Bài giảng Công nghệ XML và WEB ngữ nghĩa - Bài 5: Thông tin và internet - Trần Nguyên Ngọc

Công nghệ XML và WEB ngữ nghĩa
Introduction to The Semantic WEB
1Trần Nguyên Ngọc - HVKTQS - 2012
Thông tin và internet
• World Wide Web (WWW) là môi trường tốt
cho việc biểu diễn và truy cập thông tin dạng
số.
• Thông tin trên WWW được biểu diễn chủ 
yếu dưới dạng ngôn ngữ tự nhiên (các
trang Web trên ngôn ngữ HTML).
• Máy tính và người hiểu khác nhau!
• Mong muốn: machine-readable & machine 
analysis
Trần Nguyên Ngọc - HVKTQS - 2012 2
Bài toán tìm kiếm thông tin
Information Retrieval
• Information retrieval (IR) 
là quá trình tìm kiếm dữ
liệu (thường là tìm dưới
dạng một đoạn văn bản) 
từ một tập hợp lớn các
đối tượng không có cấu
trúc tường minh (thường
là text lưu trữ trong máy
tính) nhằm đáp ứng một
nhu cầu về thông tin
Trần Nguyên Ngọc - HVKTQS - 2012 3
Công cụ tìm kiếm trực tuyến
Trần Nguyên Ngọc - HVKTQS - 2012 4
Thực chất google làm gì?
• Gửi đi một yêu cầu (query) như sau
• 
ab&hl=vi&source=hp&q=seantic+web+l%C3%
A0+gi%3F&pbx=1&oq=seantic+web+l%C3%A0
+gi%3F&aq=f&aqi=&aql=&gs_sm=e&gs_upl=9
10l13129l0l14005l24l20l3l0l0l1l827l4892l0.13
.3.2.0.1.1l23l0&bav=on.2,or.r_gc.r_pw.,cf.osb
&fp=2b8791cc67af876b&biw=1280&bih=683
Trần Nguyên Ngọc - HVKTQS - 2012 5
Hiện nay làm thế nào để máy tính hiểu
yêu cầu?
• Boolean retrieval: thiết kế và cấu trúc dữ liệu
cho một hệ thống thu thập thông tin đơn giản
Quy trình Hoạt động:
1. Xây dựng Boolean model, mô hình logic dùng
để thu thập thông tin.
2. Biểu diễn yêu cầu dưới dạng biểu thức logic
3. Search engine trả về tất cả các tài liệu thỏa
mãn biểu thức logic
Kho dữ liệu khổng lồ
• Với 1M tài liệu văn bản lưu trữ, mỗi văn bản có
khoảng 1000 từ tách rời
• Suy ra: tổng số 1 tỷ từ tách rời (tính cả trùng
nhau)
• Trung bình k|h|o|ả|n|g| 6 bytes cho một từ
tách rời ra (tính cả dấu cách dấu biểu cảm)
• Suy ra kho dữ liệu khoảng 6GB
• Giả sử chỉ có khoảng 500K từ -> cần lập bảng
thống kê với số lượng: 
500000*1000000=5*10^11
Search engine
Vấn đề cấu trúc dữ liệu text
• HTML (Hyper text markup language)
• XML (Extensible Markup language)
• SIML (Synchronized Multimedia Integration 
Language) 
HTML
• HTML là chữ viết tắt của Hyper Text Markup Language (Ngôn ngữ hiển thị
siêu văn bản).
• - Một file HTML là một file text bao gồm những tag nhỏ
• - Những tag hiển thị nói cho trình duyệt biết nó phải hiển thị trang đó như
thế nào
• - Một file HTML phải có phần mở rộng là .htm hoặc .html 
• - Một file HTML có thể được tạo bởi một trình soạn thảo đơn giản.
