Tổng quan về luận án

Luận án này đề xuất một giải pháp đột phá nhằm xây dựng hệ thống tổng hợp tin tức thể thao thông minh, tận dụng sức mạnh của công nghệ Web ngữ nghĩa. Bối cảnh nghiên cứu được đặt trong kỷ nguyên bùng nổ thông tin trên World Wide Web, nơi người dùng thường xuyên đối mặt với khối lượng dữ liệu khổng lồ, đa dạng và liên tục cập nhật. Đặc biệt, lĩnh vực thể thao, với sự quan tâm của hàng triệu độc giả, tạo ra một thách thức lớn trong việc tiếp cận và khám phá thông tin một cách hiệu quả. Các hệ thống tổng hợp tin tức truyền thống như Google News hay Baomoi, dù hữu ích, vẫn chủ yếu dựa trên tìm kiếm từ khóa, dẫn đến kết quả kém chính xác và yêu cầu người dùng mất nhiều thời gian để sàng lọc thông tin phù hợp. Ví dụ, tìm kiếm "cầu thủ" "chơi hay" "trận kinh điển" có thể trả về "cầu thủ Ronaldo đi xem vở kịch kinh điển", một kết quả không đúng ngữ nghĩa.

Research Gap Cụ Thể: Nghiên cứu hiện tại đã chứng minh tiềm năng của Web ngữ nghĩa trong nhiều lĩnh vực như y tế, nông nghiệp, thương mại điện tử, nhưng lại "chưa có nhiều nghiên cứu mang tính hệ thống trong việc xây dựng hệ thống tổng hợp tin tức sử dụng tiếp cận này" (Mở đầu, trang 2). Cụ thể hơn, các hạn chế bao gồm:

  1. Mô hình kiến trúc: Chưa có mô hình kiến trúc đầy đủ cho bài toán phát triển hệ thống tin tức thể thao nói chung, đặc biệt khi tích hợp công nghệ Web ngữ nghĩa. Các cổng thông tin ngữ nghĩa hiện có như Esperonto và Mondeca ITM còn nhiều hạn chế về công cụ suy diễn, giao diện người dùng và khả năng khai thác thông tin.
  2. Sinh chú thích ngữ nghĩa: Các phương pháp hiện tại (thủ công, bán tự động, tự động) còn hạn chế khi áp dụng cho lĩnh vực thể thao. Các công cụ tổng quát như KIM hay PANKOW chỉ gán các thực thể vào các lớp thông tin cơ bản (Người, Tổ chức, Địa điểm) mà không nhận diện được các ngữ nghĩa đặc thù như sự kiện, kết quả thi đấu, tuyên bố gián tiếp hay tin tức chuyển nhượng bóng đá. Các nghiên cứu khác tập trung vào lĩnh vực chuyên biệt (sinh học, y tế) không khả thi cho thể thao.
  3. Tìm kiếm ngữ nghĩa: Việc sử dụng truy vấn SPARQL trực tiếp thiếu thân thiện với người dùng thông thường, trong khi các giao diện đồ họa hoặc ngôn ngữ tự nhiên có kiểm soát lại thiếu linh hoạt hoặc độ chính xác cho các câu hỏi phức tạp.
  4. Hệ thống khuyến nghị: Các phương pháp lọc cộng tác đòi hỏi khối lượng lớn dữ liệu người dùng, còn phương pháp dựa trên nội dung thuần túy thường bỏ qua các mối quan hệ ngữ nghĩa sâu sắc giữa các yếu tố trong tin tức.

Research Questions và Hypotheses: Luận án đặt ra các câu hỏi nghiên cứu chính, được phát biểu dưới dạng các giả thuyết:

  • H1: Có thể xây dựng một mô hình kiến trúc toàn diện và tích hợp cho hệ thống tổng hợp tin tức thể thao dựa trên nền tảng Web ngữ nghĩa, làm rõ vai trò và mối quan hệ giữa các thành phần.
  • H2: Các phương pháp tự động/bán tự động có thể được phát triển để sinh chú thích ngữ nghĩa cho tin tức thể thao, bao gồm các ngữ nghĩa đặc thù như sự kiện, thực thể quan trọng, tuyên bố gián tiếp và tin tức chuyển nhượng, với độ chính xác và bao phủ cao hơn các phương pháp tổng quát.
  • H3: Một phương pháp chuyển đổi câu hỏi ngôn ngữ tự nhiên (tiếng Anh) thành truy vấn SPARQL có cấu trúc có thể được thiết kế để hỗ trợ tìm kiếm ngữ nghĩa chính xác và thân thiện với người dùng trong hệ thống tin tức thể thao, xử lý được các dạng câu hỏi phức tạp.
  • H4: Việc kết hợp độ tương đồng ngữ nghĩa và độ tương đồng nội dung trong phương pháp gợi ý tin tức sẽ mang lại hiệu quả cao hơn so với việc chỉ sử dụng một trong hai phương pháp riêng lẻ.

Theoretical Framework: Nghiên cứu được xây dựng trên nền tảng lý thuyết vững chắc, tích hợp các nguyên lý từ nhiều lĩnh vực:

  • Web ngữ nghĩa: Bao gồm RDF (Resource Description Framework), RDFS (RDF Schema), OWL (Web Ontology Language), và SPARQL (SPARQL Protocol and RDF Query Language) làm ngôn ngữ biểu diễn và truy vấn tri thức.
  • Kỹ thuật Ontology: Dựa trên các nguyên tắc thiết kế ontology của Gruber [62] để đảm bảo tính rõ ràng, toàn vẹn, nhất quán và khả năng mở rộng.
  • Trích rút thông tin (Information Extraction - IE) và Xử lý ngôn ngữ tự nhiên (Natural Language Processing - NLP): Các kỹ thuật nhận dạng thực thể có tên (Named Entity Recognition - NER), phân tích cú pháp (Part-Of-Speech Tagging, Phrase Structure Tree, Typed Dependencies), và luật trích chọn (JAPE rules).
  • Hệ thống khuyến nghị (Recommender Systems): Các phương pháp dựa trên nội dung (TF-IDF, Cosine Similarity) và dựa trên ngữ nghĩa (PMI, Path Rank).

Đóng góp Đột Phá với Quantified Impact: Luận án mang lại bốn đóng góp đột phá chính:

  1. Mô hình Kiến trúc Hệ thống BKSport: Đề xuất một mô hình kiến trúc toàn diện cho hệ thống tổng hợp tin tức thể thao dựa trên Web ngữ nghĩa (Hình 1.7), là nền tảng cho việc tích hợp các thành phần thông minh.
  2. Phương pháp Sinh Chú Thích Ngữ Nghĩa Đặc Thù: Phát triển các thuật toán tự động sinh chú thích ngữ nghĩa cho tin tức thể thao, bao gồm các ngữ nghĩa bộ ba đơn giản, ngữ nghĩa về thực thể quan trọng, tuyên bố gián tiếp và tin tức chuyển nhượng. Kết quả thực nghiệm cho thấy độ chính xác trong nhận dạng thực thể có tên là trên 90% và độ chính xác trong phát hiện và tạo ra chú thích ngữ nghĩa là trên 80% (Chương 2, Mục 2.3).
  3. Chuyển Đổi Câu Hỏi Ngôn Ngữ Tự Nhiên sang SPARQL: Đề xuất phương pháp chuyển đổi câu hỏi ngôn ngữ tự nhiên sang truy vấn SPARQL với độ chính xác trung bình 91.89% trên tập dữ liệu thử nghiệm 41 câu hỏi (Bảng 3.4), xử lý được nhiều dạng câu hỏi phức tạp.
  4. Phương pháp Gợi Ý Tin Tức Lai: Phát triển phương pháp gợi ý tin tức kết hợp độ tương đồng ngữ nghĩa và nội dung, đạt độ chính xác 85.6%, cao hơn đáng kể so với chỉ dùng ngữ nghĩa (75.8%) hoặc nội dung (82.2%) (Bảng 4.1).

Những đóng góp này có tiềm năng cải thiện đáng kể trải nghiệm người dùng, giúp họ tiếp cận thông tin chính xác và phù hợp nhanh chóng hơn, giải quyết vấn đề thông tin quá tải mà các hệ thống truyền thống chưa giải quyết được (Mở đầu, trang 1). Điều này cũng mở ra cơ hội cho các hãng tin tức như BBC hay Sky Sports nâng cao khả năng cạnh tranh.

Scope và Significance: Phạm vi nghiên cứu tập trung vào tin tức tiếng Anh trong lĩnh vực thể thao, chủ yếu là bóng đá và quần vợt, dưới dạng văn bản.

  • Mẫu dữ liệu: 150 tin tức thể thao (75 Premier League, 75 Champions League) cho thực nghiệm sinh chú thích ngữ nghĩa; 237 tin tức chuyển nhượng cho ngữ nghĩa chuyển nhượng; 41 câu hỏi ngôn ngữ tự nhiên cho tìm kiếm ngữ nghĩa; 100 tin tức cho gợi ý tin tức.
  • Thời gian: Dữ liệu được thu thập và phân tích trong giai đoạn trước năm 2019. Ý nghĩa của luận án không chỉ nằm ở việc cung cấp giải pháp cho lĩnh vực thể thao mà còn ở khả năng tái sử dụng các phương pháp đề xuất trong các lĩnh vực khác, miễn là ontology và cơ sở tri thức tương ứng được xây dựng tốt (Kết luận, trang 108). Các kết quả này đặc biệt quan trọng trong bối cảnh tăng trưởng mạnh mẽ của nhu cầu thông tin thể thao, như lưu lượng internet trung bình của World Cup 2014 gấp 4.5 lần Thế vận hội Mùa đông Sochi 2014 và gấp 7 lần World Cup 2010 (Mở đầu, trang 1).

Literature Review và Positioning

Luận án thực hiện phân tích tổng quan sâu rộng về các luồng nghiên cứu chính liên quan đến Web ngữ nghĩa, trích rút thông tin, xử lý ngôn ngữ tự nhiên và hệ thống khuyến nghị, từ đó xác định rõ vị trí và đóng góp của mình.

