Tóm tắt Luận án Tiến sĩ Công nghệ thông tin: Nghiên cứu cải tiến phân lớp đa nhãn văn bản và ứng dụng

ĐẠI HỌC QUỐC GIA HÀ NỘI<br /> TRƯỜNG ĐẠI HỌC CÔNG NGHỆ<br /> <br /> PHẠM THỊ NGÂN<br /> <br /> NGHIÊN CỨU CẢI TIẾN PHÂN LỚP ĐA NHÃN VĂN BẢN<br /> VÀ ỨNG DỤNG<br /> <br /> Chuyên ngành: Hệ thống thông tin<br /> Mã số: 62.48.01.04<br /> <br /> TÓM TẮT LUẬN ÁN TIẾN SĨ CÔNG NGHỆ THÔNG TIN<br /> <br /> Hà Nội – 2017<br /> <br /> Công trình được hoàn thành tại: Trường Đại học Công nghệ, Đại<br /> học Quốc gia Hà Nội<br /> Người hướng dẫn khoa học: PGS. TS. Hà Quang Thụy<br /> PGS.TS. Phan Xuân Hiếu<br /> Phản biện: PGS. TS Lương Chi Mai...........................<br /> Viện CNTT, Viện Hàn lâm KH&CNVN........................<br /> Phản biện: PGS.TS Đỗ Văn Thành .............................<br /> Bộ Kế hoạch và Đầu tư ...................................................<br /> Phản biện: TS. Nguyễn Thị Minh Huyền ...................<br /> Trường Đại học Khoa học Tự nhiên, ĐHQGHN............<br /> Luận án được bảo vệ trước Hội đồng cấp Đại học Quốc gia<br /> chấm luận án tiến sĩ họp tại Đại học Công nghệ, ĐHQGHN<br /> vào hồi 09 giờ ngày 12 tháng 12 năm 2017<br /> Có thể tìm hiểu luận án tại:<br /> -<br /> <br /> Thư viện Quốc gia Việt Nam<br /> <br /> -<br /> <br /> Trung tâm Thông tin - Thư viện, Đại học Quốc gia Hà<br /> <br /> MỞ ĐẦU<br /> Tính cấp thiết của luận án<br /> Phân lớp là một trong những bài toán điển hình trong khai phá<br /> dữ liệu; ứng dụng của phân lớp xuất hiện trong rất nhiều lĩnh vực của<br /> đời sống. Tính ứng dụng cao của phân lớp làm cho bài toán phân lớp<br /> được tiến hóa từ đơn giản tới phức tạp hơn theo hướng từ phân lớp<br /> đơn nhãn tới phân lớp đa nhãn hoặc phân lớp đa thể hiện, và cho tới<br /> phân lớp đa nhãn đa thể hiện. Phân lớp đơn nhãn (phân lớp truyền<br /> thống) quy ước mỗi đối tượng dữ liệu có duy nhất một nhãn. Phân<br /> lớp đa nhãn quy ước mỗi đối tượng dữ liệu có thể có hơn một nhãn.<br /> Phân lớp đa thể hiện quy ước một đối tượng dữ liệu có thể tương ứng<br /> với nhiều thể hiện và tương ứng với một nhãn. Phân lớp đa nhãn đa<br /> thể hiện quy ước một đối tượng dữ liệu tương ứng với nhiều thể hiện<br /> và các thể hiện này tương ứng với nhiều nhãn.<br /> Phân lớp đa nhãn đòi hỏi những tiến hóa mới đối với các phương<br /> pháp học máy cho các giải pháp thích hợp với các phần tử dữ liệu đa<br /> nhãn như vấn đề mối quan hệ giữa các nhãn, chi phí tính toán của thuật<br /> toán, vấn đề mất cân bằng nhãn, vấn đề đa chiều của dữ liệu... Phân<br /> lớp đa nhãn là một chủ đề nghiên cứu, triển khai cuốn hút một cộng<br /> đồng nghiên cứu rộng rãi với một số nhóm nghiên cứu nổi bật như các<br /> nhóm nghiên cứu của Zhi-Hua Zhou, Min-Ling Zhang và cộng<br /> sự, Ioannis P. Vlahavas, Grigorios Tsoumakas và cộng sự, Sebastián<br /> Ventura Soto và cộng sự, v.v.<br /> Luận án này tập trung vào chủ đề nghiên cứu phân lớp đa nhãn,<br /> tiếp nối những nghiên cứu trước đó về bài toán phân lớp đa nhãn, các<br /> phương pháp biểu diễn dữ liệu, lựa chọn đặc trưng và tiếp tục giải quyết<br /> những vấn đề còn tồn tại liên quan đến bài toán phân lớp đa nhãn.