Bài báo trình bày kết quả nghiên cứu xây dựng một hệ thống gom cụm các thông điệp trên diễn đàn thảo luận nhằm hỗ trợ trích lược nội dung chính trong khối thông điệp. Các thông điệp trên diễn đàn là một dạng văn bản. Để gom cụm thông điệp, cần tìm kiếm mô hình đặc trưng văn bản. | TẠP CHÍ PHÁT TRIỂN KH CN TẬP 11 SÓ 05 - 2008 GOM CỤM ĐỒ THỊ VÀ ỨNG DỤNG VÀO VIỆC RÚT TRÍCH NỘI DUNG CHÍNH CỦA kHói thông điệp trên Diễn đàn thảo Luận Đỗ Phúc Mai Xuân Hùng Nguyễn Thị Kim Phụng Trường Đại học Công nghệ Thông tin Bài nhận ngày 26 tháng 08 năm 2007 hoàn chỉnh sửa chữa ngày 03 tháng 03 năm 2008 TÓM TẢT Bài báo trình bày kết quả nghiên cứu xây dựng một hệ thống gom cụm các thông điệp trên diễn đàn thảo luận nhằm hỗ trợ trích lược nội dung chính trong khối thông điệp. Các thông điệp trên diễn đàn là một dạng văn bản. Để gom cụm thông điệp cần tìm kiếm mô hình đặc trưng văn bản. Các tiếp cận trước đây đã sử dụng mô hình tập hợp từ hay vector từ để đặc trưng văn bản. Các mô hình này đã bỏ sót các thông tin quan trọng trong văn bản như vị trí của từ trong văn bản quan hệ ngữ nghĩa giữa các từ các liên kết trên các văn bản web. Gần đây đã có các công trình nghiên cứu sử dụng đồ thị để đặc trưng văn bản. Sau khi biểu diễn các thông điệp bằng đồ thị chúng tôi đã chọn giải pháp gom cụm đồ thị bằng mạng Kohonen vì mạng Kohonen có thể gom cụm dữ liệu mà không cần chỉ định trước số cụm. Ngoài ra mạng Kohonen có khả năng biểu diễn trực quan khối văn bản trên màn hình máy tính thông qua lớp ra Kohonen 2D. Chúng tôi đã tiến hành nghiên cứu cách tính khoảng cách giữa hai đồ thị dựa trên đồ thị con chung lớn nhất và cách cập nhật trọng số của mạng Kohonen dựa trên đồ thị có trọng bằng thuật giải di truyền sau đó tiến hành thử nghiệm và phân tích kết quả. Từ khóa Đồ thị trung bình có trọng Gom cụm đồ thị Khoảng cách đồ thị Mạng Kohonen Thuật giải di truyền 1. GIỚI THIỆU Trong các hệ thống trực tuyến diễn đàn thảo luận là phương tiện hữu hiệu để trao đổi thảo luận. Khối lượng thông tin trao đổi trên diễn đàn thảo luận là rất lớn hàng tháng có thể lên đến hàng ngàn thông điệp. Với số lượng này người quản lý diễn đàn sẽ rất khó khăn khi cần nắm bắt các nội dung chính của thông tin trao đổi trên diễn đàn trong một giai đoạn 4 . Bài báo trình bày kết quả nghiên cứu
