c. Mô hình tập thô dung sai
3.1. Giới thiệu chung
Ở Việt Nam hiện nay, hầu như tất cả các bài toán tiếng Việt điển hình của Khai phá văn bản đều đã được nghiên cứu và cài đặt thành ứng dụng như Tìm kiếm văn bản, Phân lớp & Phân loại văn bản..., đóng góp rất nhiều vào sự phát triển của lĩnh vực Xử lý văn bản tự động tiếng Việt. Tuy nhiên, bài toán Tóm tắt văn bản thì chưa có nhiều nghiên cứu tiến hành đề xuất và xây dựng thành công ứng dụng. Có lẽ bởi vì bài toán này không chỉ cần những công cụ và phương pháp của Khai phá văn bản mà còn phải lưu ý đến những vấn đề về Xử lý ngôn ngữ tự nhiên (Natural Language Processing). Điều này thật không tương xứng với nền thông tin tri thức hiện tại của Việt Nam, khi mà đang có hàng ngàn nhu cầu khác nhau cần đến những ứng dụng trợ giúp tóm lược văn bản hay sinh tiêu đề và hiển thị chúng theo những dạng mong muốn.
Chính sự dễ dàng khi truy cập vào kho dữ liệu Internet khổng lồ và phong phú lại là nhược điểm cho việc tìm kiếm những thông tin mà chúng ta cần đến bởi chúng quá nhiều và không thống nhất về định dạng lưu trữ và hiển thị. Kể cả khi đã lấy được những thông tin đó thông qua các hệ thống phân loại, tìm kiếm thì cũng không thể nắm bắt toàn bộ vì thời gian thì có hạn mà số lượng thông tin trả về quá lớn. Đấy là chúng ta còn chưa kể đến việc những thông tin này liệu đã chính xác như mong muốn hay chưa, liệu chúng ta có nên bỏ thời gian để đọc chúng ? Một hệ thống Tóm tắt văn bản sẽ giúp chúng ta giải quyết phần lớn các nhu cầu vừa nêu. Hệ thống sẽ giúp chúng ta đọc nhanh hơn, nắm bắt những tri thức cần thiết trong một tài liệu khoa học hàng trăm bằng cách tóm lược tài liệu đó lại thành một đoạn văn bản dài vài ba chục trang. Một xếp các văn bản khác đưa vào chờ ta đọc và ta sẽ nắm bắt được những ý chính, cốt yếu của chúng. Những văn bản tìm thấy từ Internet, ta nhờ hệ thống quyết định liệu ta nên đọc văn bản nào để có thể tìm đúng thông tin ta cần. Những tóm lược ngắn gọn các công việc mà cô thư ký
đưa, những bản giới thiệu nội dung phim truyện tuần tới, những bức email thương mại chỉ vài dòng... Đó là những khả năng mà một hệ thống Tóm tắt văn bản có thể mang lại.