Luận án TS: Phát triển một số phương pháp xây dựng hệ tư vấn

1. Mở đầu

1.1 Tính cấp thiết

Với sự gia tăng nhanh chóng của thông tin trên Web thì cần thiết phải có công cụ giúp người dùng lựa chọn các thông tin trực tuyến phù hợp với mình. Thông thường khi cần tìm thông tin về một sản phẩm nào đó, giải pháp được hầu hết người dùng sử dụng là đưa câu hỏi vào máy tìm kiếm (Search engine) thay vì tìm đến những trang Web hoặc diễn đàn chuyên ngành. Máy tìm kiếm tiến hành tìm kiếm thông tin dựa trên các từ khóa (Keyword) được người dùng gõ vào và trả về một danh mục của các trang Web có chứa từ khóa mà nó tìm được. Do vậy việc sử dụng máy tìm kiếm sẽ hiệu quả khi người dùng biết họ thực sự muốn tìm cái gì. Trong trường hợp khi người dùng không xác định được chính xác cái mình muốn tìm thì yêu cầu về lọc thông tin một cách có hiệu quả và tin cậy là rất cần thiết. Để đáp ứng nhu cầu này, các hệ thống tư vấn đã ra đời, ví dụ một số hệ tư vấn đã được thương mại hóa và triển khai thành công, tiêu biểu là hệ tư vấn của các hãng Amazon, eBay, Netflix, Youtube …

1.2 Mục tiêu nghiên cứu

Mục tiêu của luận án là nghiên cứu phát triển một số phương pháp xây dựng hệ tư vấn. Đặc biệt, nghiên cứu tập trung vào việc nâng cao độ chính xác của kết quả dự đoán sản phẩm phù hợp với người dùng trong trường hợp dữ liệu thưa, cũng như trong trường hợp có cả dữ liệu sở thích người dùng, thông tin đặc trưng người dùng, thông tin đặc trưng sản phẩm và thông tin ngữ cảnh sử dụng sản phẩm của người dùng. Đồng thời, nghiên cứu cũng tập trung đề xuất một số phương pháp tư vấn đơn giản trong cài đặt để khả thi triển khai thực tế. 

2. Nội dung

3. Kết luận

Về mặt lý thuyết, luận án tổng kết những nghiên cứu cơ bản và mở rộng về hệ tư vấn theo các hướng tiếp cận khác nhau, kèm theo những vấn đề cần tiếp tục nghiên cứu và xu hướng. Những lý thuyết này về cơ bản dựa trên những kiến thức nền tảng của lý thuyết thống kê và học máy. Trên cơ sở những kiến thức nền tảng, tác giả tập trung nghiên cứu nâng cao kết quả dự đoán sản phẩm cho người dùng trong trường hợp dữ liệu thưa, cũng như trong trường hợp có cả dữ liệu sở thích người dùng, thông tin nội dung người dùng, thông tin nội dung sản phẩm và thông tin ngữ cảnh sử dụng sản phẩm của người dùng. Với đề xuất chính thứ nhất, tác giả trình bày phương pháp hạn chế ảnh hưởng của vấn đề dữ liệu thưa của lọc cộng tác dựa trên mô hình đồ thị, mở rộng cho phát triển hệ tư vấn theo ngữ ảnh. Với đề xuất chính thứ hai, tác giả trình bày phương pháp kết hợp giữa lọc cộng tác và lọc nội dung bằng phương pháp đồng huấn luyện. Đây là một phương pháp thuộc hướng tiếp cận học bán giám sát cho bài toán phân lớp cho phép giải quyết vấn đề ít dữ liệu huấn luyện bằng cách chuyển giao kết quả huấn luyện qua lại khi quan sát theo người dùng và theo sản phẩm, nhờ vậy cải thiện độ chính xác dự đoán đánh giá và tư vấn sản phẩm phù hợp cho người dùng.

4. Tài liệu tham khảo

G. Adomavicius and A. Tuzhilin, “Toward the next generation of recommender systems: A survey of the state-of-the-art and possible extensions,” IEEE Trans. Knowl. Data Eng., vol. 17, no. 6, pp. 734–749, 2005.

J. Bobadilla, F. Ortega, A. Hernando, and A. Gutiérrez, “Knowledge-Based Systems Recommender systems survey,” Knowledge-Based Syst., vol. 46, pp. 109–132, 2013.

W. Hill, L. Stead, M. Rosenstein, and G. Furnas, “Recommending and evaluating choices in a virtual community of use,” Proc. SIGCHI Conf. Hum. factors Comput. Syst. - CHI ‟95, pp. 194–201, 1995.

J. Lu, D. Wu, M. Mao, W. Wang, and G. Zhang, “Recommender system application developments: A survey,” Decis. Support Syst., 2015.

P. M. V.Sindhwani;, “Recommender systems,” Commun. ACM, pp. 1–21, 2010....