An ninh bảo mật - Nhận dạng văn bản một số ngôn ngữ la tinh

ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG ĐỀ CƯƠNG CHI TIẾT LUẬN VĂN THẠC SĨ TÊN ĐỀ TÀI NHẬN DẠNG VĂN BẢN MỘT SỐ NGÔN NGỮ LA TINH Giáo viên hướng dẫn : TS. Hồ Văn Canh Học viên thực hiện : Lê Mạnh Đoan Lớp : CK14H Thái Nguyên, tháng 5 năm 2016 LỜI CẢM ƠN Trước hết cho phép em chân thành cảm ơn các Thầy giáo, Cô giáo trong khoa Công nghệ thông tin và các cán bộ, nhân viên phòng Đào tạo Sau đại học, Trường Đại học Công nghệ Thông tin và Truyền thông - Đại học Thái Nguyên đã luôn nhiệt tình giúp đỡ và tạo điều kiện tốt nhất cho em trong suốt quá trình học tập tại trường. Xin chân thành cảm ơn các anh, các chị và các bạn học viên lớp Cao học CK14H - Trường Đại học Công nghệ Thông tin và Truyền thông – Đại học Thái Nguyên đã luôn động viên, giúp đỡ và nhiệt tình chia sẻ với em những kinh nghiệm học tập, công tác trong suốt khoá học. Đặc biệt em xin bày tỏ lòng biết ơn sâu sắc đến TS. Hồ Văn Canh, người đã tận tình giúp đỡ em hình thành và hoàn chỉnh luận văn. Mặc dù đã có nhiều cố gắng, song do sự hạn hẹp về thời gian, điều kiện nghiên cứu và trình độ, luận văn không tránh khỏi những khiếm khuyết. Em chân thành mong nhận được sự đóng góp ý kiến của các Thầy giáo, Cô giáo và đồng nghiệp. Một lần nữa em xin cảm ơn! Thái Nguyên, tháng 05 năm 2016 Người thực hiện luận văn Lê Mạnh Đoan ĐỀ CƯƠNG CHI TIẾT LUẬN VĂN THẠC SĨ Tên đề tài:“Nhận dạng văn bản một số ngôn ngữ La tinh”. Giáo viên hướng dẫn: TS. Hồ Văn Canh Học viên thực hiện: Lê Mạnh Đoan Lớp: CK14H Cơ sở đào tạo: Trường Đại học Công nghệ thông tin và Truyền thông/Đại học Thái Nguyên. Chuyên ngành: Khoa học máy tính Mã số chuyên ngành: 60 48 01 1. Đặt vấn đề 1.1. Sự cần thiết lựa chọn đề tài Nhận dạng là một lý thuyết toán học có nhiều ứng dụng trong thực tiễn, như nhận dạng tiếng nói, nhận dạng hình ảnh, nhận dạng chữ ký, phân loại ngôn ngữ , xây dựng tiêu chuẩn bản rõ ứng dụng trong phân tích các bản mã v.v..Trên thế giới cũng như trong nước đã có nhiều nhà nghiên cứu vấn đề này và đã có những phần mềm áp dụng cho nhiều lĩnh vực khác nhau: phần mềm nhận dạng tiếng việt, phần mềm nhận dạng vân tay, phần mềm kiểm soát E-mail trên hệ thống Internet Nhận dạng chữ là bài toán rất hữu ích, quen thuộc được ứng dụng nhiều trong thực tế đặc biệt là trong lĩnh vực nhận dạng và phân loại văn bản vì thế đã thu hút nhiều tác giả quan tâm nghiên cứu bằng các phương pháp nhận dạng khác nhau: logic mờ, giải thuật di truyền, mô hình xác suất thống kê, mô hình mạng nơ ron. Đã có rất nhiều công trình nghiên cứu thực hiện việc nhận dạng, phân loại văn bản La Tinh đã đạt tỷ lệ chính xác cao, tuy nhiên các ứng dụng đó cũng chưa thể đáp ứng hoàn toàn nhu cầu của người sử dụng