Mục tiởu của bỏi tõn phõt hiện sao chờp lỏ xõc định được cõc đoạn giống nhau của văn bản đầu vỏo với cõc tỏi liệu khõc. Nếu coi bất kỳ tỏi liệu nỏo trong khừng gian tớm kiếm đều lỏ tỏi liệu nghi ngờ bị sao chờp thớ độ phức tạp của bỏi tõn sẽ vừ cỳng lớn do hệ thống sẽ phải so sõnh cõc đoạn trong tỏi liệu đầu vỏo với mỗi tỏi liệu trong khừng gian tớm kiếm. Để kiểm chứng điều nỏy, Zou vỏ cộng sự [147] đọ thử nghiệm thời gian tợnh tõn trung bớnh cho một cặp tỏi liệu lỏ 100ms thớ tổng thời gian tợnh tõn cho toỏn bộ kho ngữ liệu cụ thể lớn hơn 200 ngỏy. Điều nỏy lỏ khừng thể chấp nhận được nếu triển khai ứng dụng trong thực tế. Một giải phõp khả thi được đề xuất nhằm giảm khừng gian tớm kiếm lỏ sử dụng mõy tớm kiếm (như ChatNoir, Indri, ClueWeb, Apache Lucene) với đầu vỏo lỏ tập từ khụa vỏ đầu ra lỏ tập tỏi liệu phỳ hợp nhất với tập từ khụa đầu vỏo. Như vậy, bỏi tõn phõt hiện sao chờp cụ thể tõch thỏnh hai bỏi tõn thỏnh phần: tớm tập tỏi liệu ứng cử vỏ phõt hiện đoạn sao chờp giữa tỏi liệu đầu vỏo vỏ một tỏi liệu trong tập tỏi liệu ứng cử. Phĩn tợch chi tiết bỏi tõn tớm tập tỏi liệu ứng cử cho thấy trợch rỷt từ khụa lỏm đầu vỏo cho mõy tớm kiếm lỏ bước quan trọng nhất.
những tồn tại trong cõc cừng trớnh cừng bố của cõc tõc giả đi trước, luận õn đề xuất mừ hớnh hệ thống phõt hiện sao chờp như Hớnh 1.9.
Hớnh 1.9. Mừ hớnh hệ thống phõt hiện sao chờp
Theo mừ hớnh nởu trởn, với việc sử dụng cõc mõy tớm kiếm sẵn cụ luận õn xõc định cõc nội dung nghiởn cứu chợnh lỏ:
- Nghiởn cứu, đề xuất cõc kỹ thuật trợch rỷt từ khụa õp dụng cho văn bản tiếng Anh vỏ tiếng Việt. Với tiếng Việt, luận õn xõc định hai hướng nghiởn cứu gồm nghiởn cứu cõc giải phõp trực tiếp cho văn bản tiếng Việt vỏ cải tiến phương phõp đọ được thử nghiệm thỏnh cừng trởn văn bản tiếng Anh õp dụng cho văn bản tiếng Việt
- Nghiởn cứu, đề xuất cõc kỹ thuật phõt hiện đoạn sao chờp cho ngừn ngữ tiếng Anh. Cải tiến cõc kỹ thuật đọ đề xuất ứng dụng cho văn bản tiếng Việt.
- Xĩy dựng cõc kho ngữ liệu trợch rỷt từ khụa vỏ phõt hiện đoạn sao chờp tiếng Việt. Thử nghiệm cõc đề xuất trởn kho ngữ liệu tiếng Việt đọ xĩy dựng.