Xây dựng hệ thống hỗ trợ khuyến nông qua mạng thông tin di động

Tạp chí Khoa học Trường Đại học Cần Thơ Phần A: Khoa học Tự nhiên, Công nghệ Môi trường: 33 (2014): 9-21 XÂY DỰNG HỆ THỐNG HỖ TRỢ KHUYẾN NÔNG TRÊN CÂY LÚA QUA MẠNG THÔNG TIN DI ĐỘNG Lương Thế Anh1, Nguyễn Thái Nghe2 Nguyễn Chí Ngôn3 Trung Tâm NN-TH, Trường Đại học Xây dựng Miền Tây Khoa Công nghệ Thông tin & Truyền thông, Trường Đại học Cần Thơ Khoa Công nghệ, Trường Đại học Cần Thơ Thông tin chung: Ngày nhận: 08/04/2014 Ngày chấp nhận: 28/08/2014 Title: Development of an mobile communication networkbased agricultural extension support system Từ khóa: Hệ thống hỗ trợ khuyến nông, tách từ tiếng Việt, phân loại văn Keywords: Agricultural extension support system, Vietnamese word segmentation, text classification ABSTRACT The objective of this research is to build a link system between farmers and agricultural experts to support the agricultural extension via mobile communication network and to collect real data used for developing automatic agricultural extension systems in the future This system can be considered as “24/7 farmers link program” To build this system, at first, we need to build modules for sending and receiving SMS and MMS messages These modules are important for farmers to send data of rice status to agricultural experts for receiving consultations Next, a message classification module is built based on a combination of machine learning methods (e.g SVM) with image and text processing technologies To make it more convenient for experts and system users, a website is build to integrate these modules into the whole system Preliminary results show that the construction of this system is feasible This is also the foundation for building an online automatic agricultural extension support system through mobile communication network TÓM TẮT Nghiên cứu thực với mục tiêu xây dựng hệ thống nhịp cầu nhà nông chuyên gia nông nghiệp nhằm hỗ trợ công tác khuyến nông (trước mắt lúa) qua mạng thông tin di động, đồng thời thu thập liệu thực tế dùng để phát triển hệ thống khuyến nông tự động sau Hệ thống xem “nhịp cầu nhà nông 24/7” Để xây dựng hệ thống, trước hết ta cần xây dựng mô-đun gửi nhận tin nhắn SMS/MMS Các mô-đun quan trọng hỗ trợ cho nông dân gửi liệu tình trạng lúa để tư vấn chuyên gia nông nghiệp Tiếp đến, mô-đun phân loại tin nhắn thiết lập dựa kết hợp phương pháp máy học với công nghệ xử lý ảnh xử lý văn Để thuận lợi cho chuyên gia người dùng hệ thống, website xây dựng nhằm tích hợp mô-đun lại với Kết nghiên cứu bước đầu cho thấy việc xây dựng hệ thống khả thi Đó tảng để xây dựng hệ thống hỗ trợ khuyến nông tự động trực tuyến qua mạng thông tin di động Tạp chí Khoa học Trường Đại học Cần Thơ Phần A: Khoa học Tự nhiên, Công nghệ Môi trường: 33 (2014): 9-21 Trong viết này, đề xuất giải pháp nhằm hỗ trợ cho công tác khuyến nông, cụ thể khuyến nông qua mạng thông tin di động tin nhắn SMS/MMS Bài viết tập trung nghiên cứu công nghệ phương pháp để xây dựng mô-đun thiết yếu cho hệ thống mô-đun gửi nhận tin nhắn SMS/MMS, môđun phân loại tin nhắn tự động kỹ thuật phân loại văn dùng giải thuật SVM sau xây dựng website hoàn chỉnh để tích hợp module trên, quản lý cấu hình hệ thống GIỚI THIỆU Việt Nam nước nông nghiệp, phần lớn người dân sống chủ yếu dựa vào trồng trọt chăn nuôi (Tổng cục thống kê, 2014a) Trong đó, lúa đóng vai trò quan trọng, nguồn an ninh lượng thực chủ yếu (Tổng cục thống kê, 2014b,c) Ngành trồng lúa đạt thành tựu đáng kể đưa Việt Nam trở thành nước có sản lượng gạo xuất lớn hàng đầu giới Ngày nay, việc trồng lúa trở nên khó khăn, phức tạp thường xuyên phát sinh nhiều loại sâu bệnh lạ môi trường, khí hậu bị ô nhiễm Vì vậy, việc trồng lúa ngày đòi hỏi phải có tích lũy kinh nghiệm, tích hợp tri thức thông tin từ nhiều nguồn khác Để trì khả cạnh tranh, nâng cao suất, chất lượng hạt gạo, người nông dân đại thường dựa vào chuyên gia cố vấn nông nghiệp để cung cấp kiến thức, thông tin cho việc định Khó khăn chỗ chuyên gia lúc có sẵn nhà nông cần đến chi phí mà nông dân bỏ để hỗ trợ cao Với đời hệ thống khắc phục phần khó khăn người nông dân trình sản xuất lúa gạo, với khả ứng dụng rộng rãi lĩnh vực nông nghiệp xem công cụ hữu ích với tiềm rộng lớn để hỗ trợ kỹ thuật cho nông dân cách kịp thời, tiết kiệm chi phí công cụ hiệu để thu thập liệu thực tiễn làm sở cho việc phát triển hệ thống hỗ trợ hoàn toàn tự động sau XÂY DỰNG HỆ THỐNG 2.1 Với phát triển mạng thông tin thiết bị di động, khả tiếp cận với tri thức thông qua mạng thông tin di động ngày trở nên đơn giản phổ biến với thành phần xã hội, chẳng hạn dịch vụ tra cứu điểm thi tuyển sinh qua SMS, dịch vụ tin nhắn SMS phục vụ bạn đọc sử dụng thư viện, dịch vụ tra cứu thông tin chứng khoán, tỷ giá, giá vàng, SMS Marketing, SMS Banking,… Bên cạnh đó, công nghệ thông tin giải pháp máy học phát triển mạnh mẽ năm gần đây, nguồn liệu nông nghiệp dành cho khai phá khan Hiện tại, Đồng sông Cửu Long chưa có hệ thống tin học xây dựng để hỗ trợ công tác khuyến nông thực thu thập liệu qua mạng thông tin di động Mô hình hoạt động tổng thể hệ thống Mô hình tổng thể hệ thống biểu diễn Hình Ở đó, nhà nông có vấn đề/câu hỏi (chẳng hạn liên quan đến bệnh hại lúa, cần tư vấn cách điều trị,…) họ đặt câu hỏi tin nhắn SMS chụp lại hình ảnh trạng (MMS) (có thể kèm theo câu hỏi) để gửi đến hệ thống điện thoại di động Yêu cầu hệ thống chuyển đến chuyên gia thích hợp lĩnh vực để giải đáp Ngay sau nhận phản hồi từ phía chuyên gia, hệ thống phản hồi lại kết cho nhà nông Như vậy, với ý tưởng này, hệ thống xem “Nhịp cầu nhà nông trực tuyến 24/7” Đối với tin nhắn hình ảnh, hệ thống chưa hỗ trợ phân loại tự động, hệ thống nhận hình ảnh mà nhà nông gửi lên, điều phối viên xem xét phân loại hình ảnh gửi cho chuyên gia giải đáp, sau nhận câu trả lời chuyên gia hệ thống tự động gửi nội dung trả lời cho nhà nông Từ thực tiễn đó, việc xây dựng hệ thống nhằm hỗ trợ mặt thông tin, kỹ thuật cho nhà nông đồng thời để thu thập liệu thực tế qua mạng thông tin di động cần thiết, cấp bách hợp lý 10 Tạp chí Khoa học Trường Đại học Cần Thơ Phần A: Khoa học Tự nhiên, Công nghệ Môi trường: 33 (2014): 9-21 Hình 1: Mô hình hoạt động hệ thống dựng huấn luyện lại mô hình, sau điều phối viên phân loại, câu hỏi chuyển đến chuyên gia thích hợp để trả lời Khi nhận câu trả lời từ chuyên gia, hệ thống tự động gửi nội dung trả lời cho nhà nông Đối với tin nhắn văn bản, nhận câu hỏi nhà nông qua mô-đun gửi nhận tin nhắn SMS, mô-đun phân loại tin nhắn SMS tự động tự động thực số bước tiền xử lý tách từ, chọn từ khóa hay loại bỏ từ dừng Do văn tin nhắn, nên số lượng từ khóa không nhiều lặp lại, nghiên cứu đưa hai phương án chọn từ khóa phương án thủ công phương án tự động Khi hệ thống nhận đủ số lượng tin nhắn SMS đến (theo cấu hình hệ thống), hệ thống tự động xây dựng lại từ khóa huấn luyện lại mô hình với từ khóa liệu mới, sau huấn luyện xong hệ thống sử dụng mô hình huấn luyện vào phân loại tin nhắn đến hệ thống Hệ thống lặp lặp lặp lại việc xây dựng lại từ khóa huấn luyện lại mô hình lượng liệu thu thập đủ lớn độ xác phân loại chấp nhận (do quản trị viên hệ thống định)  Với phương án thủ công hệ thống giữ lại từ có danh sách từ khóa (tập đặc trưng văn bản) xây dựng thủ công chuyên gia từ trước, sau véc-tơ hóa từ giữ lại đưa vào mô hình phương án để phân loại  Với phương án tự động hệ thống chọn từ khóa cách loại bỏ từ dừng (stopwords) từ thường xuất văn giá trị phân loại chẳng hạn từ “và”, “nhưng”, “có”, “không”, sau véc-tơ hóa tất từ lại đưa vào mô hình phương án để phân loại Toàn quy trình xây dựng hệ thống tóm tắt qua bước sau:  Xây dựng mô-đun gửi/nhận tin nhắn SMS/MMS  Xây dựng mô-đun phân loại nội dung tin nhắn văn kỹ thuật SVM Trong giai đoạn ban đầu này, từ khóa tập liệu nhóm tác giả thu thập xây dựng chưa đủ lớn đa dạng nên việc phân loại tự động nhằm mục đích minh họa cho mô-đun phân loại tự động kiểm tra việc vận hành hệ thống, việc phân loại hệ thống bán tự động, có kiểm tra, giám sát điều phối viên Do hệ thống bán tự động nên điều phối viên cần kiểm tra kết phân loại mô-đun tự động thực phân loại lại để làm sở cho việc xây  Tách từ công cụ VnTokenizer  Chọn từ khóa loại bỏ từ dừng (tùy theo cấu hình hệ thống)  Xây dựng liệu huấn luyện cho mô hình SVM  Huấn luyện mô hình  Đánh giá kết 11 Tạp chí Khoa học Trường Đại học Cần Thơ Phần A: Khoa học Tự nhiên, Công nghệ Môi trường: 33 (2014): 9-21  Xây dựng website hoàn chỉnh để tích hợp toàn mô-đun, quản lý cấu hình hệ thống nhắn SMS cách sử dụng giao thức/giao diện hỗ trợ SMSC SMS Gateway Sau trình bày chi tiết bước để xây dựng mô-đun 2.2 Xây dựng mô-đun gửi nhận tin nhắn 2.2.1 Tin nhắn văn (SMS) Nhận tin nhắn: Tương tự việc gửi tin SMS, có cách để nhận tin nhắn SMS máy tính Cách 1: Kết nối điện thoại di động modem GSM/GPRS/3G vào máy tính Sau dùng máy tính tập lệnh AT để đọc tin nhắn nhận từ điện thoại động modem Việc nhận tin nhắn SMS thông qua modem có lợi nhà mạng không dây thường không tính phí nhận tin nhắn dùng với Mô-đun Nhận diện Thuê bao (thẻ SIM) Bất lợi việc nhận tin nhắn theo cách modem xử lý số lượng lớn lưu lượng tin nhắn SMS truy cập Có