Con người có thể đọc một đoạn văn và hiểu được nhiều thông tin nằm bên trong đó.
Ví dụ, khi đọc một câu:
Một bài thuốc được ghi nhận trong một tài liệu và gồm nhiều vị thuốc khác nhau.
Con người có thể tự nhiên nhận ra:
- Có một bài thuốc
- Có một tài liệu
- Bài thuốc được ghi nhận trong tài liệu đó
- Bài thuốc có nhiều thành phần
Nhưng đối với máy tính, một đoạn văn trước hết chỉ là tập hợp các ký tự.
Máy tính không tự động hiểu đâu là bài thuốc, đâu là tài liệu và đâu là mối quan hệ giữa chúng.
Đây là một thách thức quan trọng trong quá trình xây dựng hệ thống tri thức số.
Nếu muốn máy tính hỗ trợ tìm kiếm, phân tích hoặc khám phá tri thức, chúng ta cần chuyển một phần thông tin từ dạng văn bản tự do sang một cấu trúc có ý nghĩa rõ ràng hơn.
Quá trình này thường được gọi là biểu diễn tri thức.
Tri thức không chỉ là văn bản
Một cuốn sách là một dạng lưu trữ tri thức.
Một bài viết cũng là một dạng lưu trữ tri thức.
Nhưng tri thức trong văn bản thường được thể hiện theo ngôn ngữ tự nhiên.
Ví dụ:
Tác giả A biên soạn tác phẩm B.
Con người hiểu ngay mối quan hệ:
A → tác giả của → B
Nếu muốn máy tính xử lý mối quan hệ này, chúng ta có thể biểu diễn rõ hơn:
| Chủ thể | Quan hệ | Đối tượng |
|---|---|---|
| Tác giả A | biên soạn | Tác phẩm B |
Lúc này, thông tin không chỉ tồn tại dưới dạng một câu văn.
Nó đã trở thành một cấu trúc dữ liệu có thể được truy vấn.
Đây là sự chuyển đổi quan trọng từ:
Văn bản chứa tri thức
sang:
Dữ liệu biểu diễn tri thức.
Ba thành phần cơ bản
Một cách đơn giản để biểu diễn tri thức là xác định ba thành phần.
Thực thể
Thực thể là đối tượng mà chúng ta muốn mô tả.
Ví dụ:
- Danh y
- Y thư
- Dược liệu
- Bài thuốc
- Thuật ngữ
- Địa danh
Thuộc tính
Thuộc tính mô tả đặc điểm của thực thể.
Ví dụ:
Y thư
├── Tên
├── Thời kỳ
├── Ngôn ngữ
└── Loại tài liệu
Mối quan hệ
Mối quan hệ kết nối các thực thể.
Ví dụ:
Danh y → biên soạn → Y thư
Hoặc:
Bài thuốc → gồm thành phần → Dược liệu
Ba lớp này tạo thành nền tảng cho nhiều mô hình biểu diễn tri thức.
Tại sao không chỉ sử dụng cơ sở dữ liệu thông thường?
Cơ sở dữ liệu dạng bảng rất hiệu quả trong nhiều trường hợp.
Ví dụ:
| ID | Tên | Loại |
|---|---|---|
| 001 | A | Dược liệu |
| 002 | B | Dược liệu |
Nhưng khi số lượng quan hệ tăng lên, việc biểu diễn bằng bảng có thể trở nên phức tạp.
Hãy tưởng tượng một thực thể có thể liên quan đến:
- Nhiều tài liệu
- Nhiều tên gọi
- Nhiều bài thuốc
- Nhiều khái niệm
- Nhiều địa danh
Mỗi loại quan hệ có thể cần một bảng liên kết riêng.
Điều này vẫn có thể thực hiện được, nhưng việc khám phá các chuỗi quan hệ phức tạp có thể trở nên khó khăn hơn.
Ví dụ:
Danh y nào có tác phẩm đề cập đến một dược liệu xuất hiện trong một nhóm bài thuốc cụ thể?
Đây không còn là một câu hỏi đơn giản về một bảng dữ liệu.
Nó là câu hỏi đi qua nhiều lớp quan hệ.
Đó là lý do mô hình đồ thị thường phù hợp với các bài toán tri thức liên kết.
Biểu diễn dưới dạng bộ ba
Một mô hình phổ biến là biểu diễn thông tin dưới dạng:
Chủ thể → Quan hệ → Đối tượng
Ví dụ:
Tuệ Tĩnh → liên quan đến → Nam Dược Thần Hiệu
Hoặc:
Bài thuốc A → có thành phần → Dược liệu B
Mỗi cấu trúc như vậy có thể được gọi là một bộ ba tri thức.
Khi nhiều bộ ba được kết nối, chúng có thể tạo thành một mạng lưới.
Ví dụ:
Danh y
↓ biên soạn
Y thư
↓ ghi nhận
Bài thuốc
↓ có thành phần
Dược liệu
Điều quan trọng là máy tính có thể đi theo các đường liên kết này.
Cùng một thông tin có thể có nhiều cách biểu diễn
Biểu diễn tri thức không phải là một công việc có duy nhất một đáp án.
