Báo Cáo Công cụ hỗ trợ tạo ngữ nghĩa trang Web sử dụng kỹ thuật tách thông tin từ văn bản

I. ĐẶT VẤN ĐỀ
Với nhiều tỷ trang Web phân bố trên hầu hết các
quốc gia, World Wide Web (WWW) là môi trường tốt
cho việc biểu diễn và truy cập thông tin dạng số. Tuy
nhiên, lượng thông tin khổng lồ đó cũng tạo ra những
khó khăn lớn trong việc tìm kiếm, chia sẻ thông tin
trên WWW. Hiện nay, thông tin trên WWW được
biểu diễn chủ yếu dưới dạng Ngôn ngữ tự nhiên (các
trang Web trên Ngôn ngữ HTML). Cách biểu diễn đó
phù hợp với con người nhưng lại gây ra nhiều khó
khăn cho các chương trình làm nhiệm vụ hỗ trợ tìm
kiếm, chia sẻ và trao đổi tin. Chương trình máy tính
không “hiểu” được thông tin và dữ liệu biểu diễn dưới
dạng thích hợp với con người.
Để giải quyết vấn đề này, nhiều tổ chức nghiên cứu
và Kinh doanh đã phối hợp nghiên cứu và Phát triển
Web có ngữ nghĩa (Semantic Web). Theo định nghĩa
của Tim Berners_Lee giám đốc tổ chức World Wide
Web Consortium (World Wide Web Consortium (W3C)), đồng thời là
cha đẻ của WWW, Web có ngữ nghĩa là sự mở rộng
của WWW hiện tại bằng cách thêm vào các mô tả ý
nghĩa (hay ngữ nghĩa) của thông tin dưới dạng mà
chương trình máy tính có thể “hiểu” và do vậy cho
phép xử lý thông tin hiệu quả hơn [1]. Như vậy, Web
có ngữ nghĩa sẽ bao gồm các thông tin (trang Web)
được biểu diễn theo cách truyền thống cùng với ngữ
nghĩa của các thông tin này được biểu diễn một cách
tường minh. Việc thêm phần ngữ nghĩa cung cấp thêm
tri thức cho các chương trình (các agent), giúp nâng
cao chất lượng phân loại, tìm kiếm, trao đổi thông tin.
Muốn Xây dựng Web có ngữ nghĩa cần có công cụ
hỗ trợ. Trong bài báo này, chúng tôi mô tả bộ công cụ
mà chúng tôi Xây dựng phục vụ mục đích này cùng
với các giải pháp kỹ thuật được lựa chọn và sử dụng.
Phần quan trọng của bộ công cụ là phần tách thông tin
tự động cho phép rút ngắn thời gian tạo phần ngữ
nghĩa cho trang Web. Để minh hoạ cho việc sử dụng
và thử nghiệm bộ công cụ, bài báo cũng trình bầy một
ứng dụng tìm kiếm thông tin với những trang Web có
ngữ nghĩa do bộ công cụ tạo ra.