Khĩa luận này, tơi áp dụng trên hai loại trang web đĩ là : các trang chủ và các trang viết về bài báo cụ thể (nội dung tập trung).
a. Thử nghiệm trên các trang chủ
Áp dụng quy trình được code theo mơ hình ở “3.2. Đề xuất mơ hình bài tốn”. Tập từ khĩa sinh ra được lưu trong các file text. Các từ khĩa được sắp xếp theo trọng số từ cao đến thấp. Bảng dưới đây là trích 20 trang web tiếng Việt và tiếng Anh kết quả trích xuất từ khĩa. 10 trang Web Tiếng Việt được trích từ các miền khác nhau trong thư mục dmoz/Tiếng_Việt/. Cịn 10 trang tiếng Anh, do log chỉ cĩ giới hạn một số trang, nên tơi đã chọn các trang tiếng Anh nổi tiếng để sinh. Các trang này đều là trang chủ với độ nhập nhằng cao.
Bảng 10.Kết quả trích xuất từ khĩa của một số trang tiếng Việt, tiếng Anh
Loại trang
web ST
T
Địa chỉ trang web - Miêu tả trang
web
Kết quả theo các phương pháp khác nhau Dựa vào nội dung thẻ
HTML Dựa vào đồ thị web Dựa vào Log Các trang web Tiến g Việt 1 http://suckhoecongdon g.com - sức khỏecộng đồng Thầy thuốc mọi nhà
health, medical , healthcare, sức_khỏe, y_tế, dịch_vụ, bệnh, y_học, y_khoa, phịng_khám sức_khỏe suckhoecongdong.com cộng_đồng Suckhoecongdong suckhoe - 2 http://forum.ubuntu- vn.com - Ubuntu Việt Nam
ubuntu, việt_nam, việt, linux, cộng_đồng, diễn_đàn, wiki, forum, người_dùng, trang_chủ.
http:// forum.ubuntu- vn.com, diễn_đàn, ubuntu , vn, việt nam.
-
3 http://www.diendancok hi.com - Diễn Đàn Cơ Khí
thiet_bi, cơ_khí, diễn_đàn, cnc, cae, cad, cam,lap_trinh, tao_may, vat_tu, sat_thep, han , gia_cơng, máy.
diễn_đàn, cơ_khí, diendancokhi.com, cokhi, diendancokhi
-
m.org - Diễn đàn Java Việt Nam
mvnforum, jsp, servlet, database, javavietnam, organization, forum, diễn_đàn, lập_trình, câu_hỏi. javavietnam.org, www.javavietnam.org, java 5 http://www.fotech.org - Pioneer Forum đại_học, cơng_nghệ, việt_nam, fotech, coltech, quốc_gia, hà_nội, diễn_đàn, vn, sinh_viên diễn_đàn, thanh_niên, sinh_viên, ĐHQGHN, cơng_nghệ. - 6 http://www.4so9.com - Nhĩm câu cá Nguyễn Anh
câu_cá, việt_nam, hồ, 4so9, giải_trí, vietnam, fishing, cá_nước_ngọt, cá_biển, cần_câu, nguyễn_anh. câu_cá, clb, nguyễn_anh, diễn_đàn. - 7 http://giaoluu.com/inde x.php - Giao lưu kết bạn Online
vietnam, vietnamese, chat, giaoluu, ket_ban, friend, giao_luu, tim_ban, lam_quen, ban_trai, ban_gai. giaoluu, giao_lưu, ----giaoluu--- - 8 http://www.anlac.ca -Chúa A Di Da
ni, chua, phật, tâm, giới, ca_mưu, di_da, nam, hịa_thượng , chúng_ta, kinh, hội_phật, giáo_việt, canada
giáo_hội, việt_nam, thế giĩi, anlac.ca, visit, chúa, a_di_da
-
9 http://www.moi.gov.vn
- Bộ Cơng nghiệp Việt Nam cơng_nghiệp, bộ, xây_dựng, mơi_trường, đầu_tư, quy_hoạch, sản_xuất, quyết_định, tỉnh, chính_phủ www.moi.gov.vn, bộ, cơng_nghiệp, ministry, industry.cơng_thương. - 10 http://www.sudoku.vn
- Sudoku Việt Nam
sudoku, doku, trị_chơi, game, diễn_đàn, thằng_bờm, chơi, free, jigsuku., bờm. sudoku, thằng_bờm, bờm, diễn_đàn, clb, trị_chời, trực_tuyến, vietnam - Các trang web 11 http://w3schools.com -tutorial web
learn, html, examples, web, xml, javascript, asp, css, tutorials, xhtml, xsl, vbscript. ado, dom, building, learning....