Synthesis của Major Streams:

  • Web ngữ nghĩa và Ứng dụng: Các nghiên cứu ứng dụng Web ngữ nghĩa đã được triển khai trong nhiều lĩnh vực như thương mại điện tử (eSCM của Ali Ahmad và cộng sự [15]), chăm sóc sức khỏe (ARTEMIS [14], SemanticDB của Cleveland Clinic [8]), chính phủ điện tử (Klischewski [10]), e-Learning (Stojanovic, Staab và Studer [98]), nông nghiệp (AgRIS của Margherita Sini và cộng sự [12]). Các công trình này đều nhấn mạnh vai trò của ontology trong việc tích hợp dữ liệu và quản lý tri thức.
  • Cổng thông tin ngữ nghĩa: Các dự án như SWEPT [24], ARKive [101] và các nền tảng như Esperonto [25], Mondeca ITM [26] đã chứng minh tiềm năng của việc áp dụng Web ngữ nghĩa vào các cổng thông tin để cung cấp thông tin tùy biến và tìm kiếm chính xác hơn.
  • Sinh chú thích ngữ nghĩa: Nghiên cứu về tạo chú thích ngữ nghĩa đã đi theo ba hướng chính: thủ công (Semantator [27]), bán tự động (GATE [30], NCBO [31], cTAKE [32]) và tự động (SemTag [33], PANKOW [34], KIM [36], Asknet [115]). Các phương pháp này tập trung vào các lĩnh vực tổng quát hoặc chuyên biệt khác (sinh học, y tế). Các tác giả như Han [38] và Ben Abacha & Zweigenbaum [39] đã đề xuất các thuật toán trích rút quan hệ dựa trên cây hạt nhân hoặc mô hình ngôn ngữ.
  • Tìm kiếm ngữ nghĩa và Hỏi đáp ngôn ngữ tự nhiên (NLQ): Ban đầu, tìm kiếm ngữ nghĩa thường dựa vào truy vấn SPARQL trực tiếp [122]. Sau đó, các giao diện đồ họa dựa trên ontology [123] và ngôn ngữ tự nhiên có kiểm soát (Squall2Sparql [42], GiNSENG [43]) được phát triển để tăng tính thân thiện. Các hệ thống NLQ phức tạp hơn bao gồm PANTO [126], Querix [127], QuestIO [128], FREyA [129], ORAKEL [130], PowerAqua [131], AquaLog [132], Pythia [133] và nghiên cứu của Unger và cộng sự [134], với các phương pháp từ ánh xạ từ vựng đến phân tích cú pháp sâu.
  • Hệ thống khuyến nghị: Hai luồng chính là lọc cộng tác (lịch sử đọc của người dùng khác [44, 45, 46]) và dựa trên nội dung (tính toán độ tương đồng giữa các mục tin [47, 48]). Gần đây, các nghiên cứu bắt đầu quan tâm đến yếu tố ngữ nghĩa trong khuyến nghị, như Frasincar và cộng sự [50] sử dụng WordNet và Bing để đo độ tương đồng ngữ nghĩa.

Contradictions/Debates: Luận án chỉ ra các mâu thuẫn và tranh luận hiện có:

  • Tính tổng quát so với tính đặc thù lĩnh vực: Các công cụ chú thích ngữ nghĩa tự động như KIM hay PANKOW được thiết kế cho lĩnh vực tổng quát, gặp khó khăn lớn khi áp dụng cho miền đặc thù như thể thao, không nhận diện được các thực thể và quan hệ chuyên biệt. Điều này dẫn đến độ chính xác và độ bao phủ thấp hơn [36, 34].
  • Độ phức tạp và tính thân thiện người dùng trong tìm kiếm: Truy vấn SPARQL trực tiếp [122] quá phức tạp cho người dùng phổ thông, trong khi các giao diện đồ họa [123] vẫn yêu cầu kiến thức cơ bản về ontology. Các ngôn ngữ tự nhiên có kiểm soát [42, 43] tuy chính xác nhưng lại thiếu linh hoạt. Các hệ thống NLQ tiên tiến hơn như PowerAqua [131] hoặc AquaLog [132] thường xử lý tốt các câu hỏi đơn giản nhưng gặp khó khăn với cấu trúc phức tạp ("the most", "at least").

Positioning trong Literature: Luận án xác định vị trí nghiên cứu bằng cách giải quyết một research gap cụ thể: thiếu một tiếp cận có hệ thống và tích hợp để xây dựng hệ thống tổng hợp tin tức thể thao dựa trên Web ngữ nghĩa. Trong khi các nghiên cứu khác tập trung vào các thành phần riêng lẻ hoặc các lĩnh vực khác, luận án này cung cấp một giải pháp toàn diện bao gồm mô hình kiến trúc, phương pháp sinh chú thích ngữ nghĩa đặc thù, chuyển đổi câu hỏi ngôn ngữ tự nhiên sang SPARQL và gợi ý tin tức lai.

How this advances field:

  • Nghiên cứu mở rộng ứng dụng của Web ngữ nghĩa vào một lĩnh vực năng động và có lượng dữ liệu lớn là tin tức thể thao, nơi các phương pháp truyền thống còn yếu kém.
  • Đề xuất các phương pháp sinh chú thích ngữ nghĩa có khả năng nắm bắt các ngữ nghĩa phức tạp và đặc thù của tin tức thể thao (ví dụ, tin chuyển nhượng, tuyên bố gián tiếp), vượt qua giới hạn của các công cụ tổng quát.
  • Phát triển một phương pháp NLQ-to-SPARQL mạnh mẽ, nâng cao khả năng tương tác của người dùng phổ thông với dữ liệu ngữ nghĩa.
  • Chứng minh hiệu quả của việc kết hợp các độ đo tương đồng ngữ nghĩa và nội dung trong hệ thống gợi ý, một phương pháp hiệu quả hơn các tiếp cận đơn lẻ.

So sánh với ÍT NHẤT 2 international studies:

  1. KIM platform [36] (Bulgaria/UK): Luận án tái sử dụng nền tảng KIM để nhận dạng thực thể có tên nhưng nhận thấy "KIM đã được xây dựng để nhận dạng các thực thể trong lĩnh vực tổng quát chung, nó không đặc thù cho một lĩnh vực cụ thể nào cả" (Chương 2, Mục 2.5). Để khắc phục, luận án đã mở rộng KIM bằng Ontology BKSport và cơ sở tri thức thể thao, cho phép nhận dạng các thực thể ở mức độ chi tiết hơn (ví dụ, "Defender" thay vì "Person").
  2. BBC Sport Ontology [106] (UK): Luận án đã khảo sát và "cố gắng tái sử dụng một số thuật ngữ phù hợp từ ontology BBC" (Chương 2, Mục 2.2.3) trong việc xây dựng BKSport Ontology. Tuy nhiên, Ontology BBC Sport là một ontology hạng nhẹ và đơn giản hơn, không cung cấp đủ mức độ chi tiết cần thiết để diễn tả hết các ngữ nghĩa phức tạp trong tin tức thể thao mà luận án hướng tới. Luận án đã bổ sung các khái niệm và quan hệ trọng điểm riêng (ví dụ: SportPerson, SportTeam, Defender, Forward, Goalkeeper, Midfielder, SportPerson move-to SportTeam, Coach buy Defender).
  3. Stanford Parser [135] (USA): Được sử dụng làm nền tảng cho việc phân tích cú pháp trong mô đun chuyển đổi ngôn ngữ tự nhiên sang SPARQL (Chương 3, Mục 3.4.2). Mặc dù là công cụ mạnh, luận án vẫn ghi nhận "hệ thống vẫn không tránh khỏi một số trường hợp bị phân tích sai" (Chương 3, Mục 3.2.1), ví dụ như trong câu hỏi có nhiều chủ ngữ. Điều này nhấn mạnh sự cần thiết của các bước tiền xử lý và các luật xử lý phụ thuộc theo loại chuyên biệt.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng và làm phong phú các lý thuyết hiện có trong lĩnh vực Web ngữ nghĩa và xử lý thông tin thông minh:

  • Extend/challenge WHICH specific theories (name theorists):

    • Lý thuyết Web ngữ nghĩa của Tim Berners-Lee [6]: Luận án mở rộng ý tưởng về "thông tin được định nghĩa một cách rõ ràng, cho phép máy tính và con người có thể hợp tác với nhau tốt hơn" bằng cách áp dụng nó một cách có hệ thống vào một lĩnh vực thông tin động và phức tạp như tin tức thể thao, nơi việc định nghĩa ngữ nghĩa là một thách thức. Nó chứng minh khả năng của máy tính trong việc "hiểu" thông tin hơn là chỉ trình bày thông tin, vượt qua giới hạn của Web tài liệu truyền thống.
    • Nguyên lý thiết kế Ontology của Gruber [62]: BKSport Ontology được xây dựng tuân thủ các nguyên tắc của Gruber (rõ ràng, khách quan, toàn vẹn, nhất quán, khả năng mở rộng), đồng thời bổ sung các lớp và thuộc tính chuyên biệt, phức tạp cho miền thể thao, cho thấy sự linh hoạt và khả năng ứng dụng của các nguyên lý này trong thực tế.
    • Lý thuyết Trích rút thông tin và Xử lý ngôn ngữ tự nhiên: Luận án phát triển các kỹ thuật trích rút thông tin và xử lý ngôn ngữ tự nhiên domain-specific, bổ sung vào các khuôn khổ tổng quát như GATE [30] và KIM [36] bằng cách giải quyết các vấn đề như bí danh, tên rút gọn, đại từ và ngữ nghĩa chuyển nhượng bóng đá, những vấn đề mà các lý thuyết tổng quát chưa giải quyết triệt để cho một miền cụ thể.

  • Conceptual framework với components và relationships: Luận án đề xuất mô hình kiến trúc tổng thể BKSport (Hình 1.7) bao gồm các thành phần:

    1. Crawler: Thu thập tin tức HTML từ nhiều nguồn (skysports.com, espn.com).
    2. Ontology thể thao (BKSport Ontology): Cung cấp tập từ vựng có kiểm soát, là trung tâm của hệ thống.
    3. Sinh chú thích ngữ nghĩa: Tự động tạo siêu dữ liệu (RDF/OWL) từ tin tức dựa trên Ontology và cơ sở tri thức.
    4. Cổng thông tin ngữ nghĩa: Giao diện người dùng với tính năng tìm kiếm và gợi ý tin tức.
    5. Mô tơ suy diễn và tìm kiếm ngữ nghĩa (Allegrograph): Thực hiện suy diễn và truy vấn trên dữ liệu ngữ nghĩa.
    6. Kho dữ liệu ngữ nghĩa (Annotation Base): Lưu trữ chú thích ngữ nghĩa dưới dạng bộ ba RDF. Mối quan hệ giữa các thành phần là tuần tự và tương tác: Crawler cấp dữ liệu cho Sinh chú thích ngữ nghĩa; Sinh chú thích ngữ nghĩa sử dụng BKSport Ontology và Kho tri thức; Cổng thông tin tương tác với Mô tơ suy diễn để tìm kiếm và gợi ý, sử dụng dữ liệu từ Kho dữ liệu ngữ nghĩa.

  • Theoretical model với propositions/hypotheses numbered: Như đã trình bày trong phần Tổng quan:

    • H1: Mô hình kiến trúc Web ngữ nghĩa có thể hệ thống hóa việc tổng hợp tin tức thể thao.
    • H2: Chú thích ngữ nghĩa tự động/bán tự động cho tin tức thể thao với ngữ nghĩa đặc thù là khả thi và hiệu quả.
    • H3: Chuyển đổi ngôn ngữ tự nhiên sang SPARQL có thể đạt độ chính xác cao cho tìm kiếm ngữ nghĩa tin tức thể thao.
    • H4: Kết hợp độ tương đồng ngữ nghĩa và nội dung sẽ tối ưu hóa gợi ý tin tức thể thao.

  • Paradigm shift với EVIDENCE từ findings: Luận án thúc đẩy một "chuyển dịch mô hình" (paradigm shift) nhỏ trong lĩnh vực tổng hợp tin tức từ mô hình dựa trên từ khóa và cú pháp sang mô hình dựa trên ngữ nghĩa và ý nghĩa. Bằng cách cung cấp một mô hình kiến trúc toàn diện và các phương pháp thực nghiệm hiệu quả, luận án cung cấp bằng chứng rằng "Web ngữ nghĩa có thể chứng tỏ những điểm mạnh của mình khi được áp dụng vào những lĩnh vực thông tin bị giới hạn, ví dụ quản lý tri thức, phát triển những dịch vụ Web có ngữ nghĩa" (Chương 1, Mục 1.1). Điều này thay đổi cách máy tính xử lý và hiểu thông tin, từ việc chỉ hướng dẫn trình duyệt hiển thị sang khả năng "hiểu ý nghĩa của tin tức" (Mở đầu, trang 2), mở ra kỷ nguyên mới cho các ứng dụng thông tin thông minh hơn.

