Ứng dụng phương pháp nhúng đỉnh vào đồ thị hai phía để xây dựng hệ thống khuyến nghị

ỦY BAN NHÂN DÂN TỈNH BÌNH DƯƠNG TRƯỜNG ĐẠI HỌC THỦ DẦU MỘT NGUYỄN XUÂN BÌNH ỨNG DỤNG PHƯƠNG PHÁP NHÚNG ĐỈNH VÀO ĐỒ THỊ HAI PHÍA ĐỂ XÂY DỰNG HỆ THỐNG KHUYẾN NGHỊ LUẬN VĂN THẠC SĨ CHUYÊN NGÀNH: HỆ THỐNG THÔNG TIN MÃ SỐ: 48 01 04 BÌNH DƯƠNG – 2021 ỦY BAN NHÂN DÂN TỈNH BÌNH DƯƠNG TRƯỜNG ĐẠI HỌC THỦ DẦU MỘT NGUYỄN XUÂN BÌNH ỨNG DỤNG PHƯƠNG PHÁP NHÚNG ĐỈNH VÀO ĐỒ THỊ HAI PHÍA ĐỂ XÂY DỰNG HỆ THỐNG KHUYẾN NGHỊ LUẬN VĂN THẠC SĨ CHUYÊN NGÀNH: HỆ THỐNG THÔNG TIN MÃ SỐ: 48 01 04 NGƯỜI HƯỚNG DẪN KHOA HỌC TS TRẦN QUANG NGUYÊN BÌNH DƯƠNG – 2021 LỜI CAM ĐOAN Tơi xin cam đoan cơng trình nghiên cứu riêng hướng dẫn khoa học TS Trần Quang Nguyên Các nội dung nghiên cứu, kết đề tài trung thực chưa cơng bố hình thức trước Những số liệu bảng biểu phục vụ cho việc phân tích, nhận xét, đánh giá tác giả thu thập từ nguồn khác có ghi rõ phần tài liệu tham khảo Ngoài ra, báo cáo sử dụng số nhận xét, đánh số liệu tác giả khác, quan tổ chức khác có trích dẫn thích nguồn gốc Nếu phát có gian lận tơi xin hồn tồn chịu trách nhiệm nội dung báo cáo Trường Đại học Thủ Dầu Một không liên quan đến vi phạm tác quyền, quyền gây q trình thực (nếu có) Bình Dương, ngày 27 tháng năm 2021 Người thực i LỜI CẢM ƠN Lời đầu tiên, xin gửi lời cảm ơn chân thành đến thầy Trần Quang Nguyên, thầy dành nhiều thời gian q báu hướng dẫn tơi cách tận tình khoa học, tạo điều kiện tốt để tơi hồn thành Luận văn Tơi xin trân trọng cảm ơn quý thầy cô Trường Đại học Thủ Dầu Một, đặc biệt thầy cô chuyên ngành Hệ thống Thông tin! Các thầy cô tận tình hướng dẫn ln tạo điều kiện thuận lợi giúp đỡ tơi suốt khóa học trường Tôi cảm ơn giúp đỡ nhiệt tình bạn bè khóa hỗ trợ tơi kỹ thiết thực để hoàn thiện Luận văn Ngồi ra, với tư liệu hữu ích để thực luận văn, xin cảm ơn lãnh đạo đồng nghiệp Công ty Truyền tải điện ủng hộ tạo điều kiện giúp thu thập sở liệu để hoàn thành mục tiêu đề tài Cuối cùng, tơi muốn gửi lịng biết ơn vơ hạn đến gia đình tơi, tất người ln động viên, khuyến khích giúp tơi vượt qua thời điểm khó khăn để tơi hồn thành tốt chương trình cao học trường Đại học Thủ Dầu Một Tôi xin chúc quý thầy cô, gia đình bạn bè ln mạnh khỏe đạt nhiều thành cơng sống! Bình Dương, ngày 27 tháng năm 2021 Người thực ii MỤC LỤC LỜI CAM ĐOAN i LỜI CẢM ƠN ii MỤC LỤC iii DANH MỤC CÁC HÌNH ẢNH vi DANH MỤC CÁC BẢNG BIỂU vii MỞ ĐẦU 1 Lý chọn đề tài Mục tiêu nghiên cứu Đối tượng, phạm vi nghiên cứu Phương pháp nghiên cứu Đóng góp đề tài Cấu trúc đề tài CHƯƠNG TỔNG QUAN VỀ CÁC PHƯƠNG PHÁP BIỂU DIỄN ĐỒ THỊ VÀ ỨNG DỤNG 1.1 Tổng quan đồ thị 1.1.1 Các khái niệm đồ thị 1.1.2 Đồ thị học máy 1.2 Biểu diễn đồ thị phép nhúng đỉnh 11 1.2.1 Tổng quan phép nhúng đỉnh đồ thị 11 1.2.2 Phương pháp phân tích nhân tử 13 1.2.3 Phương pháp bước ngẫu nhiên (Random walk) 