Nhìn chung, phương pháp dựa trên từ (word-base) cho độ chính xác khá cao (trên 95%) nhờ vào tập dữ liệu lớn, được đánh dấu chính xác, tuy nhiên
hiệu suất của thuật tốn phụ thuộc hồn tồn vào dữ liệu huấn luyện. Với các phương pháp cần phải sử dụng từ điển hoặc tập huấn luyện, ngồi việc tách từ thật chính xác, cịn cĩ thể nhờ vào các thơng tin đánh dấu trong tập dữ liệu để thực hiện các mục đích khác cần đến việc xác định từ loại như dịch máy, kiểm tra lỗi chính tả, từ điển đồng nghĩa… Do vây, dù thời gian huấn luyện khá lâu, cài đặt phức tạp, chi phí tạo tập dữ liệu lớn rất tốn kém, nhưng kết quả mà hướng tiếp cận dựa vào từ mang lại cho mục đích dịch máy là rất lớn.
Hướng tiếp cận dựa trên ký tự (character-based) cĩ ưu điểm dễ thực hiện, thời gian thực thi tương đối nhanh, tuy nhiên lại cĩ độ chính xác khơng cao bằng phương pháp dựa trên từ. Hướng tiếp cận này thích hợp cho các mục đích nghiên cứu khơng cần đến độ chính xác tuyệt đối cũng như các thơng tin về từ loại như phân loại văn bản, lọc spam, firewall… Nhìn trên tổng thể, hướng tiếp cận dựa trên từ cĩ nhiều ưu điểm đáng kể trong việc định hướng nghiên cứu.
Dựa trên phần so sánh tổng thể các phương pháp và định hướng tách từ nêu trên cùng với mục tiêu chính của đề tài là phân loại nội dung web bằng tiếng Việt nên đề tài quyết định chọn hướng tiếp cận dựa trên “tiếng”. Tuy nhiên, việc phân loại văn bản khơng yêu cầu việc tách từ phải cĩ độ chính xác cao đến mức từng từ nên luận văn khơng tập trung vào mặt ý nghĩa cũng như những đặc trưng phức tạp của tiếng Việt như từ đồng nghĩa, từ láy, … mà chỉ xác định tần số của từ đơn, từ ghép tiếng Việt xuất hiện trong nội dung cần lọc nên hướng tiếp cận khác với các phương pháp xác định ngữ nghĩa từ tiếng Việt. Phần dưới sẽ trình bày những đặc điểm chính của phương pháp tiếp cận vấn đề.
Phương pháp tách từ sử dụng n-grams tuy khơng giải quyết được bài tốn nhập nhằng về ngữ nghĩa từ nhưng cĩ lợi thế khi áp dụng vào bài tốn phân lớp văn bản do bộ từ điển từ dễ dàng cập nhật lượng từ đầy đủ phù hợp
với lớp văn bản mà đang muốn phân lớp mà khơng bị chi phối bởi các lớp khác do trong tiếng Việt cĩ rất nhiều lĩnh vực mà tùy từng lĩnh vực, chủ đề khác nhau nên cĩ nhiều từ, tiếng khác nhau về mặt phát âm cũng như ý nghĩa, đồng thời việc xử lý tốn một khoảng thời gian cĩ thể chấp nhận được. Phần trên đã đưa ra các phương pháp tách từ trong tiếng Việt cũng như so sánh ưu nhược điểm của các phương pháp đĩ. Phần tiếp theo sẽ trình bày ứng dụng phương pháp tách từ để xây dựng bộ lọc thư rác tiếng Việt.