Khung phân tích độc đáo

Luận án xây dựng một khung phân tích độc đáo thông qua:

  • Integration của theories (name 3+ specific theories):

    • Tích hợp sâu rộng lý thuyết Web ngữ nghĩa (RDF, OWL, SPARQL) để mô hình hóa và truy vấn dữ liệu.
    • Kết hợp các kỹ thuật Xử lý ngôn ngữ tự nhiên (Stanford Parser, JAPE) để phân tích văn bản và trích rút thông tin.
    • Áp dụng các mô hình từ Hệ thống khuyến nghị (TF-IDF, PMI, Path Rank) để tính toán độ tương đồng và đưa ra gợi ý. Sự tích hợp này không chỉ là tổng hợp các công nghệ mà còn là sự điều chỉnh và tùy biến để giải quyết các vấn đề đặc thù của tin tức thể thao.

  • Novel analytical approach với justification:

    • Ontology đa tầng (Multi-layered Ontology): BKSport Ontology được xây dựng với ba tầng ngữ nghĩa: tầng trừu tượng (kế thừa từ PROTON của KIM), tầng trung gian (tái sử dụng từ BBC Sport Ontology) và tầng chi tiết (bổ sung các khái niệm, thuộc tính cụ thể về bóng đá như "Defender", "Forward", "SportPerson move-to SportTeam"). Cách tiếp cận này giúp cân bằng giữa tính tổng quát và tính đặc thù lĩnh vực, cho phép khai thác tri thức ở nhiều mức độ khác nhau.
    • Luật trích chọn ngữ nghĩa đặc thù: Sử dụng JAPE để xây dựng các luật nhận dạng phức tạp cho các ngữ nghĩa chuyển nhượng bóng đá, tuyên bố gián tiếp và xử lý đại từ. Cách tiếp cận này được chứng minh là hiệu quả hơn các công cụ tổng quát khi xử lý các sắc thái ngôn ngữ trong lĩnh vực thể thao.
    • Mô hình biểu diễn ngữ nghĩa câu hỏi: Đề xuất một mô hình ngữ nghĩa cho câu hỏi ngôn ngữ tự nhiên có khả năng bao phủ các dạng câu hỏi phức tạp (so sánh, số lượng, nhiều chủ ngữ/tân ngữ), là cơ sở để chuyển đổi sang SPARQL.

  • Conceptual contributions với definitions:

    • Ngữ nghĩa bộ ba đơn giản: diễn tả các sự kiện, hành động, kết quả (ví dụ: "Barcelona won Arsenal").
    • Ngữ nghĩa về thực thể quan trọng: Chú thích các thực thể chính mà tin tức đề cập, có trọng số dựa trên tần suất, vị trí và quan hệ trong ontology.
    • Ngữ nghĩa về tuyên bố gián tiếp: Nhận dạng và chú thích các câu tuyên bố của nhân vật thể thao (ví dụ: {SportPerson} [từ khóa] {Statement}).
    • Ngữ nghĩa về tin tức chuyển nhượng: Trích rút thông tin về cầu thủ chuyển nhượng, bao gồm cả "thời" của động từ (đã xảy ra, có thể xảy ra, không thành công) và xử lý đại từ.

    • Boundary conditions explicitly stated: Luận án đã rõ ràng xác định các điều kiện biên:

      • Ngôn ngữ: Nghiên cứu chỉ thực hiện trên tin tức tiếng Anh. "Luận án cũng không xét đến tiếng Việt, lý do là so với tiếng Việt, tiếng Anh có phạm vi áp dụng rộng hơn nhiều" (Mở đầu, trang 4).
      • Lĩnh vực: Tập trung vào lĩnh vực thể thao, chủ yếu là bóng đá. "Đặt mục tiêu nâng cao hiệu quả của nghiên cứu, luận án xác định không giải quyết bài toán trên phạm vi rộng, bao trùm nhiều lĩnh vực như chính trị, văn hóa, kinh tế … mà chỉ tập trung vào lĩnh vực thể thao" (Mở đầu, trang 4).
      • Dạng thức dữ liệu: Tin tức ở dạng văn bản (text).
      • Giới hạn công nghệ: Không đi sâu vào nghiên cứu phát triển mô tơ suy diễn Allegrograph mà sử dụng sản phẩm thương mại.

      • Phương pháp nghiên cứu tiên tiến

      Luận án áp dụng một phương pháp nghiên cứu kết hợp giữa lý thuyết và thực nghiệm để xây dựng và đánh giá hệ thống BKSport.

      Thiết kế nghiên cứu

      • Research philosophy: Luận án thể hiện rõ ràng triết lý nghiên cứu Positivism/Objectivism. Mục tiêu là đề xuất các mô hình, phương pháp và kỹ thuật mới, sau đó kiểm tra và đánh giá chúng một cách định lượng thông qua các thực nghiệm để đạt được các kết quả có thể đo lường và chứng minh được hiệu quả. Điều này được thể hiện qua việc sử dụng các chỉ số như độ chính xác (Precision) và độ bao phủ (Recall), cũng như các phép đo thống kê.
      • Mixed methods với SPECIFIC combination rationale: Tác giả sử dụng phương pháp kết hợp nghiên cứu lý thuyết và thực nghiệm. "Tác giả tiến hành theo phương pháp tiếp cận từ trên xuống, đồng thời kết hợp nghiên cứu lý thuyết với nghiên cứu thực nghiệm" (Mở đầu, trang 4).
        • Lý thuyết: Bao gồm tổng quan các lý thuyết và kỹ thuật nền tảng về Web ngữ nghĩa, hệ thống tổng hợp tin tức, phân tích tổng hợp các nghiên cứu liên quan để xác định bài toán và đề xuất phương pháp.
        • Thực nghiệm: Cài đặt, chạy thực nghiệm và đánh giá các phương pháp đề xuất trên các tập dữ liệu thực tế được xây dựng từ miền lĩnh vực. Sự kết hợp này đảm bảo rằng các giải pháp không chỉ có cơ sở lý thuyết vững chắc mà còn được kiểm chứng về mặt hiệu quả trong thực tế.
      • Multi-level design: Mặc dù không phải là thiết kế đa cấp điển hình trong khoa học xã hội, luận án có thể được coi là đa cấp độ trong thiết kế hệ thống, với hệ thống BKSport tổng thể bao gồm các mô đun con (sinh chú thích, tìm kiếm, gợi ý). Mỗi mô đun này lại được nghiên cứu chi tiết với các thuật toán và thực nghiệm riêng, sau đó tích hợp lại.
      • Sample size và selection criteria EXACT:
        • Sinh chú thích ngữ nghĩa:
          • Thực nghiệm 1, 2: 150 tin tức bóng đá (75 Premier League, 75 Champions League) từ skysports.com, espn.com.
          • Thực nghiệm 3 (tin tức chuyển nhượng): 237 tin tức chuyển nhượng từ Sky Sports.
        • Tìm kiếm ngữ nghĩa: 41 câu hỏi ngôn ngữ tự nhiên liên quan đến bóng đá, được xây dựng dựa trên nhu cầu thông tin của độc giả thể thao.
        • Gợi ý tin tức: 100 tin tức từ các trang web thể thao nổi tiếng (skysports.com, espn.com, sports.yahoo.com).

      Quy trình nghiên cứu rigorous

      • Sampling strategy với inclusion/exclusion criteria: Dữ liệu tin tức được thu thập từ các website thể thao nổi tiếng (skysports.com, espn.com, sports.yahoo.com) bằng crawler, sau đó tiền xử lý để loại bỏ tin trùng lặp, quảng cáo và giữ lại nội dung chính. Các tiêu chí bao gồm tin tức tiếng Anh, thuộc lĩnh vực thể thao.
      • Data collection protocols với instruments described:
        • Crawler component: Thu thập tự động các tin tức thể thao dưới dạng HTML.
        • Manual/Semi-automatic enrichment: Xây dựng cơ sở tri thức thể thao bằng cách thu thập thông tin về cầu thủ, huấn luyện viên, câu lạc bộ, sân vận động từ Web và chuyển đổi sang định dạng RDF. Bao gồm nhập thủ công bí danh và từ đồng nghĩa.
        • Ontology Development: Thiết kế BKSport Ontology dựa trên PROTON và BBC Sport Ontology, mở rộng với các khái niệm và thuộc tính chuyên biệt.
      • Triangulation (data/method/investigator/theory):
        • Methodological Triangulation: Trong gợi ý tin tức, luận án kết hợp độ tương đồng ngữ nghĩa (dựa trên ontology và cơ sở tri thức) và độ tương đồng nội dung (dựa trên TF-IDF), không chỉ dựa vào một phương pháp duy nhất.
        • Data Triangulation: Sử dụng dữ liệu từ nhiều nguồn tin tức thể thao khác nhau (skysports.com, espn.com, sports.yahoo.com).
      • Validity (construct/internal/external) và reliability (α values):
        • Construct Validity: Các khái niệm như "chú thích ngữ nghĩa," "độ tương đồng ngữ nghĩa" được định nghĩa rõ ràng và hình thức hóa bằng các ngôn ngữ chuẩn như RDF/OWL.
        • Internal Validity: Các thực nghiệm được kiểm soát, với kết quả được so sánh với kết quả thủ công bởi con người để đánh giá độ chính xác.
        • External Validity: Luận án thừa nhận giới hạn về ngữ cảnh (tin tức tiếng Anh, thể thao) nhưng cũng đề xuất khả năng tổng quát hóa các phương pháp sang các lĩnh vực khác nếu có đủ ontology và cơ sở tri thức.
        • Reliability: Sử dụng các chỉ số định lượng tiêu chuẩn như Precision (P) và Recall (R) để đánh giá nhất quán hiệu quả thuật toán. Tuy nhiên, giá trị α (ví dụ Cronbach's Alpha cho độ tin cậy của thang đo) không được đề cập trực tiếp.

