Chương 1 trình bày những nội dung khái quát về ontology, xây dựng ontology và học ontology. Luận án cũng giới thiệu các nguyên lý thiết kế và các bước triển khai một ontology miền. Các nội dung về học ontology được giới thiệu một cách khái quát. Độ đo khoảng cách Google, một độ đo thông tin khai phá dữ liệu văn bản được dùng trong một số mô hình học ontology của luận án cũng được trình bày.
Luận án cũng giới thiệu sơ bộ về các dạng mô hình học ontology được luận án tập trung nghiên cứu. Các chương tiếp theo sẽ trình bày một cách chi tiết các mô hình học ontology được luận án đề xuất.
CHƯƠNG 2. MÔ HÌNH HỌC ONTOLOGY TÍCH HỢP VÀ ĐOÁN NHẬN THỰC THỂ
Như đã được nhấn mạnh, trong quá trình xây dựng ontology, việc kế thừa các tài nguyên ontology liên quan sẵn có (các kho ngữ liệu, các ontology, v.v.) rất được coi trọng. Các mô hình học ontology cho phép khai thác tập tên của các Lớp, tên của các Khái niệm, tên của các Thuộc tính, Thể hiện của các thuộc tính, các Quan hệ giữa các khái niệm, v.v. để phát hiện ra các khái niệm và lớp mới, các quan hệ giữa các khái niệm, kế thừa các khái niệm và mối quan hệ vào việc xây dựng các thành phần cho ontology cần phát triển.
Trong chương này, luận án đề xuất một mô hình học ontology miền biểu hiện y sinh (phenotype, còn được gọi là “kiểu hình”) bao gồm hai thành phần chính: (i) thành phần tích hợp hai kho ngữ liệu thực thể biểu hiện y sinh, (ii) thành phần xây dựng một bộ nhận dạng thực thể (Named Entity recognition: NER) biểu hiện y sinh dựa trên việc sử dụng mô hình học máy Maximum Entropy - Beam Search (EM-BS) với dữ liệu huấn luyện là kết quả của thành phần thứ nhất; mô hình nhận dạng thực thể biểu hiện y sinh kết quả được đánh giá trên các bộ dữ liệu kiểm thử được cộng đồng công nhận. Một phần kết quả nghiên cứu trong chương này của luận án đã được công bố trong [VNTrinh1].