Ví dụ, câu:
Một dược liệu được ghi nhận trong một y thư.
Có thể biểu diễn:
Dược liệu → được ghi nhận trong → Y thư
Hoặc:
Y thư → ghi nhận → Dược liệu
Hai cách đều có thể đúng.
Nhưng nếu một hệ thống sử dụng cả hai cách một cách không kiểm soát, dữ liệu sẽ trở nên thiếu nhất quán.
Do đó, khi xây dựng hệ thống cần xác định quy ước.
Ví dụ:
Tài liệu → ghi nhận → Thực thể
thay vì đôi khi đảo ngược:
Thực thể → xuất hiện trong → Tài liệu
Việc chuẩn hóa hướng và tên của quan hệ giúp dữ liệu dễ quản lý hơn.
Không nên biến mọi câu thành dữ liệu
Một sai lầm có thể xảy ra khi xây dựng hệ tri thức là cố gắng chuyển toàn bộ nội dung văn bản thành các mối quan hệ.
Không phải thông tin nào cũng dễ hoặc cần được cấu trúc hóa.
Một đoạn giải thích dài về lý luận có thể chứa:
- Bối cảnh
- Cách lập luận
- Ý nghĩa lịch sử
- Những điều kiện ngoại lệ
Nếu cố ép toàn bộ nội dung vào một số bộ ba đơn giản, nhiều sắc thái có thể bị mất.
Do đó, một hệ thống tốt thường duy trì nhiều lớp dữ liệu:
Văn bản gốc
↓
Dữ liệu trích xuất
↓
Thực thể và quan hệ
Mỗi lớp phục vụ một mục đích khác nhau.
Dữ liệu có cấu trúc giúp máy tính xử lý.
Văn bản gốc giúp con người kiểm tra ngữ cảnh.
Ngữ cảnh là một phần của tri thức
Một mối quan hệ có thể đúng trong một nguồn nhưng chưa chắc được ghi nhận trong mọi nguồn.
Ví dụ:
Tài liệu A ghi nhận X có liên quan đến Y.
Thông tin này cần được biểu diễn cùng với nguồn.
Nếu chỉ lưu:
X → liên quan đến → Y
hệ thống có thể tạo cảm giác đây là một sự thật tuyệt đối.
Một cách đầy đủ hơn là:
X → liên quan đến → Y
Nguồn → Tài liệu A
Hoặc mô hình hóa trực tiếp thông tin về nguồn, thời gian và mức độ xác nhận.
Điều này đặc biệt quan trọng đối với dữ liệu lịch sử và chuyên ngành.
Một thực thể không nhất thiết chỉ có một tên
Trong Y học cổ truyền, tên gọi có thể thay đổi theo:
- Thời kỳ
- Vùng miền
- Ngôn ngữ
- Nguồn tư liệu
Nếu mỗi tên được tạo thành một thực thể hoàn toàn độc lập, hệ thống có thể bị phân mảnh.
Ngược lại, nếu gộp tất cả tên giống nhau mà không kiểm tra, có thể tạo ra liên kết sai.
Một mô hình phù hợp có thể là:
Thực thể chính
├── Tên ưu tiên
├── Tên đồng nghĩa
├── Tên địa phương
└── Tên xuất hiện trong nguồn cổ
Như vậy, việc biểu diễn tri thức cần giải quyết không chỉ vấn đề “có thông tin gì” mà còn:
Thông tin này được gọi bằng những cách nào?
Quan hệ cần có ý nghĩa cụ thể
Một mạng lưới với hàng nghìn đường nối chưa chắc có giá trị.
Giá trị nằm ở ý nghĩa của từng đường nối.
Ví dụ, quan hệ:
liên quan đến
rất rộng.
Trong nhiều trường hợp, nên thay bằng các quan hệ cụ thể hơn:
- Là tác giả của
- Được ghi trong
- Là thành phần của
- Có tên khác là
- Thuộc nhóm
- Được trích dẫn bởi
Quan hệ càng rõ, khả năng truy vấn càng tốt.
Tuy nhiên, cũng không nên tạo ra quá nhiều loại quan hệ phức tạp ngay từ đầu.
Một hệ thống cần tìm sự cân bằng giữa:
Đủ chi tiết để có ý nghĩa
và:
Đủ đơn giản để có thể duy trì.
Biểu diễn tri thức giúp đặt câu hỏi mới
Khi thông tin được tổ chức dưới dạng thực thể và quan hệ, người dùng có thể đặt những câu hỏi khác.
Thay vì:
Tìm một đoạn văn có chứa từ khóa.
Có thể hỏi:
Những tác phẩm nào được liên kết với một danh y?
Hoặc:
Một dược liệu xuất hiện trong những bài thuốc nào?
Hoặc:
Hai thực thể này có được kết nối thông qua một nguồn chung không?
Đây là sự chuyển đổi từ tìm kiếm văn bản sang truy vấn tri thức.
Khả năng đặt câu hỏi phụ thuộc rất lớn vào cách dữ liệu được biểu diễn.
Biểu diễn tri thức và suy luận
Khi các mối quan hệ được kết nối, hệ thống có thể hỗ trợ phát hiện một số liên hệ gián tiếp.
