Dễ nhận thấy rằng kết quả khi áp dụng luật trong hầu hết các trường hợp đều cho kết quả tốt hơn đúng. Tuy nhiên, một số trường hợp kết quả tệ hơn do kho ngữ liệu huấn luyện nhỏ, như trong trường hợp sử dụng thuật toán SVM để nhận diện hành vi trong lớp I.
Đa số trường hợp, kết quả phân lớp sử dụng đặc trưng n-gram (n=2) sẽ làm tăng hiệu quả phân lớp.
Một số trường hợp, kết quả phân lớp khi kết hợp đặc trưng BoW và SRL sẽ tốt hơn khi kết hợp với đặc trưng n-gram. Điều này đúng với mong muốn của luận văn cho bởi vì tập đặc trưng luật dù kích thước nhỏ vẫn cho kết quả tốt hơn khi kết hợp với tập đặc trưng n-gram (kích thước lớn).
Trong hầu hết các trường hợp thử nghiệm, kết quả khi kết hợp cả 3 tập đặc trưng BoW, đặc trưng luật và n-gram sẽ cho kết quả tốt nhất.
4.2.3 Kết luận
Với kết quả thực nghiệm như trên, đã chứng minh được ý nghĩa của việc sử dụng đặc trưng luật trong bài toán phân loại văn bản. Và thuật toán SVM là một lựa chọn tốt hơn Naïve Bayes trong bài toán phân loại văn bản.
Tuy nhiên, việc xây dựng tập luật này được thực hiện thủ công tốn nhiều công sức do việc phân tích ngôn ngữ diễn đạt các hành vi. Do vậy trong trường hợp không sử dụng đặc trưng luật để nâng cao hiệu quả của hệ thống, thì tập đặc trưng tốt nhất là kết hợp của BoW và n-gram.
Chương 5
Kết luận và hướng phát triển 5.1 Các kết quả đạt được
Sau quá trình thực hiện, luận văn đã đạt được một số kết quả sau:
Đầu tiên, luận văn đã đề xuất được một cách rút trích đặc trưng khái niệm để nâng cao hiệu quả trong việc phân lớp trong đó tập đặc trưng khái niệm
được xây dựng thủ công dưới dạng một tập luật, được biểu diễn và rút trích thông qua ngôn ngữ và công cụ SRL. Kết quả thực nghiệm đã chứng minh được hiệu quả của việc bổ sung tập đặc trưng này với các tập đặc trưng cơ sở. Và tập đặc trưng tốt nhất để biểu diễn tài liệu là kết hợp tập đặc trưng khái niệm với các tập đặc trưng cơ sở bag-of-words và n-gram. Với kết quả phân lớp khá cao (~80%) , do đó có thể xây dựng được hệ thống phát hiện sớm dựa trên kết quả này.
Thứ hai, luận văn đã đưa ra được kiến trúc của hệ thống phát hiện sớm các bất thường và đưa ra các cảnh báo cho cộng đồng: Hệ thống này khai thác mạng xã hội Twitter để phát hiện sự bất thường của các hành vi tự bảo vệ mình (A, I, S, W) và tự chẩn đoán (F). Từ các thông điệp tweet nói về mọi lĩnh vực, hệ thống đã tiến hành download và lọc lại qua việc sử dụng các API tìm kiếm. Sau đó sẽ nhận diện được các hành vi của người dùng thông qua các bộ phân lớp sử dụng thuật toán SVM và Naïve Bayes trên các tập đặc trưng bag of words, bi-gram (n-gram với n=2) và đặc trưng khái niệm. Kết quả thực nghiệm cho thấy rằng, kết quả phân lớp tốt nhất khi sử dụng thuật toán SVM. Sau khi nhận diện được các hành vi của người dùng, hệ thống tiến hành gom cụm các thông điệp theo vị trí, thời gian. Với mỗi cụm, độ bất thường của các hành vi được tính toán theo thuật toán C2. Độ bất thường này sẽ được trực quan hóa trên một giao diện bản đồ để cung cấp cho người dùng cuối.
5.2 Hướng phát triển
Mở rộng kho ngữ liệu:
Do kích thước của kho ngữ liệu huấn luyện còn nhỏ đối với một số lớp (ví dụ như lớp I), nên kết quả phân lớp không đáng tin cậy trong một số ít trường hợp. Do đó, một hướng phát triển trong tương lai là mở rộng kho ngữ liệu.
