Một cuốn y thư có thể ghi chép về nhiều bài thuốc. Một bài thuốc có thể gồm nhiều vị dược liệu. Một dược liệu lại có nhiều tên gọi khác nhau và xuất hiện trong nhiều tài liệu.
Nếu mỗi thông tin tồn tại riêng biệt, chúng ta chỉ có một tập hợp dữ liệu.
Nhưng khi những thông tin đó được xác định mối liên hệ, một điều khác bắt đầu xuất hiện: mạng lưới tri thức.
Đây là một bước quan trọng trong quá trình chuyển đổi từ lưu trữ thông tin sang tổ chức tri thức.
Đối với Y học cổ truyền Việt Nam, vấn đề liên kết đặc biệt có ý nghĩa bởi kho tri thức hiện có rất đa dạng, phân tán và được hình thành qua nhiều giai đoạn lịch sử.
Một người nghiên cứu có thể cần kết nối đồng thời:
- Danh y
- Y thư
- Dược liệu
- Bài thuốc
- Thuật ngữ
- Địa danh
- Tài liệu nghiên cứu
- Nguồn tham chiếu
Nếu không có cơ chế liên kết, mỗi lần nghiên cứu đều có thể bắt đầu lại từ việc tìm kiếm thủ công.
Dữ liệu riêng lẻ chưa tạo thành tri thức
Hãy tưởng tượng một cơ sở dữ liệu có các danh sách riêng biệt.
Danh sách thứ nhất chứa tên danh y.
Danh sách thứ hai chứa tên y thư.
Danh sách thứ ba chứa tên dược liệu.
Danh sách thứ tư chứa các bài thuốc.
Tất cả dữ liệu đều có thể chính xác. Nhưng nếu không biết chúng liên quan với nhau như thế nào, giá trị khai thác vẫn còn hạn chế.
Ví dụ, một câu hỏi đơn giản như:
Một dược liệu xuất hiện trong những tài liệu nào?
sẽ khó trả lời nếu không có liên kết giữa dược liệu và tài liệu.
Hoặc:
Một bài thuốc được ghi nhận trong nguồn nào?
cũng cần một mối quan hệ rõ ràng giữa bài thuốc và nguồn tư liệu.
Tri thức không chỉ nằm trong từng đối tượng.
Trong nhiều trường hợp, tri thức còn nằm ở mối quan hệ giữa các đối tượng.
Một đối tượng có thể có nhiều mối quan hệ
Trong thực tế, không có nhiều đối tượng tri thức tồn tại hoàn toàn độc lập.
Một danh y có thể:
- Biên soạn một tác phẩm
- Được nhắc đến trong tài liệu khác
- Liên quan đến một giai đoạn lịch sử
- Có liên hệ với một địa phương
- Được nghiên cứu trong các công trình hiện đại
Một dược liệu có thể:
- Có nhiều tên gọi
- Xuất hiện trong nhiều bài thuốc
- Được ghi nhận trong nhiều y thư
- Thuộc một nhóm thực vật
- Có các nghiên cứu hiện đại liên quan
Một bài thuốc cũng có thể:
- Bao gồm nhiều vị thuốc
- Có nhiều phiên bản
- Được ghi nhận trong nhiều tài liệu
- Được mô tả trong những bối cảnh khác nhau
Chính sự đa dạng này khiến việc tổ chức tri thức trở nên phức tạp nhưng cũng giàu tiềm năng.
Từ “danh sách” sang “mạng lưới”
Một danh sách thường trả lời câu hỏi:
Có những gì?
Trong khi một mạng lưới có thể trả lời thêm:
Chúng liên quan với nhau như thế nào?
Ví dụ:
Danh sách
- Dược liệu A
- Dược liệu B
- Bài thuốc C
- Y thư D
Mạng lưới
Dược liệu A → xuất hiện trong → Bài thuốc C
Bài thuốc C → được ghi nhận trong → Y thư D
Dược liệu A → có tên khác → Dược liệu B
Cách biểu diễn thứ hai chứa nhiều thông tin hơn dù số lượng đối tượng không thay đổi.
Mối liên hệ tạo ra ngữ cảnh.
Liên kết giúp phát hiện tri thức ẩn
Một lợi ích quan trọng của dữ liệu liên kết là khả năng phát hiện những mối liên hệ không dễ nhận ra khi chỉ đọc từng tài liệu riêng lẻ.
Ví dụ, nếu một dược liệu xuất hiện trong nhiều bài thuốc khác nhau, hệ thống có thể giúp người nghiên cứu nhận diện:
- Những bài thuốc có thành phần chung
- Những nhóm dược liệu thường xuất hiện cùng nhau
- Những tài liệu cùng đề cập đến một đối tượng
- Những khái niệm xuất hiện trong nhiều nguồn
Điều này không tự động tạo ra kết luận khoa học.
Tuy nhiên, nó có thể tạo ra các câu hỏi nghiên cứu mới.
