Mô hình rút trích cm t c trng ng ngha trong ting Vit 1

LI CAM OAN
Tôi cam oan rng ni dung ca lun án này là kt qu nghiên cu ca
bn thân. Tt c nhng tham kho t các nghiên cu liên quan iu c nêu
rõ ngun gc mt cách rõ ràng t danh mc tài liu tham kho c  cp 
phn sau ca lun án. Nhng óng góp trong lun án là kt qu nghiên cu
ca tác gi ã c công b trong các bài báo ca tác gi  phn sau ca lun
án và cha c công b trong bt k công trình khoa hc nào khác. Tác gi lun án


Minh, &c bit khoa CNTT, ã h% tr và to mi iu kin thun li cho
tôi trong quá trình hoàn thành khóa hc NCS.
Cui cùng, tôi cm n tt c bn bè và ngi thân ã góp nhiu ý
kin thit thc và có nhng li ng viên khích l quý báu giúp tôi hoàn
thành tt lun án.

Tác gi lun án
Nguyn Quang Châu
Mô hình rút trích cm t c trng ng ngha trong ting Vit 3
TÓM TT World Wide Web (WWW) phát trin nhanh chóng cùng vi ngun tài
nguyên thông tin ngày càng phong phú, nhu cu khai thác ngun thông tin
này ca ngi s' dng ngày càng tr nên cp thit i vi i sng ca con
ngi. Vic khai thác này c thc hin thông qua các phng thc nh
truy hi thông tin (Information Retrieval), tóm lc vn bn (Text
Summarization), và rút trích thông tin (Information Extraction), ...

nghim trên tp câu c chn lc t các ngun ng liu TREC07,
TREC06, TREC02 ( và www.lexxe.com (Qiao,
2010). Tp câu ting Anh c Hi Nghiên Cu D ch Thut Tp. H Chí
Minh d ch sang tp câu ting Vit tng ng và c bn chuyên gia ngôn
ng nhn din cm danh t &c trng ng ngh(a bng phng pháp th
công. Kt qu mô hình ViKE t  chính xác,  bao ph và  trung bình
iu hòa ln lt là 89,52% , 87,63% và 88,57%. Nh vy vi  chính
xác,  y  và  trung bình iu hòa ca mô hình ViKE ã ci thin
hiu sut ca hai mô hình thành phn (mô hình theo hng tip cn rút trích
và mô hình theo hng tip cn xác  nh CDT$TNN) và áp ng c
mc tiêu  ra ca lun án.


2.1 Gii thiu .................................................................................................19
2.2 C s lý thuyt .........................................................................................20
2.3 Kt chng...............................................................................................29
Chng 3. TNG QUAN CÁC MÔ HÌNH RÚT TRÍCH CM T C
TRNG..............................................................................................................31
3.1 Gii thiu .................................................................................................31
3.2 Các nghiên cu liên quan..........................................................................32
3.3 S tng quan gia hng tip cn rút trích và xác  nh CT$T ...............37
3.4 Phng pháp tip cn ca lun án.............................................................38
3.5 Kt chng...............................................................................................52
Chng 4. MÔ HÌNH XÁC NH CM T C TRNG NG NGHA
TRONG TING VIT (ViKEa) -PHNG PHÁP SO TRÙNG MU DA
TRÊN ONTOLOGY..........................................................................................54
4.1 Gii thiu ................................................................................................54
4.2 Rút trích cm danh t d tuyn
……………………...………………………...............
55
4.3 Công on xác  nh cm danh t &c trng ng ngh(a da trên
ontology
………………………………………………………………………………………………………..
62
4.4
Kt chng
………………………………………………………………..………………………….
73
Chng 5. MÔ HÌNH RÚT TRÍCH CM T C TRNG NG NGHA
TRONG TING VIT (ViKEe) – PHNG PHÁP HC MÁY...................75
5.1 Gii thiu .................................................................................................75
5.2 Phng pháp Support Vector Machines....................................................77