Khám phá nền tảng phân loại ngữ nghĩa trên các hệ thống nhãn ngữ nghĩa danh từ tiếng Anh

Phân loại ngữ nghĩa đóng vai trò quan trọng trong việc tổ chức các khái niệm theo trường nghĩa. Sự phát triển của các hệ thống nhãn ngữ nghĩa đã mở ra những hướng tiếp cận mới như hỗ trợ tìm kiếm thông tin, cung cấp công cụ phân tích và xử lý ngữ nghĩa tự động. Trong tiếng Anh, ba hệ thống phổ biến là Longman Lexicon of Contemporary English (LLOCE), UCREL Semantic Analysis System (USAS) và WordNet; mỗi hệ thống có cách tiếp cận riêng về phân loại ngữ nghĩa, tạo nên sự đa dạng trong xử lý ngữ nghĩa. Đối với tiếng Việt, việc triển khai hệ thống nhãn ngữ nghĩa từ góc độ ngôn ngữ học còn hạn chế. Các hệ thống hiện tại thường dựa trên việc chuyển dịch ngôn ngữ từ tiếng Anh sang tiếng Việt, dẫn đến một số khó khăn như: chỉ dịch được một nghĩa của từ và bỏ sót các nghĩa khác; hoặc có những khái niệm có trong ngôn ngữ này nhưng không có trong ngôn ngữ kia do sự khác biệt về văn hóa; hiện tượng “từ vựng hóa” cũng gây khó khăn khi nhiều từ trong tiếng Anh là một từ đơn nhưng khi chuyển dịch sang tiếng Việt lại thành một cụm từ và ngược lại. Những khó khăn trên đòi hỏi người xây dựng và xử lý hệ thống nhãn ngữ nghĩa từ vựng tiếng Việt cần quan tâm đến cả yếu tố ngôn ngữ và văn hóa để tạo ra một hệ thống nhãn ngữ nghĩa phù hợp với đặc trưng của tiếng Việt. Vì vậy, nghiên cứu nền tảng phân loại ngữ nghĩa đóng vai trò quan trọng, góp phần định hướng việc triển khai hệ thống nhãn ngữ nghĩa cho danh từ tiếng Việt. Hiện nay, chưa có nghiên cứu cụ thể nào về phân loại ngữ nghĩa cho các danh từ trong tiếng Anh. Do đó, mục tiêu chính của nghiên cứu này là tìm hiểu nền tảng phân loại ngữ nghĩa của danh từ tiếng Anh trên ba hệ thống nhãn ngữ nghĩa tiêu biểu: LLOCE, UCREL và WordNet. Nghiên cứu này mang lại những hiểu biết sâu sắc về phân loại ngữ nghĩa, từ đó đề xuất loại nghĩa và số tầng phân loại phù hợp trong việc xây dựng hệ thống nhãn ngữ nghĩa cho danh từ tiếng Việt dưới góc độ ngôn ngữ học.

Nghiên cứu này hướng đến các nhà nghiên cứu, chuyên gia ngôn ngữ học, các kỹ sư xử lý ngôn ngữ tự nhiên và các nhà phát triển hệ thống nhãn ngữ nghĩa, đặc biệt là những người quan tâm đến việc xây dựng và phát triển các công cụ xử lý ngữ nghĩa cho tiếng Việt.

Nghiên cứu này tập trung khám phá nền tảng lý thuyết về phân loại ngữ nghĩa trên các hệ thống nhãn ngữ nghĩa danh từ tiếng Anh, bao gồm Longman Lexicon of Contemporary English (LLOCE), UCREL Semantic Analysis System (USAS) và WordNet. Sử dụng phương pháp mô tả và so sánh đối chiếu, nghiên cứu đã phân tích điểm tương đồng, dị biệt, ưu điểm và hạn chế của từng hệ thống. Cụ thể, các phát hiện chỉ ra rằng LLOCE và UCREL chủ yếu dựa trên nghĩa chủ đề, trong khi WordNet tập trung vào nghĩa ý niệm. Về cấu trúc phân cấp, LLOCE và UCREL có cấu trúc 3 tầng cố định, tương đối thô và hạn chế về danh mục ngữ nghĩa. Ngược lại, WordNet sử dụng cấu trúc cây dựa trên ý niệm với số tầng không cố định, linh hoạt và chi tiết hơn, mặc dù có thể phức tạp hơn cho người dùng. Từ các kết quả phân tích này, nghiên cứu đề xuất việc xây dựng hệ thống nhãn ngữ nghĩa cho danh từ tiếng Việt nên dựa trên nghĩa ý niệm, cân bằng giữa độ chính xác và lượng thông tin khai thác, với cấu trúc phân cấp linh hoạt khoảng 4-6 tầng. Hệ thống này cần chú trọng đến các chức năng biểu hiện và yếu tố tri nhận, đồng thời tuân thủ các tiêu chí về ngôn ngữ, tâm lý học, tính toán từ vựng, linh hoạt sửa đổi và dễ tiếp cận. Những kết quả này cung cấp cơ sở lý thuyết vững chắc và định hướng quan trọng cho việc phát triển hệ thống nhãn ngữ nghĩa tiếng Việt, hỗ trợ các ứng dụng trong xử lý ngôn ngữ tự động như dịch máy, phân tích ngữ nghĩa từ vựng, đo khoảng cách ngữ nghĩa, trích xuất thông tin, cũng như trong giảng dạy và nghiên cứu ngữ nghĩa học từ vựng.