Hoàn thiện tập luật:
Do thời gian có hạn, luận văn chỉ đưa ra một số luật để thử nghiệm hiệu quả của việc bổ sung đặc trưng luật, tuy nhiên tập luật chưa đầy đủ do đó không cực đại hóa được hiệu năng của hệ thống. Trong tương lai, nếu bộ luật này hoàn thiện thì hiệu năng của hệ sống sẽ tăng lên.
Mở rộng tập các hành vi:
Hiện tại hệ thống hoạt động với 2 loại hành vi tự bảo vệ mình và tự chẩn đoán. Tương lai có thể mở rộng các nhóm hành vi tự bảo vệ mình và các hành vi tự chẩn đoán liên quan các bệnh khác.
Mở rộng việc giám sát các bất thường:
Ngoài việc giám sát sự các hành vi, hệ thống đang nhắm tới phát hiện các bất thường về những triệu chứng của các bệnh xuất hiện trong cộng đồng qua các phát ngông của người dùng của Twitter.
Phụ lục A
Trích dẫn bài báo khoa học đã công bố
Chúng tôi đã trích đăng một phần kết quả của luận văn trong công trình [31]
tại hội nghị Fourth International Symposium on Semantic Mining in Biomedicine (SMBM) 25th -26th October, 2010, European Bioinformatics Institute, Hinxton, Cambridgeshire, UK).
Tài liệu tham khảo
[1] J.H. Jones and M. Salathe, "Early Assessment of Anxiety and Behavioral Response to Novel Swine-Origin Influenza A (H1N1)," 2009.
[2] J.P. Woodall, "Global surveillance of emerging diseases: the ProMED-mail perspective," Cad. saúde pública, vol. 17, p. 147, 2001.
[3] L.C. Madoff and J.P. Woodall, "The internet and the global monitoring of emerging diseases: lessons from the first 10 years of ProMED-mail," Archives of medical research, vol. 36, pp. 724–730, 2005.
[4] L.C. Madoff, "ProMED-mail: an early warning system for emerging diseases," Clinical infectious diseases, vol. 39, pp. 227–232, 2004.
[5] M. Hugh-Jones, "Global awareness of disease outbreaks: the experience of ProMED-mail," Public Health Reports, vol. 116, p. 27, 2001.
[6] S. Doan, A. Kawazoe, R.M. Goodwin, M. Conway, Y. Tateno, Q.H. Ngo, D. Dien, A. Kawtrakul, K. Takeuchi, and others N. Collier, "BioCaster: detecting public health rumors with a Web-based text mining system," Bioinformatics, vol. 24, p. 2940, 2008.
[7] S. Doan, A. Kawazoe, and N. Collier M. Conway, "Classifying Disease Outbreak Reports Using N-grams and Semantic Features," 2009.
[8] C. Hutchatai, S. Mika, and C. Nigel K. Ai, "Structuring an event ontology for disease outbreak detection," BMC Bioinformatics, vol. 9.
[9] R. Steinberger, F. Fuart, S. Bucci, J. Belyaeva, M. Gemo, D. Al-Khudhairy, R. Yangarber, and E. van der Goot J.P. Linge, "MedISys: Medical Information System".
[10] J. Belyaeva, M. Gemo, E. Goot, and J.P. Linge A. Rortais, "MedISys: an early warning system for the detection of (re-) emerging food-and feed-borne hazards," Food Research International, 2010.
[11] F. Sebastiani, "Machine learning in automated text categorization," ACM computing surveys (CSUR), vol. 34, pp. 1–47, 2002.
[12] S. Kotsiantis, and V. Tampakas M. Ikonomakis, "Text classification using machine learning techniques," WSEAS Transactions on Computers, vol. 4, pp. 966–974, 2005.
[13] G. Salton and C. Buckley, "Term-weighting approaches in automatic text retrieval," Information processing & management, vol. 24, pp. 513–523, 1988.
[14] M. Lalmas, and N. Fuhr N. Govert, "A probabilistic description-oriented approach for categorizing web documents," Proceedings of the eighth international conference on Information and knowledge management, pp.