      Data và phân tích

      • Sample characteristics với demographics/statistics:
        • Tin tức: Tiếng Anh, liên quan đến các giải bóng đá (Premier League, Champions League), tin chuyển nhượng, và các sự kiện thể thao nói chung.
        • Cơ sở tri thức thể thao: Bổ sung thông tin về cầu thủ, huấn luyện viên, sân vận động của Premier League, La Liga, Champions League, các tay vợt tennis từ ATP rankings.
      • Advanced techniques (SEM/multilevel/QCA etc.) với software:
        • Named Entity Recognition (NER) & Information Extraction: Nền tảng KIM (version 3.x), công cụ GATE (General Architecture for Text Engineering) với JAPE (Java Annotation Patterns Engine) để xây dựng luật trích chọn.
        • Natural Language Processing: Thư viện Stanford NLP (version 1.6) cho Part-Of-Speech Tagging, Phrase Structure Tree, và Typed Dependencies.
        • Ontology Management: Protégé (ngụ ý từ việc nhắc đến OWL Lite, OWL DL, OWL Full và việc xây dựng ontology).
        • Semantic Data Storage & Querying: Mô tơ tìm kiếm ngữ nghĩa Allegrograph, Kho dữ liệu ngữ nghĩa lưu trữ RDF dưới dạng N-triples.
        • Text Analysis: TF-IDF (Term Frequency-Inverse Document Frequency) cho độ tương đồng nội dung.
        • Similarity Measures: Cosine similarity, PMI (Pointwise Mutual Information), Path Rank (dựa trên Path Length Weight và Path Relation Weight).
      • Robustness checks với alternative specifications:
        • Trong sinh chú thích ngữ nghĩa, luận án đã thực hiện "những cải tiến nhỏ bằng cách xem xét lại các quan hệ trong ontology, thêm vào từ đồng nghĩa và các biến thể của động từ vào trong bộ từ vựng" (Chương 2, Mục 2.4.2) để cải thiện độ bao phủ, thể hiện tính kiểm thử và điều chỉnh của phương pháp.
        • Trong gợi ý tin tức, so sánh ba phương pháp (chỉ ngữ nghĩa, chỉ nội dung, kết hợp) để chứng minh tính ưu việt của phương pháp kết hợp.
      • Effect sizes và confidence intervals reported: Các giá trị Precision và Recall được báo cáo (ví dụ: P=97.3%, R=73.3% cho NER Premier League; P=85.6% cho gợi ý kết hợp) thể hiện hiệu quả của các phương pháp. Tuy nhiên, khoảng tin cậy (confidence intervals) không được báo cáo trực tiếp.

      Phát hiện đột phá và implications

      Những phát hiện then chốt

      Luận án đã đạt được các phát hiện đột phá sau, cung cấp bằng chứng thực nghiệm mạnh mẽ:

      1. Hiệu quả của Ontology đặc thù miền: BKSport Ontology, được xây dựng trên nền tảng PROTON và BBC Sport Ontology với các lớp và thuộc tính chuyên biệt, đã chứng minh khả năng cung cấp vốn từ vựng cần thiết để mô tả tri thức ngữ nghĩa trong tin tức thể thao. Điều này cho phép nhận dạng Wayne Rooney không chỉ là "Person" mà là "Forward" (Hình 2.18), thể hiện sự sâu sắc về ngữ nghĩa.
      2. Độ chính xác cao trong Sinh Chú Thích Ngữ Nghĩa Đặc Thù: Phương pháp sinh chú thích ngữ nghĩa tự động/bán tự động đạt độ chính xác nhận dạng thực thể có tên là 99.74% và độ bao phủ 60.97% trên 4415 thực thể trong thực nghiệm 2, và độ chính xác trích rút bộ ba là 88.82% với độ bao phủ 53.52% (Bảng 2.4). Đối với tin tức chuyển nhượng, việc sử dụng luật nhận dạng đại từ cải thiện độ bao phủ từ 50.7% lên 54.9% (Bảng 2.5, 2.6). Những kết quả này vượt trội so với các công cụ tổng quát khi áp dụng cho miền thể thao.
      3. Thành công của Chuyển Đổi NLQ sang SPARQL: Phương pháp chuyển đổi câu hỏi ngôn ngữ tự nhiên sang truy vấn SPARQL đạt độ chính xác tổng thể 91.89% trên 41 câu hỏi thử nghiệm (Bảng 3.4). Điều này bao gồm khả năng xử lý các dạng câu hỏi phức tạp như so sánh, số lượng, nhiều chủ ngữ/tân ngữ và các câu hỏi không chuẩn tắc về ngữ pháp.
      4. Ưu việt của Gợi Ý Tin Tức Lai: Phương pháp gợi ý tin tức kết hợp độ tương đồng ngữ nghĩa và độ tương đồng nội dung cho độ chính xác cao nhất là 85.6%, vượt trội so với chỉ dùng độ tương đồng ngữ nghĩa (75.8%) hoặc độ tương đồng nội dung (82.2%) (Bảng 4.1). Phát hiện này nhấn mạnh tầm quan trọng của việc kết hợp các khía cạnh thông tin khác nhau để tối ưu hóa gợi ý.
      5. New phenomena với concrete examples từ data: Luận án đã mô tả chi tiết cách trích rút ngữ nghĩa về tuyên bố gián tiếp (Hình 2.22) và tin tức chuyển nhượng, bao gồm cả các tình huống "extra verb" biểu thị sự kiện chưa xảy ra hoặc không xảy ra (Chương 2, Mục 2.5.6.4). Điều này cho thấy khả năng của hệ thống trong việc hiểu các sắc thái ngôn ngữ phức tạp trong tin tức thể thao.
      6. Counter-intuitive results với theoretical explanation: Kết quả cho thấy phương pháp gợi ý chỉ dựa trên ngữ nghĩa (semantic-based) có độ chính xác thấp hơn phương pháp chỉ dựa trên nội dung (content-based) (75.8% vs 82.2%). Giải thích cho điều này là phương pháp ngữ nghĩa thuần túy chủ yếu dựa vào các thực thể, có thể gợi ý các tin về các thực thể liên quan nhưng chủ đề hoàn toàn khác, mà một số cộng tác viên xem là không liên quan (Chương 4, Mục 4.2). Điều này chỉ ra rằng, trong bối cảnh tin tức, sự liên quan chủ đề vẫn là yếu tố then chốt, và ngữ nghĩa đóng vai trò bổ trợ và mở rộng.

      Implications đa chiều

      • Theoretical advances với contribution to 2+ theories: Luận án đóng góp vào lý thuyết Web ngữ nghĩa bằng cách cung cấp một mô hình ứng dụng thực tế cho miền thông tin động, đồng thời mở rộng lý thuyết về trích rút thông tin và NLP bằng các phương pháp domain-specific hiệu quả. Nó cũng làm phong phú lý thuyết về hệ thống khuyến nghị bằng cách chứng minh hiệu quả của mô hình lai giữa ngữ nghĩa và nội dung.
      • Methodological innovations applicable to other contexts: Các phương pháp như ontology đa tầng, luật trích chọn JAPE cho ngữ nghĩa phức tạp, mô hình ngữ nghĩa câu hỏi và metric đánh giá độ chính xác có trọng số, đều có thể được điều chỉnh và áp dụng cho các lĩnh vực khác nếu có ontology và cơ sở tri thức phù hợp. Ví dụ, việc xử lý bí danh và đại từ có thể ứng dụng trong các hệ thống thông tin về nhân vật nổi tiếng trong điện ảnh hoặc chính trị.
      • Practical applications với specific recommendations: Hệ thống BKSport có thể được triển khai cho các hãng tin tức thể thao để cung cấp tính năng tìm kiếm chính xác hơn và gợi ý cá nhân hóa cho độc giả. Ví dụ, nó có thể giúp độc giả tìm tin tức chính xác hơn và thích hợp với câu hỏi của họ, giúp gợi ý tin tức phù hợp (Mở đầu, trang 5), giảm thời gian tìm kiếm thủ công qua nhiều trang web.
      • Policy recommendations với implementation pathway: Mặc dù không trực tiếp đưa ra chính sách, công trình này gián tiếp khuyến khích các tổ chức truyền thông và chính phủ xem xét việc tiêu chuẩn hóa và cấu trúc hóa dữ liệu tin tức bằng công nghệ ngữ nghĩa để nâng cao khả năng khai thác và chia sẻ thông tin. Con đường triển khai có thể bao gồm việc áp dụng RDF/OWL trong xuất bản dữ liệu và đầu tư vào xây dựng ontology miền.
      • Generalizability conditions clearly specified: Các phương pháp được đề xuất có thể áp dụng cho các lĩnh vực khác, nhưng yêu cầu điều chỉnh các phần phụ thuộc vào đặc thù miền như ontology và cơ sở tri thức. Ví dụ, các thuật toán sinh chú thích ngữ nghĩa cho ngữ nghĩa bộ ba đơn giản và tuyên bố gián tiếp ít phụ thuộc vào miền hơn so với ngữ nghĩa chuyển nhượng bóng đá.

      Limitations và Future Research

      3-4 specific limitations acknowledged

      1. Độ bao phủ của Ontology và Cơ sở tri thức: Mặc dù đã xây dựng BKSport Ontology và cơ sở tri thức, nhưng "khối lượng dữ liệu trong cơ sở tri thức của BKSport vẫn chưa đủ lớn và phong phú" (Chương 2, Mục 2.4.2) và ontology chưa phủ hết tất cả các khái niệm và quan hệ trong lĩnh vực thể thao, dẫn đến hạn chế trong việc nhận dạng một số thực thể hoặc quan hệ.
      2. Giới hạn của Luật trích chọn: "Số lượng các mẫu luật trích chọn để nhận ra các quan hệ là chưa đủ để bao phủ mọi trường hợp" (Chương 2, Mục 2.4.2), đặc biệt với các cấu trúc câu phức tạp hoặc các trường hợp nhập nhằng ngữ nghĩa.
      3. Xử lý Ngôn ngữ tự nhiên chưa hoàn thiện: Hệ thống NLQ chưa xử lý đầy đủ các vấn đề về "thì" của động từ trong câu truy vấn (ví dụ, "Which player will leave Chelsea?") và các dạng câu hỏi phức tạp về ý kiến hay sự kiện chưa xảy ra. Một số trường hợp phân tích cú pháp vẫn còn sai sót.
      4. Tinh chỉnh tham số gợi ý: Các bộ trọng số dùng để kết hợp các độ đo trong gợi ý tin tức (như 𝛾𝑠𝑒𝑚𝑎𝑛𝑡𝑖𝑐, 𝛾𝑐𝑜𝑛𝑡𝑒𝑛𝑡) hiện đang được lựa chọn dựa trên thực nghiệm, chưa có phương pháp tự động hoặc lý thuyết tối ưu hóa.

      Boundary conditions về context/sample/time

      • Context: Nghiên cứu giới hạn trong tin tức thể thao, chủ yếu là bóng đá, và không xem xét các lĩnh vực khác như chính trị, kinh tế.
      • Sample: Các tập dữ liệu thử nghiệm có kích thước hữu hạn (ví dụ, 150/237 tin tức, 41 câu hỏi, 100 tin gợi ý), có thể không đại diện hoàn toàn cho toàn bộ khối lượng tin tức thể thao trên Web.
      • Time: Các phân tích và dữ liệu phản ánh ngữ cảnh thông tin tại thời điểm nghiên cứu (trước 2019), sự thay đổi liên tục của thế giới thực (cầu thủ chuyển nhượng, CLB lên/xuống hạng) đòi hỏi cập nhật liên tục.