15 1.2.4 Các kiến trúc nhúng sâu tổng quát 18 iii 1.3 Ứng dụng việc biểu diễn đồ thị phương pháp nhúng đỉnh 20 1.4 Kết luận 22 CHƯƠNG BIỂU DIỄN MẠNG ĐỒ THỊ HAI PHÍA BẰNG PHƯƠNG PHÁP NHÚNG ĐỈNH 23 2.1 Bài toán biểu diễn mạng đồ thị hai phía 23 2.2 Phương pháp nhúng đỉnh đồ thị hai phía đề xuất 26 2.2.1 Mơ hình hóa quan hệ trực tiếp 26 2.2.2 Mơ hình hóa quan hệ gián tiếp bước nhẫu nhiên 27 2.2.3 Tối ưu hóa mơ hình chung 31 2.3 Kết luận 32 CHƯƠNG HỆ THỐNG KHUYẾN NGHỊ VÀ CÁC ĐỘ ĐO ĐÁNH GIÁ HỆ THỐNG KHUYẾN NGHỊ 33 3.1 Tổng quan toán khuyến nghị 33 3.1.1 Khái niệm hệ thống khuyến nghị 33 3.1.2 Phát biểu toán hệ thống khuyến nghị 34 3.1.3 Các hướng tiếp cận xây dựng hệ thống khuyến nghị 36 3.2 Các phương pháp độ đo đánh giá hệ thống khuyến nghị 41 3.2.1 Phương pháp đánh giá hệ thống khuyến nghị 41 3.2.2 Đánh giá độ xác dự đốn 42 3.2.3 Đánh giá danh sách đề xuất 43 3.3 Kết luận 47 CHƯƠNG XÂY DỰNG HỆ THỐNG KHUYẾN NGHỊ BẰNG PHƯƠNG PHÁP NHÚNG ĐỈNH MẠNG ĐỒ THỊ HAI PHÍA ÁP DỤNG VÀO THỰC TẾ 48 iv 4.1 Giới thiệu nguồn liệu cần thiết xây dựng hệ thống khuyến nghị thực tế doanh nghiệp 48 4.2 Thu thập xây dựng sở liệu 50 4.3 Thực nghiệm kết 55 4.3.1 Phương pháp thực nghiệm 55 4.3.2 Kết đánh giá 56 4.4 Kết luận 62 KẾT LUẬN 64 Kết đạt đề tài 64 Các mặt hạn chế hướng phát triển đề tài 64 DANH MỤC TÀI LIỆU THAM KHẢO 66 PHỤ LỤC 70 v DANH MỤC CÁC HÌNH ẢNH Hình 1.1 Đơn đồ thị vơ hướng đa đồ thị vô hướng Hình 1.2 Đơn đồ thị có hướng Hình 1.3 Đồ thị hai phía Hình 1.4 Mạng cộng đồng với cấu trúc gồm ba nhóm riêng biệt Các đỉnh lân cận nhóm có xu hướng liên kết chặt với so với đỉnh thuộc nhóm khác Hình 1.5 Cách thức mã hóa - giải mã phép nhúng đỉnh 11 Hình 1.6 Thực bước ngẫu nhiên để thống kê việc đồng xuất cặp đỉnh 15 Hình 1.7 Cách thức hoạt động tham số p q bước ngẫu nhiên phương pháp node2vec 17 Hình 1.8 Tổng quan tự động mã hóa sâu 18 Hình 1.9 Tổng quan mã hóa tổng hợp vùng lân cận 19 Hình 3.1 Giao diện hệ khuyến nghị sản phẩm Tiki.vn 34 Hình 3.2 Ví dụ ma trận đánh giá tổng quát 35 Hình 3.3 Các hướng tiếp cận hệ thống khuyến nghị 36 Hình 3.4 Phương pháp dựa người dùng dựa đối tượng 38 Hình 4.1 Ví dụ bảng liệt kê phiếu xuất kho 51 Hình 4.2 Dữ liệu thu sau trích xuất thơng tin cần thiết 52 Hình 4.3 Thống kê tần suất xuất đơn vị nhận 54 vi DANH MỤC CÁC BẢNG BIỂU Bảng 4.1 Bảng liệu sau xử lý thô 53 Bảng 4.2 Thống kê liệu đồ thị 57 Bảng 4.3 Kết thực nghiệm áp dụng nhúng đỉnh mạng đồ thị hai phía lên hai liệu Kho_PTC4 DBLP 57 Bảng 4.4 Kết thực nghiệm phương án số lượng ký tự 58 Bảng 4.5 Tần suất giá trị trọng số user-item liệu 60 Bảng 4.6 Kết thực nghiệm áp dụng nhúng đỉnh mạng đồ thị hai phía áp dụng lọc cộng tác dựa người dùng đối tượng 60 Bảng 4.7 Kết thực nghiệm áp dụng nhúng đỉnh mạng đồ thị hai phía áp dụng lọc cộng tác dựa người dùng đối tượng 62 vii MỞ ĐẦU Lý chọn đề tài