cách để giải vấn đề sử dụng nhiều modem để cân tải lưu lượng SMS truy cập Mỗi modem có thẻ SIM số thuê bao riêng Gửi tin nhắn: Về tổng thể, có cách để gửi tin nhắn SMS từ điện thoại di động đến máy tính (Developer’s Home, 2014) Cách 1: Kết nối điện thoại di động modem GSM/GPRS/3G vào máy tính Sau dùng tập lệnh AT để thị cho điện thoại modem gửi tin nhắn SMS Để gửi tin nhắn, trước hết cần lắp SIM nhà mạng cung cấp vào điện thoại modem, sau kết nối modem vào máy vi tính dây cáp, hồng ngoại hay bluetooth Sau kết nối thành công, ta điều khiển modem cách gửi thị đến Chỉ thị sử dụng để điều khiển modem gọi tập lệnh AT (viết tắt ATtention) Tập lệnh AT thị sử dụng để điều khiển modem hay điện thoại di động, danh sách lệnh thông dụng mô tả Bảng Bảng 2: Một số lệnh AT dùng để nhận tin nhắn SMS Lệnh AT AT + CNMI AT + CMGL AT + CMGR Bảng 1: Một số lệnh AT dùng để gửi tin nhắn Lệnh AT AT + CMGS AT + CMSS AT + CMGW AT + CMGD AT + CMMS Công dụng Gửi tin nhắn Gửi tin nhắn từ lưu trữ Ghi tin nhắn vào nhớ Xóa tin nhắn Gửi thêm tin nhắn Công dụng Để xác định tin nhắn Liệt kê tất tin nhắn Đọc tin nhắn Cách 2: Truy cập đến Trung tâm tin nhắn (SMSC) SMS Gateway mạng không dây Mọi tin nhắn SMS nhận chuyển tiếp đến máy tính thông qua giao thức/giao diện hỗ trợ SMSC SMS Gateway Cũng giống việc gửi tin nhắn, việc nhận tin nhắn thông qua điện thoại modem GSM/GPRS có số hạn chế, tốc độ truyền tải SMS thấp Nếu cần tốc độ cao cần thiết phải thiết lập kết nối trực tiếp đến Trung tâm SMS SMS Gateway mạng không dây Sau thiết lập tài khoản với nhà mạng không dây nhà cung cấp dịch vụ SMS, SMSC SMS Gateway bắt đầu chuyển tiếp tin nhắn đến ứng dụng SMS cách sử dụng số giao thức/giao diện Cũng giống việc gửi tin, để kết nối đến SMSC, bắt buộc phải có giao thức SMSC Việc nhận tin nhắn theo cách dễ việc gửi 2.2.2 Tin nhắn đa phương tiện (MMS) Cách 2: Kết nối máy tính với Trung tâm SMS (SMSC) SMS Gateway mạng không dây nhà cung cấp dịch vụ SMS Sau gửi tin nhắn SMS cách sử dụng giao thức/giao diện hỗ trợ SMSC SMS Gateway Cách gửi tin nhắn thông qua modem hay điện thoại di động kết nối trực tiếp với máy tính có hạn chế tốc độ gửi tin nhắn SMS thấp Nếu cần tốc độ gửi cao cần thiết phải thiết lập kết nối trực tiếp đến Trung tâm SMS SMS Gateway mạng không dây Kết nối thực qua mạng Internet kết nối quay số Nếu kết nối trực tiếp đến Trung tâm SMS SMS Gateway mạng không dây ta kết nối đến SMS Gateway nhà cung cấp dịch vụ SMS đó, lúc SMS Gateway chuyển tiếp tin nhắn SMS đến Trung tâm SMS thích hợp Sau đăng ký thiết lập tài khoản với nhà mạng không dây nhà cung cấp dịch vụ SMS, ta bắt đầu gửi tin Các giao thức mô hình MMS: Các thiết bị di động (MMS Clients) Trung tâm tin nhắn đa phương tiện muốn liên lạc với phải thông qua giao thức Có hai tiêu chuẩn quan trọng để định nghĩa công nghệ MMS, 12 Tạp chí Khoa học Trường Đại học Cần Thơ Phần A: Khoa học Tự nhiên, Công nghệ Môi trường: 33 (2014): 9-21 kiến trúc chi tiết bên hệ thống MMS, chi tiết tham khảo (NowSMS, 2014) xuất 3GPP, xuất Open Mobile Alliance (OMA) Hai quan tiêu chuẩn hợp tác để định nghĩa giao thức MMS Khi nói đến MMS nói đến giao thức liên quan Có tất mười loại giao thức mô hình kiến trúc MMS (NowSMS, 2014) a MM1 giao thức sử dụng thiết bị di động với Trung tâm tin nhắn MMS (MMSC) Nó định nghĩa cách thức mà điện thoại di động gửi nhận tin nhắn thông qua MMSC Cách nhận tin nhắn MMS: Về bản, việc nhận tin nhắn từ máy tính thực hai phương thức kết nối khác Cách 1: Tin nhắn MMS nhận qua kết nối trực tiếp tới Trung tâm tin nhắn MMS nhà mạng cách sử dụng giao thức hỗ trợ, bao gồm MM4, MM7, EAIF Khi sử dụng giao thức giao thức này, trung tâm tin nhắn nhà mạng tự động kết nối đến MMS Gateway để lấy tin nhắn b MM2 giao thức nằm MMS server MMS relay c MM3 giao thức sử dụng trung tâm MMS hệ thống tin nhắn khác Giao thức thông qua môi trường Internet để kết nối với server bên Trên thực tế, giao thức chủ yếu thực thông qua giao thức email SMTP Cách 2: Tin nhắn MMS lấy cách sử dụng công nghệ SMS kết hợp với công nghệ WAP Để nhận tin nhắn MMS cần trải qua hai giai đoạn Giai đoạn một, modem nhận tin nhắn SMS, gọi tin nhắn thông báo MMS Tin nhắn chứa URL tin nhắn MMS Trung tâm tin nhắn đa phương tiện (MMSC) Giai đoạn hai, modem nhận tin nhắn thông báo MMS, modem mở kết nối GPRS đến Wap Gateway để tải nội dung tin nhắn MMS từ trung tâm tin nhắn đa phương tiện d MM4 giao thức sử dụng để kết nối hai trung tâm MMS lại với Giao thức cần thiết cho việc trao đổi tin nhắn đa phương tiện môi trường MMS riêng biệt (như hai mạng di động khác nhau) e MM5 giao