Đây là điểm khác biệt quan trọng:
Dữ liệu liên kết có thể hỗ trợ phát hiện giả thuyết, nhưng không tự động xác nhận giả thuyết.
Liên kết không có nghĩa là mọi thứ đều tương đương
Khi xây dựng mạng lưới tri thức, một nguy cơ là tạo ra những liên kết quá đơn giản.
Ví dụ, hai tài liệu cùng đề cập đến một dược liệu không có nghĩa là chúng đưa ra cùng một nhận định.
Hai thuật ngữ có vẻ tương tự cũng không chắc là đồng nghĩa.
Hai bài thuốc có một số thành phần giống nhau không có nghĩa là chúng có cùng mục đích sử dụng.
Do đó, mỗi mối quan hệ cần được xác định rõ.
Thay vì chỉ ghi:
A liên quan đến B
có thể cần xác định cụ thể hơn:
- A được ghi nhận trong B
- A là thành phần của B
- A được trích dẫn bởi B
- A có tên khác là B
- A được nghiên cứu trong B
Tên gọi của mối quan hệ quan trọng không kém tên gọi của đối tượng.
Chuẩn hóa là điều kiện để liên kết chính xác
Không thể liên kết dữ liệu tốt nếu cùng một đối tượng xuất hiện dưới nhiều tên mà hệ thống không nhận ra.
Ví dụ, một dược liệu có thể xuất hiện dưới:
- Tên dân gian
- Tên địa phương
- Tên Hán Việt
- Tên khoa học
Nếu không có bước chuẩn hóa, hệ thống có thể tạo ra bốn đối tượng khác nhau.
Tương tự, một danh y có thể được gọi bằng tên thật, tên hiệu hoặc các cách phiên âm khác nhau.
Vì vậy, trước khi liên kết cần xác định:
Đây có thực sự là cùng một đối tượng hay không?
Quá trình này thường được gọi là nhận diện hoặc giải quyết thực thể.
Đây là một trong những công việc quan trọng nhưng cũng khó khăn nhất khi xây dựng cơ sở tri thức.
Liên kết cần giữ lại nguồn chứng minh
Một liên kết chỉ có giá trị cao khi có thể biết nó dựa trên đâu.
Ví dụ:
Dược liệu A → xuất hiện trong → Bài thuốc B
Câu hỏi tiếp theo cần được trả lời là:
Nguồn nào ghi nhận mối quan hệ này?
Nếu không có nguồn, một liên kết có thể chỉ là suy luận hoặc dữ liệu được sao chép từ nơi khác.
Do đó, hệ thống tốt nên lưu cả ba thành phần:
Thực thể → Mối quan hệ → Nguồn chứng minh
Ví dụ:
Dược liệu A
↓ xuất hiện trong
Bài thuốc B
↓ được ghi nhận bởi
Tài liệu C
Cách tiếp cận này giúp mạng lưới tri thức không trở thành tập hợp các kết nối không thể kiểm tra.
Knowledge Graph và cách biểu diễn tri thức
Knowledge Graph là một phương pháp biểu diễn thông tin thông qua các thực thể và mối quan hệ.
Trong một hệ thống đơn giản, có thể có:
Thực thể
- Danh y
- Y thư
- Dược liệu
- Bài thuốc
- Thuật ngữ
- Địa danh
Mối quan hệ
- biên soạn
- ghi nhận
- xuất hiện trong
- có tên khác
- thuộc về
- được trích dẫn bởi
Ví dụ:
Danh y → biên soạn → Y thư
Y thư → ghi nhận → Bài thuốc
Bài thuốc → gồm thành phần → Dược liệu
Mô hình này cho phép biểu diễn nhiều loại tri thức khác nhau trong cùng một cấu trúc.
Tuy nhiên, knowledge graph không phải là mục tiêu cuối cùng.
Đồ thị chỉ là một phương tiện để tổ chức và truy xuất tri thức.
Khi nào một liên kết là đáng tin cậy?
Không phải mọi liên kết đều có mức độ chắc chắn giống nhau.
Có thể phân biệt:
Liên kết trực tiếp
Mối quan hệ được ghi rõ trong nguồn.
Ví dụ:
Một tài liệu trực tiếp ghi tên một dược liệu trong thành phần bài thuốc.
Liên kết được suy ra
Mối quan hệ được suy luận từ nhiều dữ liệu.
Ví dụ:
Hai thuật ngữ có thể được cho là tương đương dựa trên nhiều nguồn đối chiếu.
Liên kết giả thuyết
Mối quan hệ mới được đề xuất và cần nghiên cứu thêm.
Việc phân biệt các mức độ này rất quan trọng.
Một hệ thống minh bạch không nên trình bày mọi đường liên kết như những sự thật đã được xác nhận ngang nhau.
Liên kết tri thức có thể hỗ trợ nghiên cứu
Khi dữ liệu được tổ chức tốt, nhà nghiên cứu có thể đặt ra những câu hỏi mới.