Mạng đồ thị cấu trúc mạnh mẽ để mơ hình hóa vấn đề giới thực Với gia tăng mạng xã hội quy mô lớn, biểu diễn mạng để đưa vào mô hình học máy trở thành lĩnh vực quan trọng khai phá liệu Xây dựng biểu diễn mạng hiệu thách thức quan trọng việc áp dụng học máy liệu mạng đồ thị Các tác vụ học máy dựa mạng đồ thị có khả giải đa dạng nhiều vấn đề khác Nhiều nghiên cứu thực năm qua để tạo biểu diễn đỉnh từ liệu có cấu trúc mạng đồ thị cách sử dụng phương pháp học biểu diễn mạng Mạng đồ thị hai phía mơ hình phù hợp để biểu thị mối quan hệ người sử dụng vật phẩm (bộ phim, sách, mặt hàng v.v…) thực tế Nhiều phương pháp học biểu diễn mạng phát triển, nhiên số lượng nghiên cứu mạng đồ thị hai phía khơng nhiều, đặc biệt việc biểu diễn mối quan hệ khơng trực tiếp mà có tính chất bắc cầu đặc trưng quan trọng mạng đồ thị hai phía Việc biểu diễn mạng đồ thị hai phía tốt sở để xây dựng hệ thống khuyến nghị đáp ứng yêu cầu đặt tốc độ đáp ứng, độ xác kết khuyến nghị Các hệ thống khuyến nghị quan tâm nghiên cứu phát triển nhanh chóng thời gian gần đây, đặc biệt hệ khuyến nghị thương mại điện tử đem lại nhiều lợi nhuận cho nhà bán sản phẩm Từ thực tế thấy lĩnh vực quản trị nội bộ, hoạt động sản xuất kinh doanh doanh nghiệp được xây dựng hệ thống khuyến nghị góp phần nâng cao hiệu quả, suất lao động đơn vị Do đó, đề tài lựa chọn việc nghiên cứu phương pháp nhúng đỉnh vào mạng đồ thị hai phía để xây dựng hệ thống khuyến nghị, ứng dụng vào công tác quản lý kho cấp phát vật tư thiết bị Công ty Truyền tải điện [7] S Cao, W Lu and Q Xu, "Deep Neural Networks for Learning Graph Representations," in Proceedings of the 30th AAAI Conference on Artificial Intelligence (AAAI-16), 2016 [8] D Wang, P Cui and W Zhu, "Structural Deep Network Embedding," in Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 2016 [9] W L Hamilton, R Ying and J Leskovec, "Inductive Representation Learning on Large Graph," in Advances in Neural Information Processing Systems 30 (NIPS 2017), 2017, pp 1024-1034 [10] T N Kipf and M Welling, "Variational Graph Auto-Encoders," in NIPS Workshop on Bayesian Deep Learning, 2016 [11] SantoFortunato, "Community detection in graphs," Physics Reports, pp 486(3-5): 75-174, 2010 [12] T Mikolov, I Sutskever, K Chen, G Corrado and J Dean, "Distributed Representations of Words and Phrases and their Compositionality," in Advances in Neural Information Processing Systems, 2013 [13] S Pongnumkul and K Motohashi, "A Bipartite Fitness Model for Online Music Streaming Services," Physica A: Statistical Mechanics and its Applications, pp 490: 1125-1137, 2018 [14] M Gao, X He, L Chen, T Liu, J Zhang and A Zhou, "Learning Vertex Representations for Bipartite Networks," IEEE Transactions on Knowledge and Data Engineering, vol 34, no 1, pp 379-393, 2022 [15] T Alzahrani, K J Horadam and