Đang tải... (xem toàn văn)
Tài liệu tham khảo công nghệ thông tin Tìm hiểu mô hình crf và ứng dụng trong trích chọn thông tin trong tiếng việt
TRƯỜNG ĐẠI HỌC QUỐC GIA HÀ NỘITRƯỜNG ĐẠI HỌC CÔNG NGHỆNguyễn Thị LoanTÌM HIỂU MÔ HÌNH CRFVÀ ỨNG DỤNG TRONG TRÍCH CHỌN THÔNG TINTRONG TIẾNG VIỆTKHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC HỆ CHÍNH QUYNgành: Công nghệ thông tinHÀ NỘI -2009i TRƯỜNG ĐẠI HỌC QUỐC GIA HÀ NỘITRƯỜNG ĐẠI HỌC CÔNG NGHỆNguyễn Thị LoanTÌM HIỂU MÔ HÌNH CRFVÀ ỨNG DỤNG TRONG TRÍCH CHỌN THÔNG TINTRONG TIẾNG VIỆTKHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC HỆ CHÍNH QUY Ngành: Công nghệ thông tinCán bộ hướng dẫn : Tiến Sĩ Nguyễn Trí ThànhHÀ NỘI – 2009ii LỜI CẢM ƠNTrước tiên, em muốn gửi lời cảm ơn sâu sắc đến Tiến Sĩ Nguyễn Trí Thành, người đã tận tình hướng dẫn em trong suốt quá trình thực hiện khóa luận.Em xin gửi lời cảm ơn chân thành và sâu sắc tới các thầy, cô tại trường Đại học Công Nghệ đã dạy dỗ và tận tình chỉ bảo cho tôi trong suốt quá trình học tập tại trường. Những kiến thức mà thầy cô truyền đạt sẽ là vốn quý báu cho chúng em bước vào tương lai.Mình xin cảm ơn tập thể sinh viên K50C Trường Đại học Công Nghệ đã ủng hộ và khuyến khích tôi trong quá trình nghiên cứu và thực hiện khóa luận này.Cuối cùng, con xin cảm ơn chân thành và biết ơn vô hạn tới gia đình, những người có công sinh thành, nuôi dưỡng, những người luôn kịp thời động viên và giúp đỡ vượt qua những khó khăn trong cuộc sống.Mặc dù đã cố gắng hoàn thành luận văn trong phạm vi và khả năng cho phép nhưng chắc chắn sẽ không tránh khỏi những thiếu sót. Chúng em kính mong nhận được sự thông cảm của quý Thầy Cô và các bạnHà Nội, ngày 12 tháng 5 năm 2009 Sinh viên Nguyễn Thị Loaniii TÓM TẮTNội dung của khóa luận là tìm hiểu mô hình CRF, và ứng dụng của mô hình này trong trích chọn thông tin trong tiếng Việt. Trước hết khóa luận trình bày những khái niệm chung về trích chọn thông thông tin. Đồng thời nêu đến hai hướng tiếp cận để xây dựng một hệ thống trích chọn thông tin cũng như ưu nhược điểm của từng hướng tiếp cận, Đồng thời cũng nêu ra được ứng dụng của trích chọn thông tin trong tiếng Việt như thế nào. Cụ thể ở đây là bài toán trích chọn thông tin nhà đất.Để ứng dụng trích chọn trong tiếng Việt luận văn đã nêu ra được ba mô hình học máy trong đó tập trung chủ yếu vào mô hình Conditional Random Field –CRF. Bất kỳ mô hình nào cũng có ưu nhược điểm trong luận văn này trình bày hai vấn đề lớn của mô hình CRF đó là vấn đề gán nhãn và ước lượng tham số. Đồng thời cũng trình bày về công cụ hữu ích CRF++.Luận văn cũng trình bày được việc ứng dụng mô hình CRF làm nền tảng lý thuyết và cơ sở thực hành là công cụ CRF vào bài toán trích chọn thông tin nhà đất. Một bài toán nhỏ trong bài toán xử lý ngôn ngữ tự nhiên.iv MỤC