• Đây là đoạn văn
Đây là một đoạn văn khác 
• Vấn đề của HTML là nó được thiết kế như trong ý nghĩ của con người. Cho 
dù thông tin trên HTML không được thể hiện trên một trình duyệt thì
chúng ta vẫn đoán biết
• Con người chúng ta đều có trí thông minh để hiểu được ý nghĩa và mục
đích của hầu hết các văn bản. Tuy nhiên một cỗ máy lại không như thế. Khi
các thẻ trong tài liệu này chỉ cho một trình duyệt cách thể hiện thông tin, 
thì bản thân các thẻ lại không chỉ cho trình duyệt thông tin đó là gì
XML
• Lớp XML Extensible Markup Language là một mở
rộng của ngôn ngữ đánh dấu cho các các cấu trúc
tài liệu bất kỳ
• I just got a new pet dog.
• 
• I
• just got a new pet
• dog.
• 
Web có ngữ nghĩa
• Người sáng lập: Tim Berners_Lee giám đốc tổ
chức World Wide Web Consortium 
(
Trần Nguyên Ngọc - HVKTQS - 2012 12
Định nghĩa của Tim Berners – Lee 
• Semantic web như một sự mở rộng của web 
hiện tại mà trong đó thông tin được xử lý một
cách tự động bằng máy tính, làm cho máy tính
và con người có thể hợp tác với nhau.
Trần Nguyên Ngọc - HVKTQS - 2012 13
Semantic là gì?
• Tôi yêu em = Tui iu iem = I love you = Tôi iêu
em= Anh yêu em = Em yêu anh = 
Trần Nguyên Ngọc - HVKTQS - 2012 14
CẤU TRÚC
Trần Nguyên Ngọc - HVKTQS - 2012 15
CHI TIẾT
• Tầng Unicode & URI: Nhằm đảm bảo việc sử dụng tập
kí tự quốc tế và cung cấp phương tiện nhằm định danh
các đối tượng trong Semantic Web.
• Tầng XML, Namespace & XMLSchema: Tầng này bảo
đảm rằng chúng ta có thể tích hợp các định nghĩa
Semantic Web với các chuẩn dựa trên XML khác.
• Tầng RDF & RDFSchema [RDFS]: Tầng này dùng siêu dữ
liệu để mô tả tài liệu trên web mà máy tính có thể hiểu
được. Đây cũng là lớp mà chúng ta có thể gán các kiểu
cho các tài nguyên và liên kết. Và cũng là lớp quan
trọng nhất trong Semantic Web.
Trần Nguyên Ngọc - HVKTQS - 2012 16
CHI TIẾT
• Tầng Ontology : cung cấp từ vựng chung cho việc 
trao đổi thông tin giữa các ứng dụng và dịch vụ Web. 
• Lớp Digital Signature: Lớp này được dùng cho các
tầng( tầng RDF –RSFS, Ontonogy, Logic, Proof) được
dùng để xác định chủ thể của tài liệu, nhằm đảm bảo
độ tin cậy của tài.
• Tầng Logic: Tầng logic được xem như là một cơ sở luật
trên Semantic Web. 
• Tầng Proof: dùng để chứng minh các suy diễn của hệ
thống bằng cách liên kết các dữ kiện.
• Tầng Trust: Trust engine là một hệ thống đang đang
được xây dựng dựa trên nền tảng của chứ ký điện tử. 
Trần Nguyên Ngọc - HVKTQS - 2012 17
ĐỂ CÓ WEB NGỮ NGHĨA CẦN GÌ?
• Ontology và các ngôn ngữ dùng để 
biểu diễn ngữ nghĩa thông tin.
• Các công cụ tạo nên phần ngữ 
nghĩa cũng như cấu trúc hạ tầng của
Web có ngữ nghĩa.
• Các ứng dụng sử dụng Web có ngữ
nghĩa.
Trần Nguyên Ngọc - HVKTQS - 2012 18
SEMANTIC WEB SERVICES VÀ WEB 
SERVICES
Trần Nguyên Ngọc - HVKTQS - 2012 19
TỰ HỌC
• Nghe bài giảng trên youtube
• 
2EM&feature=related
Trần Nguyên Ngọc - HVKTQS - 2012 20