S Boztas, "Community Detection in Bipartite Networks Using Random Walks," in Complex Networks V, 2014 [16] H Deng, M R Lyu and I King, "A Generalized Co-HITS Algorithm and Its Application to Bipartite Graphs," in Proceedings of the 15th ACM SIGKDD 67 International Conference on Knowledge Discovery and Data Mining, Paris, 2009 [17] F Ricci, L Rokach and B Shapira, Recommender Systems Handbook, Springer, 2011 [18] F Isinkaye, Y Folajimi and B Ojokoh, "Recommendation systems: Principles, methods and evaluation," Egyptian Informatics Journal, vol 16, pp 261-273, 2015 [19] T Zhao, J McAuley and I King, "Improving Latent Factor Models via Personalized Feature Projection for One Class Recommendation," in The 24th ACM International, 2015 [20] G Adomavicius, B Mobasher, F Ricci and A Tuzhilin, "Context-Aware Recommender Systems," Ai Magazine, vol 32, no 3, pp 67-80, 2011 [21] N Craswell, "Mean Reciprocal Rank," in Encyclopedia of Database Systems, Boston, Springer, 2009 [22] J K David Liben-Nowell, "The link-prediction problem for social networks," Journal of the American Society for Information Science and Technology, p 40(7): 1019–1031, 2007 [23] T J Lakshmi and S D Bhavani, "Link Prediction Approach to Recommender Systems," https://arxiv.org/abs/2102.09185, 2021 [24] Y Koren, R Bell and C Volinsky, "Matrix Factorization Techniques for Recommender Systems," IEEE Computer, vol 42, no 8, pp 30-37, 2009 [25] G Shani and A Gunawardana, "Evaluating Recommendation Systems," in Recommender Systems Handbook, Springer, 2010, pp 257-297 [26] L N Tú, P N H Nam, V H Q Định and Đ T Thịnh, "Hệ khuyến nghị dự đốn sở thích người dùng ứng dụng kinh doanh thông minh," 68 in Kỷ yếu Hội thảo Khoa học Quốc gia CITA 2017 “CNTT Ứng dụng lĩnh vực”, 2017 [27] G C S M Smriti Bhagat, "Node Classification in Social Networks," in Social Network Data Analytics, SpringerLink, 2011, pp 115-148 69 PHỤ LỤC CẤU TRÚC BỘ MÃ VẬT TƯ THIẾT BỊ TRÊN PHẦN MỀM ORACLE EBS SỬ DỤNG TRONG TẬP ĐOÀN ĐIỆN LỰC VIỆT NAM Cấu trúc mã vật tư gồm 16 ký tự, chia làm nhóm: X.XX.XX.XXX.XXX.XX.XXX – Ví dụ: 3.10.85.422.HUN.00.A80 10 11 12 13 14 15 16 Nhóm Nhóm Nhóm Nhóm Nhóm Loại vật tư Nhóm Nhóm phụ Chi tiết vật tư Mã nước sản xuất Nhóm Nhóm Mã phụ Mã chất kiện lượng vật tư  Nhóm 1: gồm ký tự 1: Nhóm loại vật tư  Nhóm 2: gồm ký tự 2-3 : Nhóm  Nhóm 3: gồm ký tự 4-5: Nhóm phụ  Nhóm 4: gồm ký tự 6-7-8: Chi tiết vật tư  Nhóm 5: gồm ký tự 9-10-11: Mã nơi sản xuất  Nhóm 6: gồm ký tự 12-13: Mã linh / phụ kiện vật tư  Nhóm 7: gồm 03 ký tự 14-15-16: Mã chất lượng vật tư Trong đó: Các nhóm 1, theo thứ tự từ trái sang phải phân cấp cha Các nhóm 4, 5, nhóm độc lập  Nhóm loại vật tư: Được phân loại cụ thể sau: 0: Văn phòng phẩm 1: Nhiên liệu 2: Kim khí 70 3: Vật liệu điện 4: Vật liệu khác 5: Phụ tùng thay 6: Thiết bị dùng cho