LỤC LỜI CẢM ƠN iii TÓM TẮT iv MỤC LỤC v DANH MỤC CÁC HÌNH VẼ .vii BẢNG CÁC KÍ HIỆU VIẾT TẮT .ix LỜI MỞ ĐẦU .1 Hình 1. Một hệ thống trích chọn thông tin 4 1.2.1. Hướng tiếp cận dựa trên tri thức .4 Hình 2. Mô hình xây dựng IE theo hướng tiếp cận dựa trên tri thức 5 1.2.2. Hướng tiếp cận xây dựng các mô hình học máy .5 Hình 3. Mô hình xây dựng IE theo mô hình học máy 6 Hình 4. Modules chính của hệ thống IE .7 1.4. BÀI TOÁN TRÍCH CHỌN THÔNG TIN NHÀ ĐẤT 7 Hình 5. HMM 12 Hình 6. Đồ thị vô hướng HMM .12 Hình 7. Đồ thị có hướng mô tả cho mô hinh MEMM .13 Hình 8. label alias .14 2.3.1. Việc gán nhãn cho dữ liệu tuần tự 15 2.3.2. Định nghĩa CRF .16 Hình 9. Một trường ngẫu nhiên 17 Hình 10. Đồ thị vô hướng mô tả cho CRF .17 Hình 11. Mô tả các hàm tiềm năng .18 2.3.3. Nguyên lý cực đại hóa Entropy 18 2.3.3.1. Độ đo Entropy điều kiện 18 2.3.3.2. Các ràng buộc đối với phân phối mô hình .18 2.3.3.3. Nguyên lý cực đại hóa Entropy 19 2.3.4. Hàm tiềm năng của các mô hình CRF 20 2.3.5. Conditional Random Fields 20 2.3.6. So sánh với các mô hình khác 22 Hình 12. Tỷ lệ lỗi của CRF so với các mô hình học máy khác 22 3.3.1. Thuật toán S .27 3.3.2. Thuật toán T 29v 3.4.1. Giới thiệu .29 Hình 13. Mô hình hoạt động của CRF++ .31 3.4.2. Tính năng .31 3.4.3. Cài đặt và cách sử dụng .31 3.4.3.1 Cài đặt 31 3.4.3.2. File định dạng huấn luyện và test .31 3.4.3.3. Template type 32 3.4.4. Huấn luyện và kiểm tra 33 Bảng 2. Bảng các tham số huấn luyện .34 35 Bảng 3. Bảng các tham số của lệnh crf_test 35 Bảng 4. Bảng các thông tin cần trích chọn .36 4.1.1. Xử lý dữ liệu đầu vào .37 Hình 14. Mô hình xử lý dữ liệu của bài toán trích chọn nhà đất .37 4.2.1. Phần cứng 39 4.2.2. Phần Mềm 39 4.2.3. Dữ liệu thực nghiệm 39 4.2.3.1. Lần thử nghiệm thứ nhất 39 4.2.3.2. Lần thử nghiệm thứ hai 39 4.2.3.3. Kết quả và đánh giá 41 Bảng 4. Bảng kết quả lần test thứ nhất .42 Bảng 5. Bảng kết quả lần test thứ hai .42 Hình 15. Biểu đồ thể hiện sự tương quan giữa hai lần kiểm tra 43 KẾT LUẬN .46 TÀI LIỆU THAM KHẢO 46vi DANH MỤC CÁC HÌNH VẼ LỜI CẢM ƠN iii TÓM TẮT iv MỤC LỤC v DANH MỤC CÁC HÌNH VẼ .vii BẢNG CÁC KÍ HIỆU VIẾT TẮT .ix LỜI MỞ ĐẦU .1 Hình 1. Một hệ thống trích chọn thông tin 4 1.2.1. Hướng tiếp cận dựa trên tri thức .4 Hình 2. Mô hình xây dựng IE theo hướng tiếp cận dựa trên tri thức 5 1.2.2. Hướng tiếp cận xây dựng các mô hình học máy .5 Hình 3. Mô hình xây dựng IE theo mô hình học máy 6 Hình 4. Modules chính của hệ thống IE .7 1.4. BÀI TOÁN TRÍCH CHỌN THÔNG TIN NHÀ ĐẤT 7 Hình 5. HMM 12 Hình 6. Đồ thị vô hướng HMM .12 Hình 7. Đồ thị có hướng mô tả cho mô hinh MEMM .13 Hình 8. label alias .14 2.3.1. Việc gán nhãn cho dữ liệu tuần tự 15 2.3.2. Định nghĩa CRF .16 Hình 9. Một trường ngẫu nhiên 17 Hình 10. Đồ thị vô hướng mô tả cho CRF .17 Hình 11. Mô tả các