TAILIEUCHUNG - Hướng tiếp cận không toàn văn cho bài toán phân lớp tự động bản tin tiếng Việt

Bài viết này trình bày một hướng tiếp cận phân lớp các bản tin tiếng Việt không dựa trên nội dung toàn văn của bản tin đó. Qua đó đề xuất sử dụng một trong hai thông tin: 1-tóm tắt; 2-từ khóa đại diện, trong đó tóm tắt và từ khóa đại diện được tạo tự động từ nội dung của văn bản, để phân lớp văn bản. | Hội thảo quốc gia lần thứ XX: Một số vấn đề chọn lọc của Công nghệ thông tin và truyền thông – Quy Nhơn, 23-24/11/2017 Hướng tiếp cận không toàn văn cho bài toán phân lớp tự động bản tin tiếng Việt Trương Quốc Định Trần Thị Thúy Trần Thị Cẩm Tú Huỳnh Kim Quýt Khoa CNTT&TT Khoa Kỹ thuật Công nghệ Khoa Kỹ thuật Công nghệ Khoa CNTT Trường Đại học Cần Thơ Trường Đại học Cửu Long Trường Đại học Cửu Long Trường Đại học Tiền Giang Cần Thơ, Việt Nam Vĩnh Long, Việt Nam Vĩnh Long, Việt Nam Tiền Giang, Việt Nam tqdinh@ tranthithuy@ tranthicamtu@ huynkimquyt@ Tóm tắt—Trong bài báo này chúng tôi trình bày một hướng tiếp cận phân lớp các bản tin tiếng Việt mà không dựa trên nội dung toàn văn của bản tin đó. Chúng tôi đề xuất sử dụng một trong hai thông tin: 1tóm tắt; 2- từ khóa đại diện, trong đó tóm tắt và từ khóa đại diện được tạo tự động từ nội dung của văn bản, để phân lớp văn bản. Chúng tôi sử dụng tổng cộng 2000 bản tin được tải về từ các trang báo điện tử như , để kiểm thử giải pháp đề xuất. Kết quả thực nghiệm cho thấy hướng tiếp cận không toàn văn cho bài toán phân lớp văn bản là khả thi và có thể cải tiến để ứng dụng thực tế. Từ khóa: phân loại văn bản; tóm tắt tự động; mô hình chủ đề; cây quyết định. I. GIỚI THIỆU Bài toán phân loại văn bản (text classification) là bài toán cơ bản của lĩnh vực khai phá văn bản (text mining). Phân loại văn bản chính là gán nhãn (lớp/chủ đề) một cách tự động dựa vào nội dung của văn bản. Phân loại văn bản được ứng dụng trong nhiều lĩnh vực như tìm kiếm thông tin, lọc văn bản, tổng hợp tin tức tự động, thư viện điện tử. Hình 1. Phân lớp văn bản Bài toán phân loại văn bản có thể được định nghĩa như sau. Từ một tập các văn bản D = {d1, d2, , dn}, được gọi là tập huấn luyện, trong đó các tài liệu di được gán nhãn chủ đề ci với ci thuộc tập các chủ đề C = {c1, c2, , cn} để xây dựng bộ phân lớp. Nhiệm vụ của bộ phân lớp là gán đúng nhãn chủ đề ck cho một tài

• Báo chí - Truyền thông
• Phân loại văn bản
• Tóm tắt tự động
• Mô hình chủ đề
• Cây quyết định
• Bài toán phân lớp tự động
• Bản tin tiếng Việt
• Bài giảng Xử lý ngôn ngữ tự nhiên
• Xử lý ngôn ngữ tự nhiên
• Ngôn ngữ tự nhiên
• Cách phân loại
• Khai phá văn bản
• Phân loại văn bản tiếng Việt
• Văn bản tiếng Việt
• Phân loại văn bản tiếng Việt theo chủ đề
• luận văn
• báo điện tử
• xây dựng phần mềm
• tách tử tiếng Việt
• phân loại tin tức báo điện tử
• Hội thảo khoa học Công nghệ thông tin và truyền thông
• Information and Communication technology conference 2022