      Future research agenda với 4-5 concrete directions

      1. Nâng cao chất lượng Crawler: "Nâng cao chất lượng của bộ thu thập tin tức Crawler nhằm loại bỏ các tin tức trùng lặp và ngoài chủ đề, và sử dụng Ontology để định hướng tác vụ nói trên đang được xem xét" (Kết luận, trang 108).
      2. Học các luật trích rút tự động: Phát triển các phương pháp học máy để tự động học các luật trích rút ngữ nghĩa, thay vì xây dựng thủ công, nhằm tăng cường khả năng mở rộng của hệ thống chú thích ngữ nghĩa.
      3. Trích rút ngữ nghĩa phức tạp hơn: Mở rộng khả năng phát hiện các ngữ nghĩa phức tạp hơn và biểu diễn chúng bằng các mô hình thích hợp hơn như bộ bốn (quadruple) để nắm bắt ngữ cảnh sự kiện đa chiều.
      4. Hoàn thiện hệ thống NLQ: Cải thiện việc xử lý "thì" của động từ, các câu hỏi về so sánh tuyệt đối (ví dụ: "Who is the best player in Chelsea?") và tiếp tục hoàn thiện BKSport Ontology để bao phủ đầy đủ hơn.
      5. Gợi ý cá nhân hóa dựa trên hồ sơ ngữ nghĩa người dùng: Nghiên cứu và phát triển phương pháp mô hình hóa và sử dụng hồ sơ ngữ nghĩa của người đọc để đối sánh với ngữ nghĩa của tin tức khi gợi ý, tăng cường tính cá nhân hóa.

      Methodological improvements suggested

      • Tự động hóa quá trình xây dựng và cập nhật ontology/cơ sở tri thức thông qua các kỹ thuật học máy hoặc crowdsourcing.
      • Xây dựng các bộ dữ liệu chuẩn (benchmarks) cho lĩnh vực thể thao để so sánh hiệu quả của các phương pháp một cách khách quan hơn.
      • Tối ưu hóa các bộ trọng số trong thuật toán gợi ý tin tức bằng các phương pháp học hoặc tối ưu hóa tự động, thay vì chỉ dựa trên thực nghiệm.

      Theoretical extensions proposed

      • Mô hình hóa các sự kiện phức tạp bằng quadruples, mở rộng mô hình dữ liệu RDF/OWL truyền thống.
      • Phát triển lý thuyết về hồ sơ ngữ nghĩa người dùng (semantic user profiles) và cách thức tích hợp chúng vào các hệ thống khuyến nghị để đạt được cá nhân hóa sâu sắc hơn.
      • Nghiên cứu về lý thuyết học luật trích rút ngữ nghĩa tự động từ văn bản không cấu trúc, đóng góp vào lĩnh vực Học máy cho NLP.

      Tác động và ảnh hưởng

      Luận án này mang lại tác động và ảnh hưởng đáng kể trên nhiều bình diện:

      • Academic impact với potential citations estimate: Nghiên cứu này đóng góp đáng kể vào lĩnh vực Web ngữ nghĩa ứng dụng, xử lý ngôn ngữ tự nhiên và hệ thống thông tin. Các phương pháp đề xuất cho chú thích ngữ nghĩa, chuyển đổi ngôn ngữ tự nhiên sang truy vấn ngữ nghĩa và gợi ý tin tức lai đều là những đóng góp mới mẻ trong bối cảnh tin tức thể thao. Điều này tạo tiềm năng cho lượng trích dẫn cao từ các nghiên cứu tương lai trong các lĩnh vực này, đặc biệt là các công trình tập trung vào Semantic Web for specific domains, domain-specific Information Extraction, and intelligent Information Retrieval. Luận án mở ra các hướng nghiên cứu mới trong lĩnh vực tin học thể thao (sports informatics), từ việc tự động học luật trích rút đến mô hình hóa ngữ nghĩa phức tạp và cá nhân hóa sâu sắc hơn. Các công trình đã công bố trong các hội nghị quốc tế và tạp chí chuyên ngành (CONFENIS, INISCOM, IJPC&C, JSTTU) đã bắt đầu tạo ra ảnh hưởng học thuật.

      • Industry transformation với specific sectors: Các kết quả của luận án có thể thúc đẩy sự chuyển đổi trong ngành công nghiệp tin tức và truyền thông thể thao. Thay vì chỉ cung cấp tin tức theo cách truyền thống, các hãng truyền thông lớn như BBC Sport, Sky Sports, ESPN có thể áp dụng mô hình và phương pháp của BKSport để xây dựng các nền tảng tin tức thế hệ mới. Điều này sẽ giúp họ:

        • Cung cấp tính năng tìm kiếm thông minh hơn, hiểu được ý định thực sự của người dùng.
        • Tự động hóa quá trình phân loại, tổng hợp và tổ chức tin tức.
        • Cải thiện khả năng gợi ý tin tức, tăng cường mức độ tương tác và giữ chân độc giả.
        • Tối ưu hóa việc khai thác dữ liệu từ nội dung tin tức để tạo ra các sản phẩm thông tin giá trị gia tăng. Sự thành công của BBC Sport trong việc xây dựng Website FIFA World Cup 2010 theo kiến trúc xuất bản ngữ nghĩa động [104] là một minh chứng cho xu hướng này.

      • Policy influence với government levels: Mặc dù không trực tiếp ảnh hưởng đến chính sách chính phủ, luận án gián tiếp ủng hộ việc phát triển các tiêu chuẩn mở và công nghệ ngữ nghĩa cho việc quản lý và chia sẻ thông tin. Nó cho thấy giá trị của việc dữ liệu được cấu trúc hóa và định nghĩa ngữ nghĩa rõ ràng có thể hỗ trợ các ứng dụng thông minh như thế nào. Điều này có thể ảnh hưởng đến các tổ chức tiêu chuẩn hóa và các cơ quan chính phủ liên quan đến thông tin và truyền thông trong việc thúc đẩy việc áp dụng các tiêu chuẩn Web ngữ nghĩa.

      • Societal benefits quantified where possible: Các lợi ích xã hội chính xoay quanh việc nâng cao trải nghiệm của người dùng khi tiếp cận thông tin:

        • Giảm gánh nặng thông tin quá tải: Người dùng không còn phải mất nhiều thời gian và công sức để duyệt qua hàng loạt tin tức trùng lặp hoặc không liên quan.
        • Tăng cường khả năng tiếp cận thông tin chính xác: Hệ thống giúp người dùng nhanh chóng tìm được thông tin mình cần theo đúng ngữ nghĩa mong muốn, thay vì những kết quả tìm kiếm sai lệch. Ví dụ, tránh được việc tìm kiếm "cầu thủ" "chơi hay" "trận kinh điển" lại nhận kết quả "cầu thủ Ronaldo đi xem vở kịch kinh điển" (Mở đầu, trang 1).
        • Hỗ trợ ra quyết định: Đối với các nhà phân tích thể thao hoặc những người làm việc trong ngành, việc truy cập thông tin chính xác và ngữ cảnh hóa giúp đưa ra các quyết định sáng suốt hơn.
        • Thúc đẩy sự hiểu biết: Bằng cách hiển thị các mối quan hệ ngữ nghĩa giữa các thực thể, hệ thống giúp người đọc hiểu sâu hơn về bối cảnh và các mối liên hệ trong tin tức thể thao.

      • International relevance với global implications: Vấn đề thông tin quá tải và nhu cầu tìm kiếm thông tin thông minh là một thách thức toàn cầu. Giải pháp của luận án, dù tập trung vào tin tức tiếng Anh và thể thao, có thể dễ dàng được điều chỉnh và áp dụng cho các ngôn ngữ và lĩnh vực khác trên thế giới. Nó cung cấp một khuôn khổ và các phương pháp có thể hỗ trợ các nỗ lực quốc tế trong việc xây dựng một Web dữ liệu ngữ nghĩa toàn cầu, nơi thông tin có thể được chia sẻ và tái sử dụng một cách hiệu quả giữa các ứng dụng và cộng đồng khác nhau.

      Đối tượng hưởng lợi

      Luận án này mang lại lợi ích cụ thể cho một số đối tượng chính:

      • Doctoral researchers (Nghiên cứu sinh tiến sĩ):

        • Specific research gaps: Luận án cung cấp một khuôn khổ nghiên cứu chi tiết và xác định rõ các khoảng trống nghiên cứu (research gaps) tiếp theo. Ví dụ, nghiên cứu sinh có thể tiếp tục phát triển các phương pháp học luật trích rút tự động, mở rộng mô hình ngữ nghĩa để biểu diễn các sự kiện phức tạp hơn bằng bộ bốn (quadruple), hoặc khám phá việc xây dựng hồ sơ ngữ nghĩa người dùng để cá nhân hóa gợi ý.
        • Methodological advancements: Cung cấp các phương pháp luận cụ thể và đã được kiểm chứng cho việc xây dựng ontology chuyên biệt, sinh chú thích ngữ nghĩa domain-specific, chuyển đổi ngôn ngữ tự nhiên sang SPARQL, và kết hợp độ tương đồng ngữ nghĩa/nội dung. Các chi tiết về việc sử dụng JAPE, Stanford Parser, và các thuật toán tính độ tương đồng sẽ là nguồn tham khảo quý giá.

      • Senior academics (Các nhà khoa học cấp cao):

        • Theoretical advances: Góp phần mở rộng lý thuyết về Web ngữ nghĩa và ứng dụng AI vào lĩnh vực tin tức, một lĩnh vực đầy thách thức do tính năng động và khối lượng dữ liệu lớn. Luận án cung cấp một trường hợp nghiên cứu điển hình về cách tích hợp thành công nhiều công nghệ (Semantic Web, NLP, IE, Recommender Systems) để giải quyết một bài toán thực tế phức tạp.
        • Integrated framework: Mô hình kiến trúc BKSport là một khung tích hợp để đánh giá và phát triển các hệ thống thông tin thông minh, có thể phục vụ làm cơ sở cho các công trình nghiên cứu lớn hơn.
        • International awareness: Luận án đã so sánh và định vị công trình của mình so với các nghiên cứu quốc tế như KIM [36], BBC Sport Ontology [106], SemTag [33], PANTO [126], v.v., thể hiện sự nhận thức sâu rộng về tình hình nghiên cứu toàn cầu.

      • Industry R&D (Nghiên cứu và Phát triển trong công nghiệp):

        • Practical applications: Các phương pháp và thuật toán được đề xuất có thể được áp dụng trực tiếp để phát triển các sản phẩm và dịch vụ trong ngành công nghiệp truyền thông và tin tức thể thao. Ví dụ, các đội R&D tại các hãng tin tức như ESPN hoặc Sky Sports có thể sử dụng các kỹ thuật sinh chú thích ngữ nghĩa để tự động gắn nhãn tin tức, cải thiện hệ thống tìm kiếm nội bộ, hoặc xây dựng các tính năng gợi ý nâng cao cho độc giả của họ.
        • Tangible benefits: Giúp tăng cường sự tương tác của người dùng, nâng cao chất lượng dịch vụ thông tin, và tạo ra lợi thế cạnh tranh thông qua việc cung cấp thông tin thông minh hơn và cá nhân hóa hơn.

      • Policy makers (Các nhà hoạch định chính sách):

        • Evidence-based recommendations: Mặc dù không trực tiếp, nhưng công trình này cho thấy tiềm năng của việc ứng dụng các tiêu chuẩn mở và công nghệ ngữ nghĩa trong việc quản lý và truy cập thông tin. Điều này có thể cung cấp cơ sở để các nhà hoạch định chính sách xem xét các khung pháp lý hoặc khuyến nghị tiêu chuẩn cho việc xuất bản và khai thác dữ liệu trong không gian mạng, đặc biệt là các lĩnh vực thông tin công cộng.