vậy nên ngày nay người ta vẫn tiếp tục nghiên cứu những phương pháp nhận dạng tốt hơn hướng đến dùng cho các thiết bị di động, và các bài toán thời gian thực. Sau khi tìm hiểu về sự tiến bộ của công nghệ nhận dạng chữ La Tinh cũng như các tính năng cơ bản của các phần mềm nhận dạng chữ, được sự tư vấn của giáo viên hướng dẫn, tôi đã lựa chọn được một hướng nghiên cứu thiết thực với đề tài: "Nhận dạng văn bản một số ngôn ngữ La tinh". Trong khuôn khổ của luận văn, tôi tập trung nghiên cứu, giải quyết bài toán nhận dạng ngôn ngữ tự nhiên dựa vào phân hoạch không gian (nhận dạng theo thống kê toán học), trong đó một lớp ngôn ngữ tiêu biểu được nghiên cứu đó là ngôn ngữ La Tinh như tiếng Anh, tiếng Pháp, v.v. 1.2. Mục tiêu nghiên cứu của đề tài - Nghiên cứu và xây dựng chương trình nhận dạng văn bản ứng với các ngôn ngữ tự nhiên như : Tiếng Anh, Tiếng Pháp, Tiếng Đức, Tiếng Tây Ban Nha. 2. Đối tượng và phạm vi nghiên cứu 2.1. Đối tượng - Ngôn ngữ tự nhiên là đối tượng nghiên cứu chính của đề tài 2.2. Phạm vi nghiên cứu - Tìm hiểu tổng quan về nhận dạng; - Tìm hiểu các đặc trưng của ngôn ngữ La tinh. - Xây dựng, cài đặt một số kỹ thuật nhận dạng ngôn ngữ La tinh. 3.3. Hướng nghiên cứu của đề tài - Nghiên cứu quá trình Markov hữu hạn trạng thái. - Nghiên cứu và xây dựng mô hình Markov ứng với các ngôn ngữ tự nhiên như : Tiếng Anh, Tiếng Pháp, Tiếng Đức, Tiếng Tây Ban Nha. 4. Cấu trúc của luận văn Dự kiến luận văn gồm: Phần mở đầu, ba chương chính, kết luận và tài liệu tham khảo cụ thể: Phần mở đầu: Nêu lý do chọn đề tài và bố cục của luận văn Chương 1: TỔNG QUAN VỀ NHẬN DẠNG Chương này trình bày tổng quan về các hướng nghiên cứu hiện nay về nhận dạng. Chương 2: TÌM HIỂU KỸ THUẬT NHẬN DẠNG BẰNG THỐNG KÊ Chương này trình bày các ứng dụng kỹ thuật thống kê Toán học để nhận dạng các ngôn ngữ tự nhiên và tìm hiểu đặc trưng của một số ngôn ngữ tự nhiên tiêu biểu. Chương 3: THỰC NGHIỆM Nội dung trong phần này là trình bày thuật toán nhận dạng văn bản La Tinh và đưa ra kết quả với một số mẫu ngắn ngôn ngữ cho trước . Phần kết luận: Nhận xét, kết luận và hướng phát triển 5. Phương pháp nghiên cứu - Tìm hiểu và cập nhật các kiến thức và phương pháp cơ bản về nhận dạng ngôn ngữ tự nhiên, trí tuệ nhân tạo, khảo sát lý thuyết các mô hình, công cụ toán học, thiết kế và xây dựng thuật toán, kỹ thuật tổ chức dữ liệu và ngôn ngữ lập trình. - Tìm hiểu và xây dựng các đặc trưng ngôn ngữ mà đề tài quan tâm. - Tìm đọc các bài báo, các công trình nghiên cứu khoa học liên quan đến chủ đề nghiên cứu trong nước và trên thế giới. Cụ thể là các tài liệu kỹ thuật thống kê toán học các quá trình Markov; các quy luật ngôn ngữ như là một quá trình ngẫu nhiên dừng, không hậu quả; các kỹ thuật nhận dạng ngôn