hàm tiềm năng .18 2.3.3. Nguyên lý cực đại hóa Entropy 18 2.3.4. Hàm tiềm năng của các mô hình CRF 20 2.3.5. Conditional Random Fields 20 2.3.6. So sánh với các mô hình khác 22 Hình 12. Tỷ lệ lỗi của CRF so với các mô hình học máy khác 22 3.3.1. Thuật toán S .27 3.3.2. Thuật toán T 29 3.4.1. Giới thiệu .29vii Hình 13. Mô hình hoạt động của CRF++ .31 3.4.2. Tính năng .31 3.4.3. Cài đặt và cách sử dụng .31 3.4.4. Huấn luyện và kiểm tra 33 Bảng 2. Bảng các tham số huấn luyện .34 35 Bảng 3. Bảng các tham số của lệnh crf_test 35 Bảng 4. Bảng các thông tin cần trích chọn .36 4.1.1. Xử lý dữ liệu đầu vào .37 Hình 14. Mô hình xử lý dữ liệu của bài toán trích chọn nhà đất .37 4.2.1. Phần cứng 39 4.2.2. Phần Mềm 39 4.2.3. Dữ liệu thực nghiệm 39 Bảng 4. Bảng kết quả lần test thứ nhất .42 Bảng 5. Bảng kết quả lần test thứ hai .42 Hình 15. Biểu đồ thể hiện sự tương quan giữa hai lần kiểm tra 43 KẾT LUẬN .46 TÀI LIỆU THAM KHẢO 46viii BẢNG CÁC KÍ HIỆU VIẾT TẮTSTT Kí hiệu Chú giải cho kí hiệu sử dụng1 IE Trích chọn thông tin2 HMM Mô hình Markov ẩn3 MEMM Mô hình cực đại hóa Entropy4 CRF Trường ngẫu nhiên có điều kiện5 IR Tìm kiếm thông tinix [...]... tài Tìm hiểu mô hình CRF và ứng dụng trong trích chọn thông tin trong tiếng Việt em xin trình bày một công nghệ ứng dụng trong việc xử lý ngôn ngữ tiếng Việt Nội dung khóa luận gồm 4 chương: Chương 1: Tổng quan: Giới thiệu tổng quan về trích chọn thông tin, và các cách tiếp cận để xây dựng hệ thống trích chọn thông tin những ứng dụng của trích chọn thông tin, và ứng dụng trong xử lý tiếng Việt, đồng... dụng trong bài toán trích chọn thông tin nhà đất Chương 4: Ứng dụng CRF vào bài toán trích chọn thông tin nhà đất: Chương này nói về việc ứng dụng của mô hình CRF đã nói ở các chương trước vào bài toán trích chọn thông tin nhà đất Một hướng đi mới trong bài toán xử lý ngôn ngữ tự nhiên Chương 1 TỔNG QUAN 2 Chủ đề chính của khóa luận là tìm hiểu mô hình Conditional Random Field và ứng dụng trong trích. .. Trong luận văn này đề cập tới ứng dụng của CNTT trong việc trích chọn thông tin trong tiếng Việt Có rất nhiều phương pháp, trong luận văn này giới thiệu mô hình Conditional Random Field là cơ sở lý thuyết để thực hiện công việc và công cụ CRF+ + để thực hành trích chọn thông tin trong tiếng Việt và cụ thể là bài toán trích chọn thông tin nhà đất Trong khuôn khổ của khóa luận tốt nghiệp với đề tài Tìm. .. khóa luận là tìm hiểu mô hình Conditional Random Field và ứng dụng trong trích chọn thông tin trong tiếng Việt Chương này sẽ giới thiệu tổng quan về trích chọn thông tin và các hướng tiếp cận trích chọn thông tin Đồng thời cũng nêu được ý nghĩa của việc trích chọn thông tin trong tiếng Việt 1.1 TRÍCH CHỌN THÔNG TIN Khi tìm kiếm một thư mục có chứa rất nhiều thư mục con hoặc rất nhiều