• Kỹ thuật khai thác đồ thị con
• Bài toán phân loại văn bản tiếng Việt
• Mô hình hóa văn bản
• Tạp chí Khoa học Công nghệ và Thực phẩm
• Phân lớp văn bản
• Văn bản tiếng Việt tự động theo chủ đề
• Phân loại bài toán phân lớp văn bản
• Quá trình xây dựng bộ phân lớp văn bản
• Áp dụng kỹ thuật khai thác đồ thị
• Kỹ thuật khai thác đồ thị
• Bài toán phân loại bằng văn bản
• Phân loại bằng văn bản
• Không gian vectơ truyền thống
• Tạp chí Khoa học
• Văn bản văn chương
• Văn bản thông tin
• Chương trình Ngữ văn
• phân tích cú pháp
• quản trị marketing
• báo cáo quản trị marketing
• thực trạng quản trị marketing
• luận văn quản trị
• chiến lược marketing
• tiểu luận
• Tóm tắt văn bản
• Phân loại ý kiến độc giả
• Báo mạng tiếng Việt
• Phân loại ý kiến
• Phân tích ý kiến
• Tóm tắt ý kiến
• Các trường điều kiện ngẫu nhiên
• Giải thuật phân tách
• Phân loại văn bản StarSpace
• Văn bản luật
• Luật giao thông vận tải
• Bộ giao thông vận tải
• Quy định chung
• Phân loại đường bộ các tuyến đường
• Phân loại đường
• Phân loại các tuyến lường
• Bảng phân loại đường
• Phân tích thể loại văn bản
• Thể loại văn bản
• Chiến lược viết thư
• Viết thư tín
• Thư tín thương mại
• Chiến lược viết thư tín thương mại
• Đề tài khoa học và công nghệ
• Đại học Đà Nẵng
• Đồ thị dendrogram
• Nghiên cứu phương pháp phân cụm từ
• Kịch bản tuồng Đào Tấn
• Thể loại kịch bản tuồng
• Phân loại kịch bản tuồng
• Đặc trưng kịch bản tuồng
• Nghệ thuật tuồng
• Văn học Việt Nam
• Phân loại hàng hóa
• Văn bản luật phân loại hàng hóa
• Quyết định số 49 QĐ CTN
• Luật Hải quan 2014
• Nghị định 08 2015 NĐ CP
• Thông tư 38 2015 TT BTC
• Một số quan niệm về tổng thuật
• Phân loại tổng thuật
• Phân loại văn bản trong thuật
• Tạo văn bản tổng thuật
• Tổng thuật thư mục
• Thuật toán phân loại văn
• Bài giảng Thuật toán phân loại văn
• Mô hình xác suất
• Mô hình Bayes đơn giản
• Mô hình Bernoulli
• Mô hình TF IDF
• Soạn thảo văn bản
• Giáo trình Soạn thảo văn bản
• Văn thư hành chính
• Kĩ thuật soạn thảo văn bản
• Thẩm quyền ban hành văn bản
• Kỹ thuật soạn thảo văn bản hành chính
• Tạp chí Nghiên cứu khoa học
• Máy vector hỗ trợ
• Phân lớp hình ảnh
• Naïve Bayes
• Phân loại web
• Kỹ năng soạn thảo văn bản
• Qui tắc soạn thảo văn bản
• Bài giảng soạn thảo văn bản
• Hình thức văn bản qui chuẩn
• Công cụ soạn thảo văn bản
• Kỹ thuật soạn thảo văn bản
• Quản lý văn bản
• Thể thức văn bản
• Hướng dẫn soạn thảo văn bản
• Văn bản nhà nước
• Văn bản quản lý hành chính Nhà nước
• Xây dựng văn bản quản lý hành chính
• Ban hành văn bản quản lý hành chính
• Phân loại văn bản quản lý hành chính
• Hiệu lực văn bản quản lý hành chính
• Hệ thống văn bản quản lý hành chính
• Những thủ tục hành chính
• Văn bản hội nghị
• Văn bản hợp đồng dân sự
• Văn bản hợp đồng kinh tế
• Sử dụng văn bản
• Văn bản quản lý nhà nước
• Hệ thống văn bản nhà nước
• Văn bản hành chính