ngữ tự nhiên. Hình thành được tổng quan tương đối đầy đủ về tình hình nghiên cứu liên quan đến chủ đề hiện nay trên thế giới. - Lập trình cài đặt một số kỹ thuật nhận dạng ngôn ngữ La Tinh và đánh giá kết quả. 6. Ý Nghĩa khoa học của đề tài - Kết quả nghiên cứu, tìm hiểu của đề tài góp phần nhận dạng được các loại ngôn ngữ tự nhiên, có khả năng mở rộng ứng dụng trong việc xây dựng chương trình kiểm soát E-mail đặc biệt là chương trình phân tích bản mã tự động. Vấn đề ở đây không phải là công nghệ mà là phương pháp nhận dạng ngôn ngữ tự nhiên vì vậy khả năng ứng dụng sẽ rất cao trong thực tiễn, đặc biệt đối với ANQP hoặc các xí nghiệp vừa và nhỏ có nhu cầu nhận dạng các loại ngôn ngữ tự nhiên. Đó là ý nghĩa khoa học và thực tiễn của đề tài luận văn. 7. Dự kiến kế hoạch đề tài Trên cơ sở kế hoạch của Trường Đại học Công nghệ Thông tin và Truyền Thông/Đại học Thái Nguyên gửi tới các học viên, em dự kiến kế hoạch hoàn thành luận văn của mình như sau: TT Thời gian Công việc thực hiện 2016 2017 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 Chuẩn bị đề tài, đăng ký đề tài nghiên cứu X Chuẩn bị đề cương, nộp và bảo vệ đề cương X X Tìm hiểu tổng quan về nhận dạng X X - Hoàn thành tìm hiểu tổng quan về nhận dạng - Báo cáo tiến độ lần 1. X X - Tìm hiểu đặc trưng của các loại ngôn ngữ tự nhiên - Báo cáo tiến độ lần 2. X X Hoàn thành cài đặt thử nghiệm X X - Hoàn chỉnh viết báo cáo toàn văn. - Nộp luận văn. X X - Hoàn chỉnh báo cáo, làm slide - Bảo vệ luận văn X Chỉnh sửa, hoàn chỉnh nộp quyển X 8. Tài liệu tham khảo Nguyễn Viết Thế, Hồ Văn Canh ( 2010), Nhập môn Phân tích thông tin có bảo mật, NXB Thông tin và Truyền thông. Hồ Văn Canh, Phạm Quốc Doanh (2002), Thuật toán nhận dạng các ngôn ngữ tự nhiên, tr. 3-20. Lương Mạnh Bá, Nguyễn Thanh Thuỷ (1999), Nhập môn xử lý ảnh số, Nhà xuất bản khoa học và kỹ thuật, tr.154-170. Trần Duy Hưng, Nguyễn Ngọc Cường (2002), Nhận dạng tự động ngôn ngữ tiếng Anh, Tạp chí "Tin học và điều khiển học", Trung tâm Khoa học tự nhiên và Công nghệ Quốc gia số 3/2002. Hoàng Minh Tuấn, Một số vấn đề trong xây dựng siêu máy tính chi phí thay cho các ứng dụng xử lý thông tin và tính toán khoa học kỹ thuật, Luận văn Tiến sĩ kỹ thuật, Mã số 62.52.70.01. tr. 35-55. AndrewR.Web.2002. John Wiley & Sons, Ltd. Statistical Pattern Recognition, Second Edition. Richard O Duda, Peter E Hart, David G Stork . Wiley-interscience. “Bayesian decision theory”, Pattern Classification, Second Edition: 39-78. Wilks, S. S. 1962. Mathematical Statitics. New York: John Wiley. Mark Stam, Richar M.Low ( 2007 ): Applied Cryptanalysis Breaking ciphers in the Real World. A John wiley & sons, Inc, publication 2007. Chứng nhận của giáo viên hướng dẫn Học viên Hồ Văn Canh Lê Mạnh Đoan