      • Quantify benefits where possible: Các lợi ích được định lượng bao gồm:

        • Cải thiện độ chính xác tìm kiếm: Phương pháp chuyển đổi NLQ sang SPARQL đạt 91.89% độ chính xác, giúp người dùng tìm tin tức chính xác hơn nhiều so với tìm kiếm từ khóa truyền thống (Mục 3.5.1).
        • Hiệu quả gợi ý tăng cao: Độ chính xác gợi ý tin tức tăng lên 85.6% với phương pháp lai, giúp người dùng khám phá tin tức liên quan hiệu quả hơn, tiết kiệm thời gian và tăng sự hài lòng (Mục 4.4.2).
        • Tự động hóa xử lý dữ liệu: Độ chính xác trên 80% cho việc trích rút ngữ nghĩa tự động giúp giảm đáng kể công sức thủ công trong việc tạo siêu dữ liệu cho tin tức, một yếu tố quan trọng cho các hệ thống có quy mô lớn (Mục 2.4.2).

      Câu hỏi chuyên sâu

      1. Theoretical contribution độc đáo nhất (name theory extended) Đóng góp lý thuyết độc đáo nhất của luận án là việc mở rộng và tùy biến lý thuyết Web ngữ nghĩa (Semantic Web Theory) của Tim Berners-Lee [6] vào ngữ cảnh của hệ thống tổng hợp tin tức thể thao năng động và phức tạp. Cụ thể, luận án đã xây dựng một mô hình kiến trúc toàn diện (BKSport architectural model - Hình 1.7) tích hợp các thành phần cốt lõi của Web ngữ nghĩa (Ontology, Semantic Annotation, Semantic Search, Semantic Recommendation) một cách hệ thống. Đây là một đóng góp quan trọng vì nó chứng minh rằng các nguyên lý của Web ngữ nghĩa có thể được áp dụng không chỉ để tổ chức thông tin tĩnh mà còn để xử lý và hiểu các ngữ nghĩa phức tạp, thường xuyên thay đổi trong một lĩnh vực cụ thể như thể thao, vượt ra ngoài việc chỉ "trình bày thông tin trên một trình duyệt phục vụ cho con người" (Mở đầu, trang 1) mà còn hỗ trợ máy tính "hiểu ý nghĩa của tin tức". Luận án đã làm rõ các yêu cầu về ontology, cơ sở tri thức và các kỹ thuật xử lý để biến ý tưởng này thành hiện thực trong một ứng dụng thực tiễn.

      2. Methodology innovation (compare với 2+ prior studies) Đổi mới phương pháp luận đáng chú ý nhất là việc phát triển một bộ phương pháp luận tích hợp cho sinh chú thích ngữ nghĩa domain-specific và chuyển đổi ngôn ngữ tự nhiên sang SPARQL, được tùy chỉnh cho lĩnh vực tin tức thể thao.

      • Trong sinh chú thích ngữ nghĩa: Luận án đã cải tiến nền tảng KIM [36] và các phương pháp trích rút thông tin bằng cách xây dựng Ontology BKSport đa tầng và áp dụng JAPE (Java Annotation Patterns Engine) với các luật trích chọn phức tạp để nhận dạng các ngữ nghĩa đặc thù như tuyên bố gián tiếp, xử lý đại từ và tin tức chuyển nhượng. Điều này khác biệt đáng kể so với các nghiên cứu trước đây như PANKOW [34] hay SemTag [33] vốn tập trung vào các khái niệm tổng quát (người, địa điểm) hoặc các miền ứng dụng khác (sinh học, y tế). Cụ thể, trong khi KIM chỉ nhận dạng "Wayne Rooney" là "Person", phương pháp của luận án nhận dạng là "Forward" (Hình 2.18). Các luật JAPE đã được thiết kế để xử lý các "Extra Verb" trong tin chuyển nhượng, phân biệt sự kiện đã xảy ra, có thể xảy ra hoặc không xảy ra, một chi tiết mà các phương pháp tổng quát thường bỏ qua.
      • Trong chuyển đổi ngôn ngữ tự nhiên sang SPARQL: Luận án sử dụng mô hình biểu diễn ngữ nghĩa câu hỏi kết hợp với phân tích cú pháp sâu (dựa trên Stanford Parser [135] cho Typed Dependencies) để xây dựng truy vấn SPARQL. Phương pháp này có khả năng xử lý các dạng câu hỏi phức tạp như so sánh hơn, so sánh hơn nhất, câu hỏi có nhiều chủ ngữ/tân ngữ, điều mà các hệ thống hỏi đáp dựa trên ngôn ngữ tự nhiên khác như PowerAqua [131] hay AquaLog [132] thường gặp khó khăn hoặc chỉ xử lý tốt với các câu hỏi đơn giản. Ví dụ, trong khi PowerAqua chỉ xử lý tốt những câu truy vấn có cấu trúc đơn giản, dễ dàng chuyển đổi về dạng biểu diễn bộ ba, phương pháp của luận án có thể xử lý câu "Which team defeated Chelsea and Barcelona?" bằng cách sinh ra hai bộ ba đồng thời.

      3. Most surprising finding (với data support) Phát hiện đáng ngạc nhiên nhất là phương pháp gợi ý tin tức chỉ dựa trên độ tương đồng ngữ nghĩa (semantic-based) đạt độ chính xác thấp hơn (75.8%) so với phương pháp chỉ dựa trên độ tương đồng nội dung (content-based) (82.2%), nhưng khi kết hợp cả hai phương pháp này (hybrid approach) thì lại đạt độ chính xác cao nhất (85.6%) (Bảng 4.1). Điều này phản trực giác vì nhiều người tin rằng việc hiểu ngữ nghĩa sâu sắc sẽ luôn mang lại kết quả tốt hơn. Tuy nhiên, luận án giải thích rằng phương pháp ngữ nghĩa thuần túy, chủ yếu dựa vào các thực thể, có thể gợi ý các tin về các thực thể liên quan nhưng lại thuộc chủ đề hoàn toàn khác. Ví dụ, nếu độc giả đang đọc tin về trận đấu của Barcelona, hệ thống ngữ nghĩa có thể gợi ý tin về tài chính của một cầu thủ Barcelona, dù liên quan đến thực thể nhưng không cùng chủ đề thi đấu. Ngược lại, phương pháp dựa trên nội dung tập trung vào các từ khóa, đảm bảo sự liên quan chủ đề chặt chẽ hơn. Phát hiện này nhấn mạnh rằng trong lĩnh vực tin tức, sự liên quan về chủ đề vẫn là một yếu tố rất quan trọng đối với người đọc, và ngữ nghĩa chỉ nên được coi là một yếu tố bổ trợ để mở rộng và làm phong phú thêm các gợi ý, chứ không phải là yếu tố thay thế hoàn toàn cho nội dung truyền thống.

      4. Replication protocol provided? Luận án cung cấp một nền tảng mạnh mẽ cho khả năng tái tạo nghiên cứu (replication protocol) thông qua việc mô tả chi tiết các phương pháp, thuật toán, kiến trúc hệ thống và các công cụ được sử dụng.

      • Mô tả thuật toán: Mỗi phương pháp (sinh chú thích, chuyển đổi NLQ, gợi ý) đều được trình bày bằng các thuật toán chi tiết hoặc quy trình từng bước (ví dụ: Thuật toán 1: Sinh các chú thích ngữ nghĩa về thực thể quan trọng, Thuật toán 2: Sinh các chú thích ngữ nghĩa về tuyên bố gián tiếp).
      • Kiến trúc hệ thống: Mô hình kiến trúc tổng thể BKSport (Hình 1.7) và cấu trúc của từng mô đun con được mô tả rõ ràng.
      • Ontology: Quá trình xây dựng BKSport Ontology, dựa trên PROTON và BBC Sport Ontology, cùng với các lớp và thuộc tính chính được bổ sung, được giải thích chi tiết (Hình 2.10).
      • Công cụ và phần mềm: Chỉ rõ các công cụ như nền tảng KIM (phiên bản 3.x), GATE, JAPE, thư viện Stanford NLP (phiên bản 1.6), và mô tơ Allegrograph.
      • Dữ liệu và thực nghiệm: Mô tả cách xây dựng tập dữ liệu thử nghiệm (số lượng tin tức, câu hỏi), tiêu chí đánh giá (Precision, Recall), và công thức tính độ chính xác có trọng số cho NLQ. Mặc dù luận án không cung cấp mã nguồn hoặc tập dữ liệu công khai dưới dạng một gói tái tạo chuẩn hóa (ví dụ, GitHub repository), nhưng mức độ chi tiết trong mô tả cho phép các nhà nghiên cứu có chuyên môn trong lĩnh vực này có thể tái tạo hoặc mở rộng công trình một cách hiệu quả.

      5. 10-year research agenda outlined? Trong phần "Hướng phát triển", luận án đã phác thảo một lộ trình nghiên cứu cụ thể cho tương lai gần và trung hạn, có thể mở rộng thành một chương trình nghị sự 10 năm như sau:

      • Giai đoạn 1 (1-3 năm): Hoàn thiện và mở rộng các thành phần cốt lõi:
        • Nâng cao chất lượng Crawler: Sử dụng Ontology để định hướng và loại bỏ tin trùng lặp, ngoài chủ đề.
        • Tự động hóa xây dựng và cập nhật Ontology/KB: Triển khai các phương pháp học luật trích rút tự động và cơ chế cập nhật tự động cho BKSport Ontology và cơ sở tri thức, giải quyết vấn đề cầu thủ chuyển nhượng, CLB lên/xuống hạng.
        • Mở rộng ngữ nghĩa phức tạp: Trích rút thêm nhiều ngữ nghĩa phức tạp hơn từ tin tức thể thao và biểu diễn chúng bằng mô hình bộ bốn (quadruple) để nắm bắt ngữ cảnh đa chiều.
        • Hoàn thiện NLQ: Xử lý đầy đủ "thì" của động từ, các dạng câu hỏi "best/most", và các cấu trúc ngữ pháp phức tạp khác.
      • Giai đoạn 2 (4-6 năm): Cá nhân hóa và tích hợp đa phương thức:
        • Phát triển hồ sơ ngữ nghĩa người dùng: Mô hình hóa sở thích và hành vi đọc tin của người dùng bằng cách xây dựng hồ sơ ngữ nghĩa, sau đó tích hợp vào hệ thống gợi ý để đạt được cá nhân hóa sâu sắc (semantic user profiles).
        • Tích hợp đa phương tiện: Mở rộng hệ thống để xử lý và chú thích ngữ nghĩa không chỉ văn bản mà còn hình ảnh, video (ví dụ, chú thích các đoạn phim ghi lại các sự kiện trong trận đấu), tạo ra hệ thống tổng hợp tin tức đa phương thức.
        • Xử lý đa ngôn ngữ: Mở rộng nghiên cứu sang các ngôn ngữ khác ngoài tiếng Anh, đặc biệt là tiếng Việt, để tăng tính ứng dụng toàn cầu.
      • Giai đoạn 3 (7-10 năm): Tự động hóa hoàn toàn và phân tích dự đoán:
        • Hệ thống tự học và thích nghi: Phát triển hệ thống có khả năng tự động học hỏi từ tương tác của người dùng, tự thích nghi với sự thay đổi của miền tri thức và tự tối ưu hóa các thuật toán mà không cần can thiệp thủ công.
        • Phân tích dự đoán: Sử dụng dữ liệu ngữ nghĩa đã được chú thích để xây dựng các mô hình phân tích dự đoán (ví dụ, dự đoán kết quả trận đấu, xu hướng chuyển nhượng cầu thủ, hiệu suất của đội bóng) và cung cấp các gợi ý chủ động cho người dùng.
        • Web ngữ nghĩa liên kết (Linked Semantic Web) toàn cầu: Đóng góp vào việc tạo ra một hệ sinh thái Web ngữ nghĩa toàn cầu, nơi dữ liệu thể thao được liên kết và có thể truy cập thông minh bởi bất kỳ ứng dụng nào.