XDCB 7: Vật tư thu hồi 8: Công cụ dụng cụ 9: Vật tư phẩm chất Các giá trị nhóm phải xây dựng, khai báo trước đánh mã Tập đoàn quản lý (thêm mới, chỉnh sửa) giá trị nhóm  Nhóm 2, nhóm chính: Quy định nhóm vật tư loại vật tư: Ví dụ: loại vật liệu điện có nhóm chính: Các loại sứ, dây cáp điện, phụ kiện đường dây trạm, cáp ngầm phụ kiện… …(xem quy định cụ thể tài liệu Bảng danh điểm vật tư EVN) Các giá trị nhóm phải xây dựng, khai báo trước đánh mã Tập đoàn quản lý (thêm mới, chỉnh sửa) giá trị nhóm  Nhóm 3, nhóm phụ: Quy định nhóm nhóm vật tư Ví dụ: Trong nhóm loại sứ có nhóm con: Sứ hạ áp, Sứ có dầu MBA, Sứ có dầu cho đầu đường dây, Sứ có dầu máy ngắt dầu… Các giá trị nhóm phải xây dựng, khai báo trước đánh mã Tập đoàn quản lý (thêm mới, chỉnh sửa) giá trị nhóm  Nhóm 4, Chi tiết vật tư: Do đơn vị cấp phát mã tự mã hóa, thể thơng tin chi tiết vật tư gồm thơng số kỹ thuật chính, quy cách vật tư  Nhóm 5, Mã nơi sản xuất: Gồm ký tự thể mã nơi sản xuất vật tư Các giá trị nhóm phải xây dựng, khai báo trước 71 đánh mã, quy tắc xây dựng giá trị theo bảng danh mục mã nơi sản xuất mà EVN ban hành Các đơn vị cấp phát mã phát sinh danh mục nơi sản xuất EVN đề nghị EVN cung cấp  Nhóm 6, Linh / phụ kiện vật tư): Dùng để đánh mã linh kiện, phụ tùng vật tư gắn với thiết bị, đơn vị cấp phát mã tự mã hóa thống theo quy tắc chung tồn tập đồn, ví dụ: - 00: Khơng xác định vật tư theo - 01-ZZ: Là giá trị thể linh/phụ kiện mã vật tư theo - Mặc định chương trình khai báo mã 00  Nhóm 7, Chất lượng vật tư): Dùng để phân loại chất lượng vật tư, mức chất lượng xác định giá xuất vật tư khác giá trị nhóm Nhóm đơn vị cấp phát mã tự mã hóa thống theo quy tắc chung toàn tập đoàn, quy tắc xây dựng giá trị nhóm lấy theo quy tắc xây dựng mã Chất lượng tại, ví dụ: - 000: Hàng - AXX: Hàng thu hồi sử dụng - BXX: Hàng thu hồi sử dụng - CXX: Hàng thu hồi phục hồi - DXX: Hàng đề nghị lý - E00: Hàng dư thừa sử dụng - FXX: Hàng dư thừa sử dụng - GXX: Hàng phẩm chất - HXX: Hàng ứ đọng Đi XX thể % chất lượng cịn lại Mặc định chương trình khai báo mã 000 hàng Các đơn vị cấp phát mã quản lý (thêm mới, chỉnh sửa) giá trị nhóm này./ 72 UBND TỈNH BÌNH DƯƠNG CỘNG HỒ XÃ HỘI CHỦ NGHĨA VIỆT NAM TRƯỜNG ĐẠI HỌC THỦ DẦU MỘT Độc lập - Tự - Hạnh phúc GIẤY CAM ĐOAN Về việc chỉnh sửa luận văn thạc sĩ Họ tên học viên: NGUYỄN XUÂN BÌNH Ngày sinh: 12/01/2987; Nơi sinh: Bình Dương Trúng tuyển đầu vào năm: 2019; Theo Quyết định số 1061/QĐ-ĐHTDM, ngày 19 tháng năm 2019 Là tác giả đề tài luận văn: ỨNG DỤNG PHƯƠNG PHÁP NHÚNG ĐỈNH VÀO ĐỒ THỊ HAI PHÍA ĐỂ XÂY DỰNG HỆ THỐNG KHUYẾN NGHỊ Người hướng dẫn khoa học: Ngành: TS Trần Quang Nguyên Hệ thống Thông tin; Mã ngành: 8480104 Bảo vệ luận văn ngày: 23 tháng 12 năm 2021 Điểm bảo vệ luận văn: 8.7 điểm Tôi cam đoan chỉnh sửa nội dung luận văn thạc sĩ với đề tài theo góp ý Hội đồng