[15] L.S. Larkey and W.B. Croft, "Combining classifiers in text categorization,"
Proceedings of the 19th annual international ACM SIGIR conference on Research and development in information retrieval, pp. 289–297, 1996.
[16] G.R. Xue, Q. Yang, and Y. Yu W. Dai, "Transferring naive bayes classifiers for text classification," PROCEEDINGS OF THE NATIONAL CONFERENCE ON ARTIFICIAL INTELLIGENCE, p. 540, 2007.
[17] H.C. Rim, D.S. Yook, and H.S. Lim S.B. Kim, "Effective methods for improving Naive Bayes text classifiers," PRICAI 2002: Trends in Artificial Intelligence, pp. 479–484, 2002.
[18] C. Chung and C. Lin, "LibSVM: a libary for Support Vector Machine," 2001. [19] C.C. Chang, C.J. Lin, and others C.W. Hsu, "A practical guide to support
vector classification," Citeseer, 2003.
[20] J. Hu, H. Zeng, and Z. Chen P. Wang, "Using Wikipedia knowledge to improve text classification," Knowledge and Information Systems, vol. 19, pp. 265-281, 2008.
[21] E. Gabrilovich and S. Markovitch, "Feature generation for text categorization using world knowledge," International Joint Conference on Artificial Intelligence, p. 1048, 2005.
[22] R. Beckwith, C. Fellbaum, D. Gross, and K.J. Miller G.A. Miller, "Introduction to wordnet: An on-line lexical database," International Journal of lexicography, vol. 3, p. 235, 1990.
[23] (2010, April) Just the Facts: Statistics from Twitter Chirp. [Online]. http://www.readwriteweb.com/archives/just_the_facts_statistics_from_twitter _chirp.php?utm_source=feedburner&utm_medium=feed&utm_campaign=Fe ed%3A+readwriteweb+%28ReadWriteWeb%29&utm_content=Google+Read er
[24] Collier, "What’s unusual in online disease outbreak news?," 2010.
[25] (2010) Twitter API Wiki / Twitter API Documentation. [Online]. http://apiwiki.twitter.com/Twitter-API-Documentation
[26] "Guide line for building training corpus - DIZZIE project," 2010.
[27] Nigel Collier John McCare. (2010, Aug.) SRL Project. [Online]. http://code.google.com/p/srl-editor/
[28] E. Frank, L. Trigg, M. Hall, G. Holmes, and S.J. Cunningham I.H. Witten, "Weka: Practical machine learning tools and techniques with Java implementations," ICONIP/ANZIIS/ANNES, pp. 192–196, 1999.
[29] Weka 3 - Data Mining with Open Source Machine Learning Software in Java. [Online]. http://www.cs.waikato.ac.nz/ml/weka/
[30] Thompson W, Seeman MG, Treadwell T Hutwagner L, "The Bioterrorism Preparedness and Response Early Aberration Reporting System (EARS),"
i89-i96., 2003.
[31] Nigel Collier, Truong-Son Nguyen, and Ngoc-Mai Nguyen, "OMG U got flu? Analysis of shared health messages for bio-surveillance," Fourth International Symposium on Semantic Mining in Biomedicine (SMBM), 2010.
[32] S. Doan, A. Kawazoe, and N. Collier M. Conway, "Classifying disease outbreak reports using n-grams and semantic features," International journal of medical informatics, 2009.
[33] J. Platt, D. Heckerman, and M. Sahami S. Dumais, "Inductive learning algorithms and representations for text categorization," Proceedings of the seventh international conference on Information and knowledge management, pp. 148–155, 1998.
[34] Nigel Collier , Truong-Son Nguyen, Ngoc-Mai Nguyen, Son Doan, "DIZZIE Project," National Institute of Informatics, 2010.
[35] A. Kawazoe, L. Jin, M. Shigematsu, D. Dien, R.A. Barrero, K. Takeuchi, and A. Kawtrakul N. Collier, "A multilingual ontology for infectious disease surveillance: rationale, design and challenges," Language Resources and Evaluation, vol. 40, no. 405, 2007.
[36] F. Damerau, and S.M. Weiss C. Apté, "Automated learning of decision rules for text categorization," ACM Transactions on Information Systems (TOIS), vol. 12, pp. 233–251, 1994.