Ví dụ:
A → tác giả của → B
B → ghi nhận → C
Hệ thống có thể giúp người dùng khám phá chuỗi:
A → B → C
Tuy nhiên, cần phân biệt giữa:
- Liên kết được ghi nhận trực tiếp
- Liên kết được suy ra thông qua cấu trúc
Việc A liên quan đến B và B liên quan đến C không tự động chứng minh rằng A có quan hệ trực tiếp với C.
Suy luận cần dựa trên các quy tắc rõ ràng.
Nếu không, mạng lưới có thể tạo ra những kết luận vượt quá dữ liệu ban đầu.
AI có thể hỗ trợ trích xuất tri thức
Khi có hàng nghìn trang tài liệu, việc đọc và nhập từng thực thể bằng tay sẽ rất tốn thời gian.
AI có thể hỗ trợ:
- Nhận diện tên người
- Phát hiện tên tài liệu
- Trích xuất thuật ngữ
- Phát hiện các mối quan hệ được đề cập
Ví dụ, từ một câu văn, hệ thống có thể gợi ý:
Thực thể A
Quan hệ: được ghi trong
Thực thể B
Nhưng đây mới chỉ là đề xuất.
Một câu có thể mang nghĩa phức tạp hơn cách AI diễn giải.
Do đó, quy trình phù hợp là:
AI trích xuất → Con người kiểm tra → Xác nhận → Đưa vào cơ sở tri thức
Công nghệ giúp giảm khối lượng công việc.
Nhưng kiểm chứng vẫn là điều kiện cần thiết.
Biểu diễn tri thức là nền tảng, không phải sản phẩm cuối cùng
Một hệ thống biểu diễn tri thức tốt có thể phục vụ nhiều ứng dụng.
Ví dụ:
- Từ điển trực tuyến
- Công cụ tìm kiếm
- Knowledge graph
- Hệ thống hỏi đáp
- Công cụ phân tích dữ liệu
- Ứng dụng giáo dục
- AI hỗ trợ nghiên cứu
Điều này cho thấy giá trị của việc xây dựng dữ liệu nền.
Người dùng cuối có thể không nhìn thấy cấu trúc bên dưới.
Nhưng chính cấu trúc đó quyết định hệ thống có thể phát triển đến đâu.
Cần bắt đầu từ mô hình đơn giản
Một hệ tri thức quy mô lớn có thể rất phức tạp.
Nhưng không nhất thiết phải bắt đầu bằng hàng trăm loại thực thể và quan hệ.
Một phiên bản ban đầu có thể tập trung vào các nhóm cơ bản:
Thực thể
- Danh y
- Y thư
- Dược liệu
- Bài thuốc
- Thuật ngữ
Quan hệ
- Biên soạn
- Ghi nhận
- Là thành phần của
- Có tên khác
Sau khi dữ liệu phát triển, mô hình có thể được mở rộng.
Cách tiếp cận từng bước giúp giảm nguy cơ xây dựng một hệ thống quá phức tạp nhưng khó sử dụng.
Từ văn bản đến hệ tri thức
Có thể hình dung hành trình như sau:
Tài liệu gốc
↓
Số hóa văn bản
↓
Nhận diện thông tin
↓
Xác định thực thể
↓
Xác định quan hệ
↓
Chuẩn hóa
↓
Liên kết thành mạng lưới
Mỗi bước đều có những thách thức riêng.
Không có một công cụ duy nhất có thể tự động giải quyết toàn bộ quá trình.
Nhưng khi từng bước được thực hiện có phương pháp, các tài liệu rời rạc có thể dần hình thành một cấu trúc tri thức có thể khám phá.
Kết luận
Để máy tính có thể hỗ trợ con người khai thác tri thức, thông tin không thể chỉ tồn tại dưới dạng những đoạn văn rời rạc.
Việc xác định thực thể, thuộc tính và mối quan hệ giúp tạo ra một lớp biểu diễn mà máy tính có thể truy vấn và xử lý.
Tuy nhiên, biểu diễn tri thức không có nghĩa là thay thế tài liệu gốc bằng dữ liệu đơn giản hóa.
Ngược lại, một hệ thống đáng tin cậy cần duy trì liên kết giữa dữ liệu đã cấu trúc và nguồn tư liệu ban đầu.
Đối với Y học cổ truyền Việt Nam, đây có thể là một bước quan trọng trong hành trình từ bảo tồn tài liệu sang xây dựng hạ tầng tri thức.
Khi thông tin có thể được biểu diễn, liên kết và kiểm chứng, máy tính không chỉ giúp lưu trữ nhiều hơn.
Nó có thể trở thành công cụ hỗ trợ con người khám phá những mối liên hệ vốn đang phân tán trong một kho tri thức rộng lớn.
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: biểu diễn tri thức Y học cổ truyền, knowledge representation, thực thể và mối quan hệ, dữ liệu YHCT, knowledge graph, số hóa tri thức, cơ sở tri thức Y học cổ truyền, trích xuất tri thức, AI và YHCT, chuyển đổi số tri thức.