dụng Three-way Decision vào hệ thống tự hành và chẩn đoán y tế tự động.

Kết luận

Luận án tiến sĩ của NCS. Phạm Thanh Huyền đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra với 6 đóng góp mang tính đột phá:

  1. Hệ thống hóa và phát triển toàn diện lý thuyết Tập thô phủ (Covering-based Rough Sets) thông qua việc đề xuất mô hình Bảng quyết định phủ ($DT_{cov}$) và các độ đo phụ thuộc nhãn.
  2. Sáng tạo mô hình Bảng quyết định dàn phủ (CLDT), thiết kế thành công cặp thuật toán Reduct_Finding và Fitting_Finding giải quyết bài toán tối ưu hóa danh mục gợi ý trong hệ tư vấn.
  3. Đề xuất bộ ba thuật toán phân lớp đa nhãn tiên tiến: CDTML-KNN, MULTICS2 (bán giám sát) và FRR-RED (rút gọn đặc trưng thô-mờ), vượt trội các thuật toán quốc tế cơ sở trên các tập dữ liệu Enron, Medical, Hotel.
  4. Tiên đề hóa thành công Quy tắc hợp thành suy diễn Logic mờ bức tranh (PFL-CRI), mở rộng nguyên lý Generalized Modus Ponens lên không gian dàn ba chiều $(D^*, \le_1)$.
  5. Xây dựng quy trình chuyển đổi Hệ thống thông tin bội (MIS) sang Không gian xấp xỉ mờ bức tranh (PFAS) và ứng dụng thành công vào bài toán xếp hạng nhân sự đa tiêu chí.
  6. Mở ra 3 dòng nghiên cứu khoa học mới: Tính toán hạt ba chiều trên dữ liệu đa nhãn, Khung gợi ý lọc cộng tác trên dàn phủ, và Cơ chế suy diễn mờ bức tranh cho các hệ thống hỗ trợ ra quyết định thông minh.

Công trình khẳng định bước tiến vượt bậc của nền khoa học công nghệ thông tin Việt Nam trong việc đóng góp vào kho tàng toán học tính toán hạt và trí tuệ nhân tạo thế giới, thiết lập một chuẩn mực học thuật mẫu mực cho các nghiên cứu tiếp theo về lý thuyết tập thô và khai phá dữ liệu bất định.