thức cho phép tác động qua lại trung tâm MMS thành phần mạng khác ghi định vị thường trú HLR DNS f MM6 giao thức cho phép tương tác trung tâm MMS sở liệu người dùng g MM7 giao thức sử dụng phép ứng dụng nhà cung cấp dịch vụ giá trị gia tăng (VASP) gửi nhận tin nhắn MMS thông qua MMSC Giao thức MM7 định nghĩa hoàn chỉnh 3GPP, giao thức dựa SOAP Hình 2: Mô hình nhận tin nhắn MMS từ ứng dụng Cách gửi tin nhắn MMS: Để gửi tin nhắn MMS ứng dụng khởi tạo kết nối GPRS đến Wap Gateway nhà mạng thực gửi tin nhắn MMS đến Trung tâm tin nhắn MMS (MMSC) thông qua kết nối WAP GPRS h MM8 giao thức sử dụng trung tâm MMS hệ thống toán trả sau i MM9 giao thức sử dụng trung tâm MMS hệ thống trả trước trực tuyến j MM10 giao thức cho phép tương tác trung tâm MMS quan kiểm soát dịch vụ tin nhắn (MSCF) Hình 3: Mô hình gửi tin nhắn MMS từ ứng dụng Để thuận lợi không nhiều thời gian cho việc xây dựng phát triển hệ thống, nghiên cứu sử dụng thư viện SMSLIB (SMSLib, 2014) để gửi nhận tin nhắn SMS tin nhắn thông báo MMS, thư viện jWAP (jWAP, 2014) để kết nối đến Wap Gateway nhà mạng JMMSLIB (jMmsLib, 2014) để giải mã tin nhắn MMS Việc gửi nhận tin k EAIF giao thức độc quyền định nghĩa NOKIA, giao thức mở rộng giao thức MM1 sử dụng cho nhà cung cấp dịch vụ giá trị gia tăng Trong khuôn khổ viết, không sâu nghiên cứu giao thức MMS 13 Tạp chí Khoa học Trường Đại học Cần Thơ Phần A: Khoa học Tự nhiên, Công nghệ Môi trường: 33 (2014): 9-21 nhắn thực thông qua modem 3G kết nối trực tiếp với máy tính mặt người ảnh, ước lượng hồi quy, ) 2.3 Xây dựng mô-đun phân loại tin nhắn SMS Bài toán SVM toán phân loại hai lớp: Cho trước n điểm không gian d chiều (mỗi điểm thuộc vào lớp kí hiệu +1 –1, mục đích giải thuật SVM tìm siêu phẳng (hyperplane) phân hoạch tối ưu cho phép chia n điểm thành hai phần cho điểm lớp nằm phía với siêu phẳng 2.3.1 Bài toán phân lớp (classification) Là trình phân lớp đối tượng liệu vào hay nhiều lớp cho trước nhờ mô hình phân lớp mà mô hình xây dựng dựa tập hợp đối tượng liệu gán nhãn từ trước gọi tập liệu học (training data) Quá trình phân lớp gọi trình gán nhãn cho đối tượng liệu Như vậy, nhiệm vụ toán phân lớp liệu cần xây dựng mô hình (bộ) phân lớp để có liệu vào mô hình phân lớp cho biết liệu thuộc lớp Có nhiều toán phân lớp liệu phân lớp nhị phân, phân lớp đa lớp, phân lớp đa trị,… Quá trình phân lớp liệu thường gồm hai bước: bước “xây dựng mô hình” bước “sử dụng mô hình” Hình 4: Phân lớp tuyến tính với SVM Bước 1: Một mô hình xây dựng dựa việc phân tích đối tượng liệu gán nhãn từ trước Tập mẫu liệu gọi tập liệu huấn luyện (training data set) Các nhãn lớp tập liệu huấn luyện xác định người trước xây dựng mô hình Trong bước này, phải tính độ xác mô hình cách sử dụng tập liệu khác để kiểm tra, tập liệu gọi tập liệu kiểm tra (test data set) dùng phương pháp kiểm tra chéo tập liệu huấn luyện Nếu độ xác chấp nhận được, mô hình sử dụng để xác định nhãn lớp cho liệu khác tương lai Xét tập liệu mẫu tách rời tuyến tính {(x1,y1),(x2,y2), ,(xn,yn)} với xi  Rd yi {±1} Siêu phẳng tối ưu phân tập liệu thành hai lớp siêu phẳng tách rời liệu thành hai lớp riêng biệt với lề (margin) lớn Tức là, cần tìm siêu phẳng H: y = w.x + b = hai siêu phẳng H1, H2 hỗ trợ song song với H có khoảng cách đến H Với điều kiện phần tử tập mẫu nằm H1 H2, đó: w.x + b >= +1 với y = +1 w.x + b >= 1 với y = 1 Kết hợp hai điều kiện ta có: Bước 2: sử dụng mô hình xây dựng bước để phân lớp liệu y(w.x + b) >= Khoảng cách siêu phẳng H1 H2 đến H ||w|| Ta cần tìm siêu phẳng H với lề lớn nhất, tức Như vậy, thuật toán phân lớp ánh xạ từ miền liệu có sang miền giá trị cụ thể thuộc tính lớp, dựa vào giá trị thuộc tính liệu 2.3.2 Máy học Véc tơ hỗ trợ (SVM) w giải toán tối ưu tìm w.b với ràng buộc y(w.x + b) >= Người ta chuyển toán sang toán tương đương dễ giải w với w.b Phương pháp SVM đời từ lý thuyết học thống kê Vapnik (1995) xây dựng, SVM có nhiều tiềm phát triển mặt lý thuyết ứng dụng thực tiễn SVM đánh giá mười giải thuật quan trọng khai mỏ liệu Các ứng dụng thực tế cho thấy phương pháp SVM có khả phân loại tốt toán phân loại văn nhiều ứng dụng khác (như nhận dạng chữ viết tay, phát ràng buộc y(w.x + b) >= Lời giải cho toán tối ưu cực tiểu hóa hàm Lagrange: L(w, b, a)  14 2 w  in1t (yt ( w, xt  b) 1) (1) Tạp chí Khoa học Trường Đại học Cần Thơ Phần A: Khoa học Tự nhiên, Công nghệ Môi trường: 33 (2014): 9-21 Trong α hệ số Lagrange, α≥0 Sau người ta chuyển thành toán đối ngẫu cực đại hóa hàm W(α): maxα W(α) = maxα (minw,bL(w,b,a)) Xây dựng mô hình phân loại tin nhắn Chọn lớp (target class): Trong