chấm luận văn thạc sĩ Bình Dương, ngày 12 tháng 01 năm 2022 HỌC VIÊN Nguyễn Xuân Bình UBND TỈNH BÌNH DƯƠNG TRƯỜNG ĐẠI HỌC THỦ DẦU MỘT CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập - Tự - Hạnh phúc BẢN GIẢI TRÌNH Bổ sung, chỉnh sửa nội dung luận văn thạc sĩ sau bảo vệ Họ tên học viên: NGUYỄN XUÂN BÌNH Ngành: Hệ thống Thơng tin; Mã ngành: 8480104 Là tác giả đề tài: ỨNG DỤNG PHƯƠNG PHÁP NHÚNG ĐỈNH VÀO ĐỒ THỊ HAI PHÍA ĐỂ XÂY DỰNG HỆ THỐNG KHUYẾN NGHỊ Người hướng dẫn khoa học: TS Trần Quang Nguyên Đơn vị đào tạo: Trường Đại học Thủ Dầu Một Tác giả luận văn chỉnh sửa nội dung, hình thức theo góp ý Hội đồng thơng qua nhận xét thành viên Nghị Hội đồng đánh giá luận văn thạc sĩ ngày 23 tháng 12 năm 2021 sau: Hội đồng chấm luận văn yêu cầu chỉnh sửa Học viên chỉnh sửa nội dung hình thức Hội đồng chấm luận văn Ghi Số trang chỉnh sửa Đề nghị sử dụng thêm trực Đã thực bổ sung trực quan hóa liệu phần so sánh quan hóa kết so sánh Các trang 58, 59 61 phương pháp biểu đồ Tài liệu tham khảo nên đánh Đã định dạng tài liệu tham Danh mục tài liệu tham số thứ tự ngoặc vuông dễ khảo theo số thứ tự khảo trang 66-69 tham chiếu đến ngoặc vuông Cần dẫn nguồn công thức 1.11 Đã bổ sung nguồn tài liệu Trang 16 tham khảo Luận văn cịn số lỗi Đã hiệu chỉnh (các từ ‘yêu Trang trang tả cầu’, ‘đề tài’ Mục trang viết không (Cấu trúc đề tài trình bày Đã hiệu chỉnh lỗi thành Trang chương không chương phải chương) Xem xét thạc sỹ luận văn Đã hiệu chỉnh cách dùng từ Các trang có cách dùng hay luận án? luận văn từ chưa chuẩn Học viên chỉnh sửa nội dung hình thức Hội đồng chấm luận văn Hội đồng chấm luận văn yêu cầu chỉnh sửa Ghi Số trang chỉnh sửa Tài liệu tham khảo cần định Đã bổ sung thông tin tài Danh mục tài liệu tham dạng lại cho quán đầy liệu tham khảo thiếu khảo đủ thông tin định dạng lại Một số lỗi cần rà soát chỉnh Đã rà soát hiệu chỉnh lại Các trang có lỗi thể thức, lỗi đánh máy… Trên toàn giải trình điểm sửa chữa, bổ sung luận văn sau bảo vệ Kính mong Chủ tịch Hội đồng chấm luận văn thạc sĩ công nhận Bình Dương, ngày 12 tháng 01 năm 2022 HỌC VIÊN Nguyễn Xuân Bình XÁC NHẬN SỬA CHỮA NGƯỜI HƯỚNG DẪN KHOA HỌC CHỦ TỊCH HỘI ĐỒNG BẢO VỆ LUẬN VĂN THẠC SĨ Trần Quang Nguyên Hoàng Mạnh Hà ... nhúng đỉnh mạng đồ thị hai phía để đưa vào tác vụ học máy xây dựng hệ thống khuyến nghị ứng dụng thực tế Kết phương pháp đánh giá so sánh với hệ thống khuyến nghị không áp dụng nhúng đỉnh đồ thị Phương. .. đề tài nghiên cứu phương pháp nhúng đỉnh mạng đồ thị hai phía, sau áp dụng phương pháp học máy để xây dựng hệ thống khuyến nghị mạng đồ thị hai phía, cuối áp dụng vào thực tế vào hoạt động sản... phương pháp nhúng đỉnh đồ thị, đặc biệt đồ thị hai phía, tìm hiểu mơ hình hệ thống khuyến nghị, từ xây dựng có hiệu hệ thống khuyến nghị sở nhúng đỉnh mạng đồ thị hai phía áp dụng vào liệu thực tế