W3, schools, tutorial, web. w3chools, w3, tutorial html, web tutorial, w3schools.c om 12 http://computer.org
-The IEEE Computer Society
may, june, april, july, computing, ieee, deadline, cs, society, computer, volunteer,
IEEE, computer, Society, homepage, http://computer.org. ieee, computer.or g, computer
Tiến g Anh
press, security, conference....
13 http://usa.gov - UsA government
government, usa, portal,home, information, federal, services, state, local, us, us government , america, united states....
USA, gov, USA.gov, state, united, government. usa, usa gov, government, united state 14 http://amazon.com - Amazon
books, amazon, apparel, computers, electronics, jewelry, dvds, music, tools, beauty, furniture, videos, hardware, broadband, amazon.com, online shopping-, book store...
amazon, amazon.com, united states,book, buy.
amazon, book, amazon.com , books 15 http://www.envmgr.co m/ - Envelope Manager
cass, standard, pave, mailing, ncoa, fastforward, envelope manager, dazzle, direct mail manager, dazzle express, dial- a-zip, first-class, national change of address, mailing software, mailing solutions...
envmgr, envelope, manager, envmgr.com, mail, dazzle, envmgr.com , mailing 16 http://www.cnn.com - CNN News cnn, news, entertainment, weather, com, business, politics, travel, health, sports, cnn news, cnn.com, cnn tv, news online, breaking news, u.s. news, world news....
cnn, cnn.com, news, headlines. cnn, cnn.com, news, weather, usa 17 http://bbc.co.uk -BBC News
bbc, radio, news, search, top, sport, bbc.co.uk, british broadcasting corporation, world, tv, stories, homepage, weather...
BBC, The Beeb, News,
http://www.bbc.co.uk , codmate. bbc, bbc.co.uk, news, britain, radio 18 http://livescore.com
-Soccer live scores
live, livescore, soccer, scores, com, score, euro, european, soccer livescore, live score, football, calcio, livescore.com, result. live results, world cup, real time, championship....
livscore, livesocre.com, realtime, results, live, Scores
live, scores, realtime, livescore.co
m, soccers
19 http://car.org - Car car, homepage, car.org, more, legal, C, A, R, price. C.A.R , California Association, Realtors, CAR car, C.A.R, car.org
Microsystem training, service, network, sun. microsystems, java
computing, solaris, unix, jini, computer systems. server, mission critical, ras, high availability... microsystems, sun.com, www.sun.com, inc. microsystem , sun.com, solaris
Qua bảng thực nghiệm, từ khĩa sinh ra đối với trang web tiếng Việt ít hơn, và đơi chỗ cĩ những từ khơng dấu. Tơi thấy rằng các trang chủ của các trang tiếng Anh được bố trí các phần tốt hơn các trang tiếng Việt vì lượng từ khĩa sinh ra đối với tiếng Anh tốt hơn, đa dạng hơn. Phương pháp sử dụng độ quan trọng của thẻ HTML đã cho thấy ưu điểm, khi tìm thấy các từ khĩa vừa mang tính phổ biến vừa mang tính đặc trưng của các trang web.
b. Thử nghiệm trên các trang báo cụ thể
Phần a là các thực nghiệm đối với các trang web dạng trang chủ, portal. Các trang này cũng chính là mục tiêu hướng tới của khĩa luận. Bên cạnh đĩ, đối với các trang cĩ dữ liệu tập trung, chúng tơi cũng áp dụng phương pháp gán từ kết hợp tần số xuất hiện. Thực nghiệm những trang cĩ chủ đề như các bài báo của baomoi.com, hay vietbao.com để sinh ra được nhờ từ điển. Qua hai trang này ta cĩ thể so sánh được tập từ khĩa của các trang này sinh ra. Việc dùng từ điển sẽ làm cho việc phân loại các trang báo vào các từ khố chính xác hơn theo từ điển. Tuy nhiên dùng từ điển hỗ trợ thì sẽ bất lợi là phải trích xuất đúng được phần văn bản của trang web và thời gian để chạy đối với các trang web cĩ nội dung dài là khơng nhanh.