nghiên cứu chia chuyên ngành lúa thành sáu chuyên ngành nhỏ (Nguyễn Ngọc Đệ, 2008) mô tả Bảng (2) Từ giải để tìm giá trị tối ưu cho w,b α Về sau, việc phân loại mẫu việc kiểm tra hàm dấu sign(wx +b) Bảng 4: Các chuyên ngành nhỏ lúa STT Giải thuật SVM giải toán phân lớp tuyến tính, nhiên ta kết hợp SVM với phương pháp hàm nhân (kernel-based method), cho phép giải số toán phi tuyến cách ánh xạ liệu vào không gian có số chiều lớn Không có thay đổi cần thiết mặt giải thuật, việc cần làm thay tích vô hướng hai véc-tơ u.v hàm nhân K(u,v) Dựa vào hệ thống phân làm sáu lớp (nhãn) tương ứng với sáu chuyên ngành nhỏ Các chuyên gia tham gia vào hệ thống thuộc nhiều chuyên ngành sáu chuyên ngành Như vậy, ta xây dựng tập liệu huấn luyện với sáu nhãn tương ứng Ngoài ra, ta thêm lớp lớp tin nhắn rác không thuộc sáu lớp trên, dạng toán phân lớp đa lớp Bảng 3: Một số hàm nhân thường dùng Kiểu hàm Tuyến tính Đa thức bậc d Radial Basis Function Tên Bệnh hại lúa Sâu hại lúa Cỏ hại lúa Giống lúa Kỹ thuật canh tác Sau thu hoạch Công thức K(u,v) = u.v K(u,v) = (u.v +c)d K(u,v) = exp(-||u-v||2) Trong nghiên cứu này, thực xây dựng huấn luyện mô hình phân loại tin nhắn SMS nhờ vào hỗ trợ công cụ LibSVM (Chang, C.C., Lin, C.J., 2011) 2.3.3 Phân loại tin nhắn văn (SMS) Tách từ tiếng việt Để xây dựng hệ thống phân loại văn bản, việc tách văn thành từ độc lập có nghĩa việc bắt buộc Đối với văn Tiếng Anh, việc tách từ thực đơn giản từ Tiếng Anh phân biệt khoảng trắng Ngược lại, việc tách từ Tiếng Việt lại phức tạp từ tiếng việt có khoảng trắng Có nhiều cách tiếp cận xử lý tách từ Tiếng Việt chẳng hạn phương pháp dùng từ điển, phương pháp thống kê… Kỹ thuật tách từ Tiếng Việt nhiều nhóm tác giả nghiên cứu xây dựng cho kết với độ xác cao Phân lớp văn định nghĩa việc gán tên chủ đề (tên lớp/nhãn lớp) cho trước vào văn dựa nội dung Phân lớp văn công việc sử dụng để hỗ trợ cho trình tìm kiếm thông tin (Information Retrieval), chiết lọc thông tin (Information Extraction), lọc văn tự động dẫn đường cho văn tới chủ đề xác định trước Để xây dựng phân lớp văn tự động, người ta sử dụng thuật toán máy học (machine learning) có giám sát Nghiên cứu sử dụng phần mềm tách từ VnTokenizer1 để thực việc tách tin nhắn thành từ độc lập, công cụ phát triển dựa phương pháp so khớp tối đa (Maximum matching) với tập liệu sử dụng bảng âm tiết tiếng Việt từ điển từ vựng tiếng Việt Công cụ xây dựng ngôn ngữ Java, mã nguồn mở Có thể dễ dàng tích hợp vào hệ thống phân tích tiếng Việt khác Quy trình thực tách từ theo phương pháp so khớp tối đa minh họa Hình Hình 5: Mô hình phân lớp tin nhắn văn với SVM 15 http://mim.hus.vnu.edu.vn/phuonglh/node/33 Tạp chí Khoa học Trường Đại học Cần Thơ Phần A: Khoa học Tự nhiên, Công nghệ Môi trường: 33 (2014): 9-21 gồm từ từ điển, chuỗi số, chuỗi ký tự nước ngoài, dấu câu, ký tự hỗn tạp khác văn bản, từ từ sinh tự theo quy tắc (như phương thức thêm phụ tố hay phương thức láy) chuỗi kí hiệu không liệt kê từ điển Công cụ tách từ cho độ xác 96% - 98% theo (Phương et al., 2010) Ví dụ sau minh họa đoạn văn tách từ VnTokenizer Hình 6: Tách từ theo phương pháp so khớp tối đa Các đơn vị từ sinh từ công cụ bao Ví dụ: văn gốc Bệnh gây hại chủ yếu giai đoạn mạ – đẻ nhánh Lúc đầu vết bệnh chấm nhỏ, màu xanh xám, sau lớn lên có dạng hình thoi (mắt én) đặc trưng Nhiệm vụ bào tử hút chất dinh dưỡng có lúa tiết độc tố Pyricularin gây độc cho Bào tử nấm Pyricularia oryzae hay P grisea phát triển tốt điều kiện nhiệt độ mát từ 24 – 28 độ C , ẩm độ cao 80% Ví dụ: Văn sau tách từ Bệnh gây hại chủ_yếu giai_đoạn mạ – đẻ_nhánh Lúc_đầu vết bệnh chỉ_là chấm nhỏ , màu_xanh xám , sau lớn_lên có dạng hình_thoi (mắt én) đặc_trưng Nhiệm_vụ bào_tử hút chất dinh_dưỡng có lúa ngoài_ra tiết độc_tố Pyricularin gây độc cho Bào_tử nấm Pyricularia_oryzae hay P grisea phát_triển tốt điều_kiện nhiệt_độ mát từ 24 – 28 độ C , ẩm_độ cao 80%  Xây dựng từ khóa tự động: Từ tập Như ta biết từ tiếng Việt văn liệu thu thập hệ thống thực việc tách thông thường có khoảng từ loại bỏ từ dừng, văn tin nhắn nên số trắng (một nhiều âm tiết), với văn lượng từ khóa không nhiều lặp lại nên hệ gốc ban đầu phân biệt từ từ thống không thực việc giảm số chiều (số đặc đầy đủ từ điển, từ âm tiết (một trưng) mà dùng tất từ lại sau loại bỏ phần từ) Sau tách từ, từ bao gồm nhiều từ dừng để xây dựng từ khóa, với phương án tự âm tiết nối lại với cách sử dụng động việc xây dựng từ khóa thực ký tự “_” thay cho ký tự khoảng trắng Với nhanh không nhiều công sức cách làm sau thực tách từ, không cần trợ giúp chuyên gia từ (có nghĩa từ điển) phân