file với nhiều... thống trích chọn thông tin thường là các mẫu chứa một số lượng xác định các trường đã được điền thông tin) Ví dụ như ở hình 1 ta có một hệ thống trích chọn những tên riêng xuất hiện trong văn bản, trích chọn các tổ chức liên quan, tìm các sự liên kết giữa các tổ chức và tên người, vị trí của người đó trong tổ chức và cuối cùng là đưa vào trong cơ sở dữ liệu 1.2 CÁC CÁCH TIẾP CẬN TRÍCH CHỌN THÔNG TIN. .. và ước lượng tham số cho mô hình CRF và công cụ CRF+ +: Chương này đưa ra hai vấn đề cơ bản của mô hình CRF và hướng giải quyết hiệu quả nhất Ở đây thuật toán gán nhãn sử dụng thuật toán Viterbi một thuật toán trong quy hoạch động Và hai thuật toán T và thuật toán S giải quyết vấn đề ước lượng tham số cho mô hình CRF Đồng thời cũng giới thiệu được công cụ CRF+ + toolkit, một công cụ cài đặt mô hình CRF. ..LỜI MỞ ĐẦU Trong thời đại bùng nổ công nghệ thông tin như hiện nay thì việc ứng dụng công nghệ thông tin trong các lĩnh vực của đời sống ngày càng đa dạng và phong phú Toàn bộ các ứng dụng đều thực hiện trên các thông tin đầu vào từ dạng đơn giản đến phức tạp Từ dạng văn bản dạng ký tự thông thường cho đến những thông tin đầu vào phức tạp như hình ảnh, âm thanh Việc ứng dụng công nghệ xử lý... là chung cư hoặc căn hộ, trong đó B-LN là từ bắt đầu loại nhà, I-LN là từ tiếp theo của loại nhà 8 Cũng như các bài toán trích chọn khác như: trích chọn thực thể, nhận dạng tên, trích chọn thông tin nhà đất cũng có các hướng tiếp cận khác nhau, trong luận văn này tập trung vào bài toán trích chọn thông tin nhà đất theo phương pháp học máy bằng cách sử dụng mô hình CRF Một mô hình được đánh giá là có... văn bản được chỉ rõ Tự tạo ra các trường liên quan một cách tự động trong cơ sở dữ liệu được lấy từ văn bản Một số ứng dụng điển hình của trích chọn thông tin: sử dụng trích chọn thông tin trong thư viện số- DL (Digital Libraries) - thư viện số có thể hiểu là các văn bản hoặc hình ảnh… Rút trích thông tin từ thư điện tử Trích chọn tiểu sử người (có thể là chân dung, vị trí, email, địa chỉ, số điện... cần thiết của mô hình CRF có thể giải quyết những hạn chế trên 2.3 MÔ HÌNH CONDITIONAL RANDOM FIELDS CRF được giới thiệu vào những năm 2001 bởi Lafferty và các đồng nghiệp [14] [11] CRF là mô hình dựa trên xác xuất điều kiện, thường được sử dụng trong gán nhãn và phân tích dữ liệu tuần tự ví dụ ký tự, ngôn ngữ tự nhiên Khác với mô hình MEMM, CRF là mô hình đồ thị vô hướng Điều này cho phép CRF có thể . Tìm hiểu mô hình CRF và ứng dụng trong trích chọn thông tin trong tiếng Việt em xin trình bày một công nghệ ứng dụng trong việc xử lý ngôn ngữ tiếng Việt. . trích chọn thông tin, và các cách tiếp cận để xây dựng hệ thống trích chọn thông tin những ứng dụng của trích chọn thông tin, và ứng dụng trong xử lý tiếng