      Kết luận

      Luận án "Một tiếp cận xây dựng hệ thống tổng hợp tin tức thể thao dựa trên Web ngữ nghĩa" đã thành công trong việc giải quyết các thách thức then chốt trong việc truy cập và quản lý thông tin trong kỷ nguyên số. Với việc tận dụng những ưu điểm vượt trội của Web ngữ nghĩa, luận án đã xây dựng mô hình ngữ nghĩa cho hệ thống tổng hợp tin tức thể thao BKSport, cung cấp các giải pháp tiên tiến cho các bài toán sinh chú thích ngữ nghĩa, tìm kiếm ngữ nghĩa và gợi ý tin tức.

      5-6 SPECIFIC contributions (numbered):

      1. Mô hình kiến trúc toàn diện BKSport: Đề xuất một mô hình kiến trúc tích hợp (Hình 1.7) cho hệ thống tổng hợp tin tức thể thao dựa trên Web ngữ nghĩa, là nền tảng cho việc triển khai các chức năng thông minh.
      2. Phương pháp sinh chú thích ngữ nghĩa đặc thù: Phát triển các thuật toán tự động/bán tự động để sinh chú thích ngữ nghĩa cho tin tức thể thao với độ chính xác cao (NER > 99%, trích rút bộ ba > 88% - Bảng 2.4), bao gồm các ngữ nghĩa bộ ba đơn giản, thực thể quan trọng, tuyên bố gián tiếp, xử lý đại từ và tin tức chuyển nhượng.
      3. Hệ thống chuyển đổi ngôn ngữ tự nhiên sang SPARQL: Đề xuất phương pháp chuyển đổi câu hỏi ngôn ngữ tự nhiên (tiếng Anh) thành truy vấn SPARQL với độ chính xác trung bình 91.89% (Bảng 3.4), xử lý hiệu quả các dạng câu hỏi phức tạp.
      4. Phương pháp gợi ý tin tức lai hiệu quả: Đưa ra công thức tính độ tương đồng kết hợp ngữ nghĩa và nội dung, cho độ chính xác gợi ý 85.6% (Bảng 4.1), cải thiện đáng kể so với các phương pháp đơn lẻ.
      5. Phát triển Ontology BKSport đa tầng: Xây dựng BKSport Ontology dựa trên PROTON và BBC Sport Ontology, mở rộng với các khái niệm và thuộc tính chuyên biệt, cung cấp vốn từ vựng phong phú cho miền thể thao.
      6. Triển khai hệ thống mẫu thử BKSport: Một hệ thống hoạt động thực tế đã được xây dựng để minh họa và chứng minh các kết quả nghiên cứu.

      Paradigm advancement với evidence: Luận án đã đóng góp vào sự tiến bộ của mô hình xử lý thông tin, dịch chuyển từ mô hình dựa trên từ khóa và cú pháp sang mô hình dựa trên ý nghĩa và ngữ nghĩa. Điều này được chứng minh qua việc hệ thống có khả năng "hiểu ý nghĩa của tin tức" (Mở đầu, trang 1) và ý định của người dùng, cung cấp kết quả tìm kiếm và gợi ý chính xác hơn nhiều so với các hệ thống truyền thống. Việc này phản ánh sự trưởng thành của công nghệ Web ngữ nghĩa trong việc giải quyết các bài toán thông tin thực tế.

      3+ new research streams opened:

      1. Học luật trích rút ngữ nghĩa tự động: Hướng tới việc phát triển các phương pháp học máy để tự động hóa quá trình xây dựng luật trích rút, giảm thiểu sự phụ thuộc vào can thiệp thủ công.
      2. Mô hình hóa và xử lý ngữ nghĩa phức tạp bằng bộ bốn (quadruple): Mở rộng khả năng biểu diễn các sự kiện và ngữ cảnh thông tin đa chiều.
      3. Cá nhân hóa gợi ý tin tức dựa trên hồ sơ ngữ nghĩa người dùng: Phát triển mô hình hồ sơ người dùng giàu ngữ nghĩa và thuật toán đối sánh tiên tiến.
      4. Tích hợp đa phương tiện và xử lý đa ngôn ngữ: Mở rộng sang các loại dữ liệu khác ngoài văn bản và các ngôn ngữ khác để nâng cao tính ứng dụng.

      Global relevance với international comparison: Các phương pháp và mô hình của luận án có tính liên quan toàn cầu, giải quyết thách thức chung về thông tin quá tải mà nhiều quốc gia và ngành công nghiệp đang phải đối mặt. Khả năng ứng dụng của các phương pháp này không chỉ giới hạn trong tin tức thể thao mà có thể mở rộng sang các lĩnh vực khác, cung cấp một khuôn khổ cho việc xây dựng các hệ thống thông tin thông minh trên phạm vi quốc tế. Việc kế thừa và cải tiến các nền tảng quốc tế như KIM và Stanford Parser, cùng với việc so sánh với các nghiên cứu quốc tế khác, khẳng định vị thế của công trình trong bối cảnh khoa học toàn cầu.

      Legacy measurable outcomes: Luận án để lại một di sản với các kết quả đo lường được:

      • Độ chính xác tìm kiếm ngữ nghĩa đạt 91.89%.
      • Độ chính xác gợi ý tin tức tăng lên 85.6%.
      • Hiệu quả tự động hóa sinh chú thích ngữ nghĩa cao, giảm đáng kể thời gian và công sức so với phương pháp thủ công.
      • Một hệ thống BKSport mẫu thử nghiệm đã được triển khai, minh chứng khả năng ứng dụng thực tiễn của các nghiên cứu.

      Những kết quả này không chỉ đóng góp vào kho tàng tri thức khoa học mà còn mở ra những triển vọng ứng dụng rộng lớn, hứa hẹn một tương lai nơi việc tiếp cận thông tin trở nên thông minh, chính xác và thân thiện hơn với người dùng.

      Trích đoạn nội dung luận án

      Tải xuống để đọc toàn bộ

      BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI NGUYỄN QUANG MINH MỘT TIẾP CẬN XÂY DỰNG HỆ THỐNG TỔNG HỢP TIN TỨC THỂ THAO DỰA TRÊN WEB NGỮ NGHĨA LUẬN ÁN TIẾN SĨ MẠNG MÁY TÍNH VÀ TRUYỀN THÔNG DỮ LIỆU Hà Nội – 2019 luan an BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI NGUYỄN QUANG MINH MỘT TIẾP CẬN XÂY DỰNG HỆ THỐNG TỔNG HỢP TIN TỨC THỂ THAO DỰA TRÊN WEB NGỮ NGHĨA NGÀNH: MẠNG MÁY TÍNH VÀ TRUYỀN THÔNG DỮ LIỆU MÃ SỐ: 9480102 LUẬN ÁN TIẾN SĨ MẠNG MÁY TÍNH VÀ TRUYỀN THÔNG DỮ LIỆU NGƯỜI HƯỚNG DẪN KHOA HỌC: 1. CAO TUẤN DŨNG Hà Nội – 2019 luan an LỜI CAM ĐOAN Tôi xin cam đoan đây là công trình nghiên cứu khoa học của riêng tôi. Các số liệu, kết quả được công bố với các tác giả khác đều được sự đồng ý của đồng tác giả trước khi đưa vào luận án. Trong quá trình làm luận án, tôi kế thừa thành tựu của các nhà khoa học với sự trân trọng và biết ơn.

      Các số liệu, kết quả trình bày trong luận án là trung thực và chưa từng được tác giả khác công bố. Hà Nội, ngày tháng năm 2019 GIẢNG VIÊN HƯỚNG DẪN TÁC GIẢ LUẬN ÁN PGS. TS Ngô Hồng Sơn Nguyễn Quang Minh PGS. TS Cao Tuấn Dũng i luan an LỜI CẢM ƠN Tác giả xin bày tỏ lòng biết ơn sâu sắc tới các Thầy hướng dẫn PGS.

      Ngô Hồng Sơn và PGS. Cao Tuấn Dũng, những người Thầy đã hướng dẫn và giúp đỡ tác giả rất nhiều trong học tập, nghiên cứu khoa học, và thực hiện luận án tiến sĩ. Các Thầy đã luôn khích lệ, động viên và cho tác giả những lời khuyên bổ ích, đặc biệt các Thầy đã chia sẻ thời gian quý báu của mình để giúp tác giả hoàn thành Luận án này. Bên cạnh đó, tác giả cũng xin gửi lời cảm ơn chân thành tới Ban giám hiệu trường Đại học Bách Khoa Hà Nội, các Thầy/Cô trong Viện Công nghệ thông tin và Truyền thông, các Thầy/Cô ở Bộ môn Truyền thông và mạng máy tính, lãnh đạo và các chuyên viên của Phòng Đào tạo – Bộ phận đào tạo sau đại học đã tạo điều kiện, hỗ trợ và giúp đỡ tác giả trong học tập, trong nghiên cứu và trong công việc suốt thời gian thực hiện Luận án.

      Sự tận tình của họ khiến tác giả vô cùng xúc động và biết ơn rất nhiều. Tác giả xin chân thành cảm ơn các Thầy/Cô phản biện, các Thầy/Cô trong Hội đồng các cấp đã trao đổi và cho tác giả nhiều chỉ dẫn quý báu, giúp cho Luận án của tác giả được hoàn thiện, trình bày khoa học và logic hơn. Tác giả xin chân thành cảm ơn đến nhóm nghiên cứu gồm các bạn: Nguyễn Hoàng Công, Phan Thanh Hiền, Nguyễn Thanh Tâm đã cùng tác giả thực hiện một số nội dung của Luận án. Tác giả xin bày tỏ lòng biết ơn chân thành tới ban giám đốc Viện Điện tử- Viễn thông đã tạo điều kiện cho tác giả có điều kiện vừa học tập vừa công tác, cảm ơn các đồng nghiệp của bộ môn Điện tử - Kỹ thuật máy tính đã gánh vác một phần công việc giảng dạy trong suốt thời gian tác giả thực hiện Luận án.