biệt chất lượng từ khóa không cao nhờ khoảng trắng giống văn tiếng Anh Từ từ giữ lại có ý nghĩa phân loại, số đó, ta dễ dàng xây dựng từ khóa lượng từ khóa nhiều nhiều so với xây dựng mô hình phân loại với văn tách phương án thủ công Xây dựng từ khóa (đặc trưng) Danh sách từ khóa lưu vào tập tin, Bộ từ khóa đặc trưng danh sách từ dòng tập tin từ khóa ví dụ sau: khóa đặc trưng cho sáu chuyên ngành lúa Đất Bảng Bước chọn từ khóa bước Giống quan trọng định nhiều đến kết phân loại Nước hệ thống Trong nghiên cứu này, đề Sâu xuất hai phương án xây dựng từ khóa: ……  Xây dựng từ khóa thủ công: Với phương Đạm án cần có hỗ trợ chuyên gia …… lúa, độ tin cậy từ khóa chọn lọc cao Biểu diễn tin nhắn vec-tơ đặc trưng hơn, số lượng từ khóa chất lượng hơn, điểm yếu phương án nhiều thời gian Trong nghiên cứu này, sử dụng SVM công sức để xây dựng chọn lọc từ khóa để phân loại tin nhắn văn SVM có nhiều ưu 16 Tạp chí Khoa học Trường Đại học Cần Thơ Phần A: Khoa học Tự nhiên, Công nghệ Môi trường: 33 (2014): 9-21 khóa chọn thủ công chuyên gia thực véc-tơ từ lưu vào tập tin huấn luyện theo phương án Nếu hệ thống người sử dụng cấu hình sử dụng phương án tự động xây dựng tập huấn luyện, hệ thống làm việc loại bỏ từ dừng (ngược lại so với phương án thủ công chọn từ khóa từ khóa) sau thực tách từ, sau véc-tơ hóa toàn từ lại lưu vào tập tin huấn luyện theo phương án Một vấn đề quan trọng cần quan tâm xây dựng tập liệu thói quen nhắn tin tiếng Việt không bỏ dấu người dùng, trình xây dựng tập liệu từ khóa ta sử dụng tiếng Việt có dấu làm cho kết phân loại trở nên không xác nội dung tin nhắn có chứa từ khóa cần thiết cho phân loại, có khác từ khóa dấu tiếng Việt Để giảm sai sót phân loại tin nhắn, đề xuất giải pháp để xây dựng từ khóa tập tin huấn luyện mô hình phân loại tin nhắn Do từ khóa xây dựng dựa hai cách đề cập, với phương án xây dựng từ khóa thủ công cập nhật thông tin cho chuyên ngành sáu chuyên ngành lúa ta đồng thời cập nhật từ khóa đặc trưng cho chuyên ngành, từ khóa sử dụng bao gồm từ có dấu tiếng Việt, dấu tiếng Việt, từ gần với từ khóa nghĩa khác (phòng trường hợp người dùng viết sai tả,…), từ khác nghĩa, từ địa phương… Việc xây dựng tập liệu thực cách với tin nhắn tiếng Việt có dấu phân loại, hệ thống tự động tạo thêm tin nhắn tiếng Việt dấu lưu vào sở liệu để sử dụng cho việc xây dựng lại mô hình Với cách chọn từ khóa theo phương án tự động dựa vào tập liệu nên cần xây dựng tập liệu đề xuất ta có từ khóa gồm từ có dấu lẫn từ không dấu tiếng Việt Tương tự việc xây dựng tập tin huấn luyện, ta xây dựng tập tin kiểm tra để kiểm tra độ xác mô hình điểm sử dụng cho phân loại văn (Đỗ Thanh Nghị, 2011; Trần Cao Đệ Phạm Nguyên Khang , 2012) Định dạng dòng tập tin huấn luyện sau: ::… Với nhãn phân lớp văn (6 chuyên ngành lúa Bảng 4), số từ khóa, số tương ứng với số thứ tự từ khóa tập tin từ khóa, giá trị trọng số từ khóa Mặc dù, có nhiều cách xác định giá trị trọng số từ khóa, nghiên cứu này, văn tin nhắn SMS nên số lượng từ khóa không nhiều lặp lại nên véc-tơ hóa ta không quan tâm từ khóa xuất lần mà cần quan tâm có xuất hay không, có xuất phần giá trị trọng số gán 1, không xuất không cần phải lưu - định dạng gọi định dạng thưa Ví dụ định dạng tập tin huấn luyện với liệu tin nhắn Tin nhắn sau tách từ loại bỏ từ dừng: cho_biết phòng trị bệnh vàng lùn lúa cỏ bệnh bạc lúa nguyên_nhân phòng_tránh Định dạng tập tin huấn luyện tin nhắn sau: 63:1 95:1 167:1 419:1 420:1 629:1 858:1 948:1 56:1 63:1 414:1 420:1 524:1 630:1 Như ta thấy, tin nhắn thứ thứ hai thuộc lớp sâu bệnh hại lúa, nhãn (lớp) tin nhắn tập tin định dạng Với từ khóa “cho_biết” từ khóa nằm vị trí thứ 63 tập tin từ khóa, để thể từ có từ khóa vị trí thứ 63 từ khóa ta viết 63:1, thực tương tự với từ lại tin nhắn với tất tin nhắn nhận Chú ý thứ tự từ tin nhắn không quan trọng, xác định trọng số từ, ta viết theo thứ tự từ nhỏ đến lớn Như trình bày, việc xây dựng từ khóa đặc trưng nghiên cứu sử dụng hai phương án, phương án thủ công phương án tự động Như vậy, để xây dựng tập huấn luyện ta cần phải áp dụng hai phương án Nếu hệ thống người sử dụng cấu hình sử dụng phương án thủ công xây dựng tập huấn luyện, hệ thống chọn từ khóa tin nhắn sau tách từ cách giữ lại từ có danh sách từ Sử dụng mô hình Sau kiểm tra độ xác phân lớp mô hình, độ xác chấp nhận được, ta đưa mô hình vào sử dụng để phân loại tin nhắn Tương tự trình xây dựng tập huấn luyện, tin nhắn đến hệ thống tiền xử lý, tách từ véc-tơ hóa theo định dạng giống định dạng tập tin huấn luyện với phương án mà 17 Tạp chí Khoa học Trường Đại học Cần Thơ Phần A: Khoa học Tự nhiên, Công nghệ Môi trường: 33 (2014): 9-21 người sử dụng cấu hình hệ thống chọn Chỉ có điểm khác nhãn phân lớp tin nhắn nhãn tạm cho tin nhắn mới, sau đưa vào mô hình phân loại, nhãn tạm tự động thay nhãn thức, định dạng tập tin cần phân loại sau: KẾT QUẢ THỰC NGHIỆM Số lượng từ khóa bước đầu xây dựng để minh họa cho phương án chọn từ khóa xây dựng thủ công 243 từ, từ khóa thuộc 06 chuyên ngành đề cập, từ đặc trưng nhất, có ý nghĩa phân loại với trợ giúp số chuyên gia chọn lựa xây dựng cách thủ công Tập liệu ban đầu tự xây dựng gồm 200 câu hỏi (có dấu tiếng Việt) 200 câu hỏi dấu tiếng Việt hệ thống tự động sinh từ 200 câu hỏi có dấu Để xác định nhãn (phân lớp chuyên ngành) cho tin nhắn dùng mô-đun phân loại bán tự động để gán thủ công Với phương án chọn từ khóa tự động sau thực bước cần thiết để xây dựng từ khóa tập liệu gồm 400 tin nhắn câu hỏi trên, thu từ khóa gồm 1044 từ, từ giữ lại sau loại bỏ từ dừng, ký tự đặc biệt ký tự số ý nghĩa phân loại : : … 2.4 Xây dựng website tích hợp quản lý cấu hình hệ thống Website hệ thống xây dựng theo mô hình MVC ngôn ngữ Java (JSP Servlet) với hệ quản trị sở liệu MySQL Hệ thống quản lý hai nhóm đối tượng người dùng chuyên gia quản trị/điều phối viên Chức nhóm chuyên gia:  Đăng ký, xem, chỉnh sửa thông tin cá nhân  Trả lời câu hỏi nhà nông liên quan đến chuyên môn  Phân loại lại tin nhắn có sai sót Để phân loại tin nhắn SVM, sử dụng thư viện LibSVM (Chang et al., 2011) Bằng nghi thức kiểm tra chéo (10-folds) tập học, mô-đun phân loại tin nhắn cho độ xác đạt 69,94% Với phương án tự động cho kết xác đạt 71,9% Chức nhóm quản trị/ điều phối viên:  Cập nhật lớp (chuyên ngành) cần phân loại  Cập nhật danh sách chuyên gia  Cập nhật, phân loại tin nhắn  Cập nhật thông tin Gateway Do giai đoạn nghiên cứu thu thập liệu, nhóm tác giả thực kiểm tra độ xác liệu thu thập xây dựng được, nhóm tác giả chưa thực kiểm tra độ xác với tin nhắn thực tế Sau tin nhắn chứa câu hỏi phân loại, chuyển đến chuyên gia thích hợp để trả lời Khi nhận câu trả lời từ chuyên gia, hệ thống tự động gửi nội dung trả lời cho nhà nông 3.1.1 Trang chủ hệ thống  Cấu hình hệ thống Thống kê/báo cáo Mô hình thực thể kết hợp (ERD) Các thực thể hệ thống bao gồm: Chuyên gia, chuyên môn tin nhắn Một chuyên gia có nhiều chuyên môn, chuyên môn có nhiều chuyên gia đăng ký Một chuyên gia trả lời nhiều tin nhắn, tin nhắn trả lời chuyên gia Hình minh họa thực thể hệ thống kết hợp lại theo mô hình thực thể kết hợp (ERD) Chuyên gia quản trị đăng nhập vào hệ thống thông qua trang chủ Sau đăng nhập tùy loại người dùng có danh mục chức riêng đề cập Hình 7: Mô hình thực thể kết hợp (ERD) Hình 8: Trang chủ website hệ thống 18 Tạp chí Khoa học Trường Đại học Cần Thơ Phần A: Khoa học Tự nhiên, Công nghệ Môi trường: 33 (2014): 9-21 3.1.2 Trang phân loại nội dung tin nhắn (bán tự động) 3.1.5 Màn hình điện thoại nhà nông Sau hệ thống nhận câu trả lời chuyên gia, hệ thống tự động gửi câu trả lời đến điện thoại nhà nông Hình 12 minh họa nội dung tin nhắn SMS hệ thống gửi cho nhà nông để giải đáp thắc mắc nhà nông Có chức hiển thị tin nhắn phân loại mô-đun phân loại tự động chưa phân loại quản trị/điều phối viên Điều phối viên đăng nhập vào trang để thực phân loại (gán nhãn) tin nhắn Hình 9: Trang phân loại nội dung tin nhắn 3.1.3 Trang cấu hình hệ thống Cho phép thay đổi thông số cấu hình hệ thống thời gian hệ thống lặp lại việc truy vấn huấn luyện lại mô hình, số lượng tin nhắn để thực huấn luyện lại,… Hình 12: Tin nhắn hệ thống gửi cho nhà nông để giải đáp thắc mắc nhà nông KẾT LUẬN VÀ ĐỀ XUẤT Trong nghiên cứu tìm hiểu trình bày khái quát số kiến thức hệ thống thông tin di động, cách thức để cấu hình hệ thống, gửi nhận tin nhắn từ máy vi tính đến điện thoại di động, kỹ thuật phân loại văn tin nhắn văn SVM Chúng tham khảo tìm hiểu cách sử dụng số thư viện, phần mềm ứng dụng hệ thống SMSLib, jWAP, jMmsLib, LibSVM Chúng xây dựng thủ công từ khóa gồm 243 từ thuộc chuyên ngành lúa để minh họa cho việc phân loại văn tự động SVM theo phương án thủ công, tập liệu huấn luyện bước đầu hệ thống gồm 200 tin nhắn SMS tham khảo (Thư viện KHCN Quảng Trị, 2014; Cty CP Phân bón Bình Điền, 2014; Bạn nhà nông, 2014; Sở KHCN Vĩnh Phúc, 2014) Ngoài ra, đề xuất phương án để xây dựng từ khóa tập liệu để nâng cao độ xác cho mô hình phân loại tin nhắn tiếng Việt không dấu nhắn tin tiếng Việt không dấu dễ dàng thuận lợi cho nhà nông, nhắn nhiều ký tự (tiếng Việt không dấu 160 ký tự/1 tin nhắn, tiếng Việt có dấu 70 ký tự/1 tin nhắn) nhà nông không cần phải có điện thoại cấu hình cao