Ví dụ:
- Những dược liệu nào thường xuất hiện cùng nhau?
- Một thuật ngữ thay đổi cách sử dụng như thế nào qua các thời kỳ?
- Những tài liệu nào cùng trích dẫn một nguồn?
- Những bài thuốc nào có cấu trúc thành phần tương tự?
Những câu hỏi này có thể khó trả lời khi dữ liệu nằm trong hàng nghìn trang văn bản.
Tuy nhiên, dữ liệu liên kết có thể giúp giảm đáng kể công việc tìm kiếm ban đầu.
Điều này không thay thế nghiên cứu chuyên môn.
Nó giúp nhà nghiên cứu biết nên tìm ở đâu.
Trí tuệ nhân tạo có thể hỗ trợ quá trình liên kết
AI và xử lý ngôn ngữ tự nhiên có thể hỗ trợ nhận diện các thực thể trong tài liệu.
Ví dụ:
- Nhận dạng tên dược liệu
- Phát hiện tên danh y
- Xác định tên bài thuốc
- Tìm các thuật ngữ tương tự
- Gợi ý mối quan hệ tiềm năng
Tuy nhiên, một đề xuất của AI không nên được tự động coi là dữ liệu chính thức.
Quy trình phù hợp có thể là:
AI phát hiện → Hệ thống gợi ý → Con người kiểm tra → Xác nhận → Lưu vào cơ sở tri thức
Cách tiếp cận này kết hợp tốc độ xử lý của máy tính với khả năng đánh giá ngữ cảnh của con người.
Thách thức của dữ liệu liên kết trong YHCT
Việc xây dựng mạng lưới tri thức Y học cổ truyền không đơn giản.
Một số thách thức gồm:
- Thuật ngữ không thống nhất
- Nhiều tên gọi đồng nghĩa
- Tài liệu cổ khó xử lý
- Thiếu dữ liệu số chất lượng cao
- Khó xác định nguồn gốc
- Khó đánh giá mức độ tin cậy
- Nguy cơ diễn giải sai mối quan hệ
Vì vậy, không nên cố gắng xây dựng một hệ thống khổng lồ ngay từ đầu.
Một hướng tiếp cận phù hợp hơn có thể là bắt đầu từ một phạm vi rõ ràng.
Ví dụ:
- Một nhóm y thư
- Một nhóm dược liệu
- Một giai đoạn lịch sử
- Một tập thuật ngữ
Sau đó, hệ thống có thể được mở rộng dần.
Từ dữ liệu liên kết đến khám phá tri thức
Mục tiêu sâu hơn của việc liên kết không chỉ là tạo ra một sơ đồ đẹp.
Khi dữ liệu đủ chất lượng, mạng lưới có thể hỗ trợ:
- Tìm kiếm ngữ nghĩa
- Khám phá mối liên hệ
- Phân tích mạng
- Phát hiện cụm tri thức
- Hỗ trợ đặt câu hỏi nghiên cứu
Có thể hình dung một hành trình:
Tài liệu → Dữ liệu → Thực thể → Mối quan hệ → Mạng lưới → Khám phá tri thức
Mỗi bước đều cần được thực hiện cẩn trọng.
Nếu dữ liệu ban đầu sai, mạng lưới càng lớn có thể càng khuếch đại sai sót.
Kết luận
Tri thức Y học cổ truyền Việt Nam không chỉ nằm trong từng cuốn sách, từng bài thuốc hoặc từng tên dược liệu.
Một phần quan trọng của tri thức nằm trong những mối liên hệ giữa chúng.
Việc liên kết dữ liệu giúp chuyển những thông tin phân tán thành một mạng lưới có ngữ cảnh, hỗ trợ tra cứu, đối chiếu và phát hiện các hướng nghiên cứu mới.
Tuy nhiên, liên kết càng nhiều không đồng nghĩa với tri thức càng đáng tin cậy.
Mỗi mối quan hệ cần được xác định rõ bản chất, có nguồn tham chiếu và được phân biệt giữa thông tin đã ghi nhận với những suy luận cần kiểm chứng.
Đó là nền tảng để xây dựng một hệ tri thức vừa có khả năng mở rộng, vừa giữ được tính minh bạch cần thiết đối với di sản Y học cổ truyền Việt Nam.
Lưu ý: Nội dung bài viết mang tính thông tin, nghiên cứu và tham khảo, không thay thế cho tư vấn, chẩn đoán hoặc điều trị y khoa.
Từ khóa: liên kết tri thức Y học cổ truyền, knowledge graph YHCT, mạng lưới tri thức, dữ liệu liên kết, cơ sở tri thức Y học cổ truyền Việt Nam, thực thể và mối quan hệ, chuẩn hóa dữ liệu YHCT, số hóa tri thức, AI và Y học cổ truyền, bảo tồn tri thức Việt Nam.