<br /> 1<br /> <br /> Luận án tập trung nghiên cứu về phân lớp đa nhãn và ứng dụng<br /> vào phân lớp văn bản tiếng Việt.<br /> Thứ nhất, luận án đề nghị một thuật toán phân lớp đa nhãn khai<br /> thác đặc trưng riêng biệt dựa trên phân cụm bán giám sát (Thuật toán<br /> MULTICS [PTNgan5], [PTNgan6]) trên cơ sở áp dụng một chiến<br /> lược tham lam khi tích hợp hai thuật toán LIFT và TESC .<br /> Thứ hai, luận án đề nghị hai mô hình biểu diễn dữ liệu cho phân lớp đa<br /> nhãn là mô hình biểu diễn dữ liệu đồ thị khoảng cách [PTNgan4] khai thác<br /> các thông tin bậc cao về trật tự và khoảng cách đặc trưng trong văn bản và<br /> mô hình biểu diễn dữ liệu chủ đề ẩn [PTNgan3] khai thác các thông tin ngữ<br /> nghĩa ẩn trong văn bản làm giàu thêm các đặc trưng cho mô hình.<br /> Đồng thời, luận án cũng đề xuất hai mô hình phân lớp đơn nhãn<br /> văn bản tiếng Việt tương ứng với hai bài toán ứng dụng thực tiễn bao<br /> gồm mô hình gán nhãn thực thể có tên đề xuất trong [PTNgan1] và<br /> mô hình hệ tư vấn xã hội đề xuất trong [PTNgan2].<br /> Luận án cũng thực thi các thực nghiệm kiểm chứng các thuật toán<br /> và mô hình đề xuất. Dữ liệu thực nghiệm được thu thập từ các trang web<br /> tiếng Việt liên quan tới miền ứng dụng. Luận án cũng cung cấp một<br /> nghiên cứu tổng quan về học máy đa nhãn.<br /> Bố cục của luận án gồm phần mở đầu và bốn chương nội dung,<br /> phần kết luận và danh mục tài liệu tham khảo. Hình 0.1 cung cấp một<br /> khung nhìn sơ bộ về phân bố các chủ đề trong bốn chương của luận án.<br /> Chương 1 cung cấp một khái quát từ phân lớp đơn nhãn tới phân lớp<br /> đa nhãn; tập trung vào các vấn đề cơ bản của học đa nhãn bao gồm<br /> phương pháp tiếp cận, rút gọn đặc trưng; độ đo và phương pháp đánh giá.<br /> Chương 2 đề xuất hai mô hình phân lớp đơn nhãn thông qua hai<br /> bài toán là gán nhãn thực thể có tên và hệ tư vấn xã hội tiếng Việt.<br /> 2<br /> <br /> Hình 0.1 Phân bố các chủ đề trong các chương của luận án<br /> <br /> Chương 3 đề xuất hai mô hình biểu diễn dữ liệu cho phân lớp đa<br /> nhãn: sử dụng mô hình chủ đề ẩn LDA và mô hình đồ thị khoảng<br /> cách kết hợp với mô hình LDA.<br /> Chương 4 phân tích và đề xuất một tiếp cận phân lớp đa nhãn bán<br /> giám sát với đặc trưng riêng biệt dựa trên kỹ thuật phân cụm.<br /> Chương 1<br /> TỪ PHÂN LỚP ĐƠN NHÃN TỚI PHÂN LỚP ĐA NHÃN<br /> 1.1. Từ phân lớp đơn nhãn đơn thể hiện tới phân lớp đa nhãn đa<br /> thể hiện<br /> Mục này cung cấp một khung tổng quát về sự tiến hóa trong bài<br /> toán phân lớp từ phân lớp truyền thống đơn nhãn tới phân lớp đa<br /> nhãn đơn thể hiện, phân lớp đơn nhãn đa thể hiện và phân lớp đa<br /> nhãn đa thể hiện.<br /> 1.2. Giới thiệu chung về phân lớp đa nhãn<br /> 1.2.1.<br /> <br /> Kỹ thuật phân lớp đa nhãn<br /> <br /> Kỹ thuật phân lớp đa nhãn được định hướng theo hai tiếp cận là<br /> 3<br /> <br />