đặt câu hỏi SMS Hình 10: Trang cấu hình hệ thống 3.1.4 Màn hình điện thoại chuyên gia Sau hệ thống nhận câu hỏi nhà nông, hệ thống tiến hành phân loại câu hỏi gửi câu hỏi đến cho chuyên gia trả lời Câu hỏi kèm mã số để xác định tin nhắn sở liệu tin nhắn Hình 11 minh họa nội dung tin nhắn SMS hệ thống gửi đến cho chuyên gia trả lời Trên tảng đó, phát triển hệ thống hỗ trợ khuyến nông lúa qua mạng thông tin di động với chức nhằm hỗ trợ thông tin kỹ thuật cho nhà Hình 11: Tin nhắn hệ thống gửi đến cho chuyên gia trả lời 19 Tạp chí Khoa học Trường Đại học Cần Thơ Phần A: Khoa học Tự nhiên, Công nghệ Môi trường: 33 (2014): 9-21 nông cách kịp thời, với chi phí hợp lý nhất, giải tương đối đầy đủ thắc mắc, nhu cầu nhà nông Sau thời gian vận hành khai thác cách bán tự động thực tế, hệ thống thu thập lượng liệu thực cần thiết, kết hợp với công nghệ khai phá liệu, xử lý văn xử lý ảnh để xây dựng hệ thống hỗ trợ khuyến nông lúa qua mạng thông tin di động cách hoàn toàn tự động Với kết bước đầu trình bày phần kết cho thấy việc xây dựng triển khai hệ thống hoàn toàn khả thi có tiềm phát triển rộng rãi Chang, C.C., Lin, C.J., 2011 LIBSVM – a library for support vector machines, http://www.csie.ntu.edu.tw/~cjlin/libsvm (Truy cập: 3/2014) Nguyễn Ngọc Đệ, 2008 Giáo trình lúa, Viện Nghiên cứu Phát triển Đồng Sông Cửu Long, Đại học Cần Thơ L H Phương, N T M Huyền TV Ho, 2010 A hybrid approach to word segmentation of Vietnamese texts, http://mim.hus.vnu.edu.vn/phuonglh/node/33 (Truy cập: 01/2014) Đỗ Thanh Nghị, 2011 Khai mỏ liệu – minh họa ngôn ngữ R, NXB Đại học Cần Thơ Trần Cao Đệ Phạm Nguyên Khang, 2012 Phân loại văn với Máy học vector hỗ trợ Cây định”, Tạp chí khoa học (21a), tr 52 – 63 Tổng cục thống kê, 2014a Thống kê lao động từ 15 tuổi trở lên làm việc thời điểm 1/7 hàng năm phân theo ngành kinh tế, http://www.gso.gov.vn/default.aspx?tabid=3 87&idmid=3&ItemID=14227 (Truy cập: 04/2014) Tổng cục thống kê, 2014b Thống kê diện tích gieo trồng số hàng năm, http://www.gso.gov.vn/default.aspx?tabid=3 90&idmid=3&ItemID=14110 (Truy cập: 04/2014) Tổng cục thống kê, 2014c Thống kê sản lượng số hàng năm, http://www.gso.gov.vn/default.aspx?tabid=3 90&idmid=3&ItemID=14108 (Truy cập: 04/2014) 10 Developer’s Home, 2014 How to send SMS Messages from a Computer/PC?, http://www.developershome.com/sms/howT oSendSMSFromPC.asp (Truy cập: 01/2014) 11 NowSMS, 2014 Documentation, http://www.nowsms.com/doc (Truy cập: 01/2014) 12 SMSLib, 2014 A universal API for sms messaging, http://smslib.org/ (Truy cập: 01/2014 ) 13 jWAP, 2014 http://jwap.sourceforge.net/ (Truy cập: 02/2014) 14 jMmsLib, 2014 http://jmmslib.sourceforge.net (Truy cập: 02/2014) Hiện tại, xây dựng mô-đun gửi nhận tin nhắn đa phương tiện giới hạn với hai nhà mạng di động Mobifone Vinaphone Việc phát triển hệ thống để hỗ trợ nhiều nhà mạng phát triển giai đoạn sau Giới hạn số lượng ký tự tin nhắn việc người dùng có thói quen nhắn tin tiếng Việt dấu làm cho việc phân loại tin nhắn văn trở nên khó khăn Nghiên cứu làm tiền đề cho việc hoàn thiện hệ thống tự động hỗ trợ khuyến nông lúa qua mạng thông tin di động Những công việc cần tiếp tục thực gồm:  Phát triển hệ thống để hỗ trợ gửi nhận tin nhắn đa phương tiện (MMS) tất nhà mạng hành Việt Nam  Phát triển mô-đun phân loại tin nhắn hình ảnh tự động kỹ thuật xử lý ảnh máy học  Xây dựng hệ thống hoàn toàn tự động dựa vào kết hợp hai kỹ thuật phân loại, phân loại tin nhắn văn phân loại tin nhắn hình ảnh  Hoàn thiện thêm từ khóa cho phân loại văn bản, xây dựng mô hình phân loại với độ xác cao nhờ vào nguồn liệu thực tế mà hệ thống thu thập  Hoàn thiện thêm tập liệu để phân loại tin nhắn SMS không gõ dấu tiếng Việt hiệu  Phát triển mô hình sang nhiều lĩnh vực, nhiều chuyên ngành, chuyên môn khác lúa TÀI LIỆU THAM KHẢO Vapnik, V 1995 The Nature of Statistical Learning Theory Springer, NewYork 20 Tạp chí Khoa học Trường Đại học Cần Thơ Phần A: Khoa học Tự nhiên, Công nghệ Môi trường: 33 (2014): 9-21 15 Thư viện KHCN Quảng Trị, 2014 Các câu hỏi thường gặp, http://elib.dostquangtri.gov.vn/thuvien/Inclu de/TVDT.asp?option=4&noidungcantim=l% C3%BAa&CSDL=6 (Truy cập: 03/2014) 16 Cty CP Phân bón Bình Điền, 2014 Các câu hỏi lúa, http://www.binhdien.com/articlebd.php?id= 158&cid=1 (Truy cập: 03/2014) 17 Bạn nhà nông, 2014 Hỏi đáp, http://www.bannhanong.vietnetnam.net/ho me.php?kh=&cat_id=29 (Truy cập: 01/2014) 18 Sở KHCN Vĩnh Phúc, 2014 hỏi đáp khoa học kỹ thuật, http://123.25.71.107:82/hoidap/index.php?la nguage=vi&nv=news&op=search&q=c%C3 %A2y+l%C3%BAa&mod=all (Truy cập: 01/2014) 21