Ví dụ : Trang web tại địa chỉ http://vietbao.vn/The-thao/Fabio-Cannavaro-chinh-thuc- tro-lai-Juventus/65166443/134/ cĩ nội dung sau:
- Theo thơng tính chính thức từ CLB Juventus, trung vệ người Italy Fabio Cannavaro đã đồng ý ký vào bản hợp đồng cĩ thời hạn 1đội bĩng năm với đội bĩng thành Turin.
Trên website Juventus, thơng tin về việc trung vệ Fabio Cannavaro đã quay trở lại sân Del Alphi đã nhanh chĩng được các fan hâm mộ của "Bà đầm già" chào đĩn. Juventus là nơi Cannavaro đã thành danh và được nhiều cổ động viên hâm mộ. Tuy nhiên, cĩ thời gian cầu thủ này bị gọi là "kẻ phản bội" khi nhanh nhẩu chạy tới Real Madrid khi Juventus bị đánh tụt hạng sau vụ bê bối cách đây vài năm trước.
Tại Real Madrid, Fabio Cannavaro thường xuyên bị chấn thương đeo đuổi và gần như khơng ra sân thi đấu trong mùa giải vừa qua. Trung vệ từng giúp Italy đăng quang tại World Cup 2006 luơn phải ngồi trên băng ghế dự bị và thất vọng vì khơng được thi đấu, Cannavaro
tìm cách quay trở về quê hương.
"Tơi rất tự hào khi một lần nữa lại được khốc áo Juventus trong thời gian tới. Ban lãnh đạo đã tha thứ cho những cầu thủ từng ra đi nhưng vẫn luơn nghĩ về đội bĩng", Cannavaro tâm sự. Hợp đồng của trung vệ Fabio Cannavaro với CLB Juventus cĩ thời hạn 1 năm. Như vậy, cầu thủ người Italy này sẽ cĩ thời gian chơi bĩng tại sân Del Alphi từ tháng 7/2009 đến ngày 30/6/2010.
"Nếu cậu ấy vẫn giữ được phong độ ổn định, chúng tơi sẽ tiếp tục gia hạn hợp đồng mới với Cannavaro. Mọi việc tuỳ thuộc vào Cannavaro sẽ thi đấu thế nào ở mùa giải năm tới", một quan chức của Juventus nĩi.
Vừa qua, Juventus đã chính thức sa thải HLV Claudio Ranieri sau khi khơng thể giúp "Bà đầm già" đoạt Scudetto ở mùa giải năm nay.
Qua Bảng 11 các từ khĩa của VietBao sinh một tự động nhưng do khơng dùng từ điển nên cĩ một số kết quả khơng đúng lắm như : thành, năm. Cịn với thực nghiệm của tơi, dựa trên bộ từ điển làm cho các kết quả khá chính xác, nêu lên được nội dung bài viết. Nếu bộ từ điển càng lớn thì các từ khĩa sinh ra càng chính xác.
Bảng 11. So sánh kết quả trả về của một ví dụ sinh từ khĩa cho báo điện tử
Từ khĩa của Việt báo Từ khĩa của chương trình
Fabio Cannavaro, CLB Juventus, Italy Fabio Cannavaro, cĩ thời hạn, bản hợp đồng, chính thức, trung vệ, trở lại, thời gian, bĩng, năm, thành
canavaro-9, juventus-8, fabio canavaro - 4, trung vệ -4, cầu thủ -3, hợp đồng -3, mùa giải -3, thi đấu -3, hâm mộ -2, real madrid -2, madrid-2.