Phân tích Văn bản bằng Kỹ thuật Số (Text Analysis – Published on YouTube in 2016 and 2017)https://textvisualization.files.wordpress.com/2017/11/text-analysis-published-on-youtube-in-2016-and-2017.pdfPhân tích Văn bản : Tháng Sáu Trời mưahttps://textvisualization.files.wordpress.com/2017/11/thc3a1ng-sc3a1u-tre1bb9di-mc6b0a-web.pdfInternet ở Việt NamLịch sửMột giáo sư tại Đại học Quốc gia Úc , Rob Hurle, được coi là người đầu tiên kết nối Việt Nam với Internet. Hurle lần đầu tiên trình bày ý tưởng của mình về việc đưa Internet vào sinh viên Việt Nam học tập tại Úc . Năm 1991, Hurle đã đưa một modem đến Việt Nam để kết nối đất nước với Internet toàn cầu.Với 57 triệu người dùng phương tiện truyền thông xã hội tích cực, không có gì ngạc nhiên khi phần lớn người Việt Nam nhận được tin tức từ Internet. Mark Ashwill, giám đốc điều hành của công ty tư vấn giáo dục Capstone Việt Nam nghiên cứu sâu hơn về thói quen trực tuyến của đất nước.Theo số liệu báo cáo của We Are Social và Hootsuite năm 2018, số lượng người dùng trên mạng là 96 triệu người, trong đó có 64 triệu người Việt Nam trực tuyến, có tỷ lệ thâm nhập Internet đáng kể là 67%.57 triệu người trong số họ là những người dùng phương tiện truyền thông xã hội tích cực, tỷ lệ thâm nhập 57%. Có 204.125 người Việt trực tuyến vào năm 2000 và tang gần 21 triệu người chỉ trong tám năm.Theo thống kê của Statista.com, số người Việt Nam (triệu) trực tuyến từ 2015 đến 2022 sẽ như sau:2015 (49,7), 2016 (52,08), 2017 (53,86), 2018 (55,19), 2019 (56,24), 2020 (57,2), 2021 (58,48), 2022 (59,48).Số lượng trang Web tiếng Việt rất khó tính một cách chính xác vì có rất nhiều trang web link với nhau hoặc sao y nội dung từ một số trang chính nhưng không ghi xuất xứ.Chúng tôi muốn khảo cứu về ngôn ngữ nên đã thực hiện một số sách về đề tài Hình ảnh hóa Văn bản, một phương thức để Phân tích Văn bản (Text Analysis) và Khai mỏ Kiến thức (Knowledge Mining), nhằm xử lý nội dung tài liệu tiếng Việt và khai mỏ kiến thức để tìm hiểu về dữ liệu tiếng Việt.Trong phần dưới đây, chúng tôi trình bày nội dung của các sách do chúng tôi thực hiện, nhưng chưa xuất bản.Tổng quan về Hình ảnh Hóa Văn bản (Overview of Text Visualization)Trong chương này chúng tôi trình bày tổng quát về Hình ảnh hóa Văn bản, một phương thức để Phân tích Văn bản (Text Analysis) và Khai mỏ Kiến thức (Knowledge Mining).Mục đích của sách này là trình bày về phần mềm Wordle. Với Chương này, chúng tôi muốn trình bày với các bạn phần mềm Wordle. Wordle là một công cụ đơn giản và tiêu biểu cho một trong những bước cần có để thực hiện việc Phân tích văn bản và Khai mỏ Kiến thức. Chúng tôi quan niệm cần tạo điều kiện để người dùng cảm thấy thoải mái khi tiếp thu công nghệ mới. Wordle là phần mềm đơn giản nhất trong chuỗi những phần mềm được dùng để Hình ảnh hóa Văn bản, một công cụ cần thiết cho Phân tích Văn bản và Khai mỏ Kiến thức.Phân tích Văn bản và Khai mỏ Kiến thức không còn là những lý thuyết, nhưng chúng đã trưởng thành. Ngày nay chúng ta có thể nói: Hãy cung cấp cho chúng tôi dữ liệu, chúng tôi sẽ biến chúng thành kiến thức.Như chúng ta đã biết, khi còn trẻ chúng ta tiếp xúc với hình ảnh trước khi tập làm tính và đọc sách-viết văn.Hình ảnh là trực quan giúp chúng ta biết được sự việc, hiểu được nội dung văn bản.Nhiều nhà nghiên cứu đã cho biết: Wordle (hay bất cứ phần mềm tạo đám mây từ) đều giúp người dùng nhìn thấy cấu trúc văn bản để suy ra nội dung. Với cấu trúc đồ họa “bắt mắt”, những đám mây từ này giúp người dùng biết được từ vựng và sau đó suy ra nội dung văn bản.Văn bản gồm những hư từ và thực từ, kết hợp với nhau để tạo thành những câu văn có hoặc không có cấu trúc.Nghiên cứu cho thấy hơn 80% văn bản thuộc dạng không cấu trúc (unstructured) .Trước đây chúng ta chỉ có rất ít dữ liệu và phần lớn những dữ liệu này thuộc dạng có cấu trúc (structured data) nên chúng ta có thể xử lý bằng những phương pháp cổ điễn, điền hình là Excel, dBase.Nhưng kể từ hơn 10 năm qua số lượng dữ liệu tăng nhanh với tốc độ kinh khủ