      Cuối cùng, tác giả xin bày tỏ lòng biết ơn sâu sắc tới toàn thể gia đình, bạn bè, những người thân đã luôn chăm lo, động viên và giúp đỡ tác giả vượt qua mọi khó khăn trong suốt thời gian qua. ii luan an DANH MỤC CÁC TỪ VIẾT TẮT STT Từ viết tắt Dạng đầy đủ Diễn giải 1 CSS Cascading Style Sheet Tập tin định kiểu theo tầng 2 FAQ Frequently Asked Questions Các câu hỏi thường gặp 3 GATE General Architecture for Text Kiến trúc chung cho kỹ thuật Engineering văn bản 4 HTML Hyper Text Markup Language Ngôn ngữ đánh dấu siêu văn bản 5 HTTP Hyper Text Transfer Protocol Giao thức truyền tải siêu văn bản 6 IRI Internationalized Resource Định danh tài nguyên quốc tế Identifier hóa 7 JAPE Java Annotation Patterns Engine Công cụ tạo mô hình chú thích Java 8 KBE Knowledge Base Enrichment Làm giàu cơ sở tri thức 9 KIM Knowledge and Information Quản lý tri thức và thông tin Management 10 NEE Named Entity Extraction Trích rút thực thể có tên 11 NER Named Entity Recognition Nhận dạng thực thể có tên 12 OKBC Open Knowledge Base Kết nối cơ sở tri thức mở Connectivity 13 OWL Web Ontology Language Ngôn ngữ ontology trên web 14 QA Question Answering Hỏi đáp 15 RDF Resource Description Khung mô tả tài nguyên Framework 16 RDFS RDF Schema Lược đồ RDF 17 RIF Rule Interchange Format Định dạng trao đổi luật 18 SPARQL SPARQL Protocol and RDF Giao thức SPARQL và ngôn Query Language ngữ truy vấn RDF 19 TF-IDF Term Frequency-Inverse Tần số xuất hiện của 1 từ Document Frequency trong 1 văn bản – Tần số nghịch của 1 từ trong tập văn bản 20 URI Uniform Resource Identifier Định danh tài nguyên thống nhất 21 XML Extensible Markup Language Ngôn ngữ đánh dấu mở rộng iii luan an MỤC LỤC LỜI CAM ĐOAN .ii DANH MỤC CÁC TỪ VIẾT TẮT .iii MỤC LỤC. iv DANH MỤC CÁC HÌNH VẼ .viii DANH MỤC CÁC BẢNG. ix MỞ ĐẦU.

      KIẾN THỨC NỀN TẢNG VÀ TIẾP CẬN PHÁT TRIỂN HỆ THỐNG TIN TỨC THỂ THAO DỰA TRÊN WEB NGỮ NGHĨA .1 Giới thiệu về Web ngữ nghĩa .1 Nguồn gốc Web ngữ nghĩa .2 Khái niệm Web ngữ nghĩa .3 Kiến trúc Web ngữ nghĩa.2 Các lĩnh vực ứng dụng và vai trò của ontology .3 Các phương pháp luận phát triển ontology.1 Phương pháp luận Methontology .2 Phương pháp luận Uschold và King .3 Phương pháp luận Grüninger và Fox .4 Các công cụ phát triển ontology .3 Ngôn ngữ biểu diễn ontology và dữ liệu ngữ nghĩa .1 Các khái niệm và cú pháp trừu tượng của RDF .2 Sử dụng các URI cho các đối tượng thế giới thực.3 Phân lớp tường minh các tài nguyên .4 Tài nguyên URI, nút trắng, và giá trị hằng .1 Các lớp và các thuộc tính .2 Miền áp dụng và phạm vi giá trị của các thuộc tính (Domain and Range of Properties) .3 Hệ thống kiểu (Type System).1 Tiên đề và các luật suy diễn kéo theo .2 Các tính năng của OWL .3 Những tính năng bổ sung trong OWL Full và OWL-DL. 22 iv luan an 1.4 Tìm kiếm ngữ nghĩa .1 Các ngôn ngữ truy vấn RDF .1 Truy vấn SELECT…WHERE.2 Truy vấn ASK .5 Kho dữ liệu ngữ nghĩa mở .6 Một số lĩnh vực ứng dụng Web ngữ nghĩa .1 Thương mại điện tử .2 Chăm sóc sức khỏe và khoa học đời sống (HCLS) .3 Chính phủ điện tử .7 Một số nghiên cứu Web ngữ nghĩa tiêu biểu .4 Kho nội dung Web ngữ nghĩa cho nghiên cứu lâm sàng .5 Ứng dụng Web ngữ nghĩa trong lĩnh vực nông nghiệp của tổ chức nông-lương thực Liên hiệp quốc (FAO) .8 Website và cổng thông tin tin tức có ngữ nghĩa .3 Cổng thông tin Esperonto .9 Ứng dụng Web ngữ nghĩa trong lĩnh vực thể thao .10 Tiếp cận Web ngữ nghĩa xây dựng hệ thống tin tức thể thao .11 Mô hình kiến trúc hệ thống tổng hợp tin tức thể thao.2 Ontology thể thao .3 Sinh chú thích ngữ nghĩa .4 Cổng thông tin ngữ nghĩa .5 Mô tơ suy diễn và tìm kiếm ngữ nghĩa .6 Kho dữ liệu ngữ nghĩa .12 Kết luận chương. SINH CHÚ THÍCH NGỮ NGHĨA CHO TIN TỨC THỂ THAO .2 Chú thích ngữ nghĩa cho tài liệu .2 Các phương pháp tạo chú thích ngữ nghĩa .3 Một số nghiên cứu liên quan .3 Một phương pháp sinh chú thích ngữ nghĩa cho tin tức thể thao dựa trên ontology và luật trích chọn .1 Tổng quan về phương pháp đề xuất .2 Xây dựng Ontology cho hệ thống.2 Ontology thể thao của hãng BBC .3 Xây dựng Ontology BKSport .3 Thu thập và tiền xử lý tin tức.4 Xây dựng cơ sở tri thức thể thao .5 Nhận dạng, trích rút và xác định lớp ngữ nghĩa cho thực thể có tên .1 Nhận dạng thực thể có tên trong tin tức như là một thể hiện thuộc cơ sở tri thức .2 Phát hiện bí danh của thực thể.3 Nhận dạng các thực thể ở mức khái niệm chi tiết .4 Cải tiến nhận dạng thực thể có tên ở dạng rút gọn .5 Nhận dạng thực thể cùng tên khác kiểu.6 Trích rút “ngữ nghĩa” từ tin tức .1 Các ngữ nghĩa bộ ba đơn giản .2 Ngữ nghĩa về thực thể quan trọng trong tin tức.3 Chú thích ngữ nghĩa về tuyên bố gián tiếp .4 Chú thích ngữ nghĩa về tin tức chuyển nhượng .1 Nhận dạng thực thể có tên trong tin tức .2 Trích rút ngữ nghĩa từ tin tức thể thao .3 Đánh giá chung .5 Kết luận chương. MỘT PHƯƠNG PHÁP TRUY VẤN TIN TỨC THỂ THAO VỚI NGÔN NGỮ TỰ NHIÊN .2 Các nghiên cứu liên quan .3 Phân loại câu hỏi đầu vào và cấu trúc truy vấn đầu ra .1 Phân loại câu hỏi.2 Chú thích và truy vấn ngữ nghĩa về tin tức thể thao .4 Phương pháp chuyển đổi câu hỏi ngôn ngữ tự nhiên sang truy vấn SPARQL .1 Tiền xử lý câu hỏi .2 Phân tích cú pháp .3 Biểu diễn ngữ nghĩa cho câu hỏi .1 Mô hình biểu diễn ngữ nghĩa cho câu hỏi .2 Chuyển từ cấu trúc ngữ pháp sang biểu diễn ngữ nghĩa.4 Sinh câu truy vấn SPARQL trung gian.

      84 vi luan an 3.1 Xác định mệnh đề hỏi.2 Xây dựng mệnh đề điều kiện – Mệnh đề WHERE .5 Xác định thực thể, khái niệm và vị từ .1 Nhận dạng các lớp .2 Nhận dạng thuộc tính .6 Sinh truy vấn SPARQL hoàn chỉnh .5 Thử nghiệm và đánh giá .1 Kịch bản thử nghiệm và kết quả .2 Nhận xét và đánh giá .1 Phân tích cú pháp .2 Nhận dạng quan hệ phụ thuộc bộ ba .3 Nhận dạng khái niệm và vị từ.4 Xử lý nhãn thời gian .5 Một số trường hợp đặc biệt chưa xử lý được .6 Kết luận chương. GỢI Ý TIN TỨC DỰA TRÊN NGỮ NGHĨA CHO HỆ THỐNG TỔNG HỢP TIN TỨC THỂ THAO .2 Nghiên cứu liên quan .3 Độ tương đồng giữa các tin .1 Độ tương đồng về ngữ nghĩa .1 Quan hệ ngữ nghĩa giữa các thực thể .2 Loại thực thể xuất hiện trong tin .3 Các chú thích ngữ nghĩa của tin .2 Độ tương đồng về nội dung .3 Thuật toán gợi ý tin tức với độ tương đồng kết hợp .4 Cài đặt thử nghiệm và đánh giá .1 Kịch bản thử nghiệm .2 Kết quả thử nghiệm và đánh giá .5 Kết luận chương. 107 Các kết quả đạt được của luận án. 107 Hướng phát triển.

      108 DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA LUẬN ÁN. 110 TÀI LIỆU THAM KHẢO. 111 vii luan an DANH MỤC CÁC HÌNH VẼ Hình 1.1 Kiến trúc Web ngữ nghĩa [59] .

      Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ

      Trích dẫn luận án này

      Nguyễn Quang Minh (2019). Luận án tiến sĩ xây dựng hệ thống tổng hợp tin tức thể thao web ngữ nghĩa [Luận án tiến sĩ, Trường Đại học Bách khoa Hà Nội]. LuanAn.net. https://luanan.net/ky-thuat-giao-thong-van-tai/luan-an-tien-si-mot-tiep-can-xay-dung-he-thong-tong-hop-tin-tuc-the-thao-dua-tren-web-ngu-nghia

      Câu hỏi thường gặp

      Luận án "Luận án tiến sĩ xây dựng hệ thống tổng hợp tin tức thể thao web ngữ nghĩa" nghiên cứu về vấn đề gì?

      Luận án tiến sĩ đề xuất hệ thống tổng hợp tin tức thể thao dựa trên web ngữ nghĩa, nâng cao hiệu quả xử lý dữ liệu.

      Luận án "Luận án tiến sĩ xây dựng hệ thống tổng hợp tin tức thể thao web ngữ nghĩa" được bảo vệ tại trường nào?

      Luận án này được bảo vệ tại Trường Đại học Bách khoa Hà Nội. Năm bảo vệ: 2019.

      Luận án "Luận án tiến sĩ xây dựng hệ thống tổng hợp tin tức thể thao web ngữ nghĩa" thuộc chuyên ngành gì?

      Luận án "Luận án tiến sĩ xây dựng hệ thống tổng hợp tin tức thể thao web ngữ nghĩa" thuộc chuyên ngành Mạng máy tính và truyền thông dữ liệu. Danh mục: Kỹ Thuật Giao Thông Vận Tải.

      Luận án "Luận án tiến sĩ xây dựng hệ thống tổng hợp tin tức thể thao web ngữ nghĩa" có bao nhiêu trang?

      Luận án "Luận án tiến sĩ xây dựng hệ thống tổng hợp tin tức thể thao web ngữ nghĩa" có 130 trang. Bạn có thể xem trước một phần tài liệu ngay trên trang web trước khi tải về.

      Cách tải luận án "Luận án tiến sĩ xây dựng hệ thống tổng hợp tin tức thể thao web ngữ nghĩa" về máy như thế nào?

      Để tải luận án về máy, bạn nhấn nút "Tải xuống ngay" trên trang này, sau đó hoàn tất thanh toán phí lưu trữ. File sẽ được tải xuống ngay sau khi thanh toán thành công. Hỗ trợ qua Zalo: 0559 297 239.

      Luận án liên quan

      Chia sẻ tài liệu: Facebook Twitter