Tìm hiểu chatbot và khuyến nghị để xây dựng tiện ích ứng dụng

ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN KHOA CÔNG NGHỆ PHẦN MỀM  BÁO CÁO ĐỒ ÁN Tìm hiểu chatbot khuyến nghị để xây dựng tiện ích ứng dụng Giảng viên hướng dẫn: Thầy Mai Trọng Khang Nhóm sinh viên thực hiện: Trần Duy Trọng 18521542 Lê Bá Lĩnh 18520299 TP HỒ CHÍ MINH, 12/2021 Đồ án – SE122.M11 NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪN Đồ án – SE122.M11 LỜI NÓI ĐẦU Hiện nay, ngành công nghệ thông tin ngày phát triển, kèm với lĩnh vực Thương mại điện tử ngày bùng nổ Song song với đó, vấn đề xây dựng tiện ích kéo theo đời nhằm mục đích giao tiếp với khách hàng dễ dàng, thuận tiện Nhận thấy nhu cầu giúp đỡ khách hàng app thương mại điện từ ngày nhiều, nhóm chúng em định thực đề tài “Tìm hiểu chatbot khuyến nghị để xây dựng tiện ích ứng dụng”, mục tiêu tạo chatbot thơng minh để giao tiếp với khách hàng, giúp khách hàng hài lòng việc mua bán gia tăng trải nghiệm người dùng việc sử dụng Trong trình thực hiện, thời gian có hạn nên nhóm chúng em khơng tránh khỏi sai sót Vì vậy, nhóm mong nhận góp ý từ phía Thầy để nhóm chúng em có thêm kinh nghiệm để thực đề tài, dự án tương lai Chúng em xin chân thành cảm ơn! Nhóm sinh viên thực Đồ án – SE122.M11 LỜI CẢM ƠN Lời đầu tiên, nhóm chúng em xin gửi lời cảm ơn đến Thầy Mai Trọng Khang (Giảng viên khoa Công Nghệ Phần Mềm) hướng dẫn, giúp đỡ giải đáp thắc mắc nhóm q trình thực để nhóm chúng em hồn thành tốt báo cáo mơn học Trong thời gian học đề tài, nhóm vận dụng kiến thức truyền đạt từ Thầy, đồng thời tìm hiểu, học hỏi thêm từ ng̀n bên ngồi để hồn thành báo cáo đờ án cách tốt Tuy vậy, trình thực nhóm chúng em khơng tránh khỏi sai sót Vì vậy, nhóm mong nhận góp ý từ phía Thầy để nhóm chúng em có thêm kinh nghiệm để thực đề tài, dự án tương lai Nhóm chúng em xin chân thành cảm ơn Tp Hồ Chí Minh, ngày …… tháng 12 năm 2021 Đồ án – SE122.M11 MỤC LỤC CHƯƠNG 1……… DẪN NHẬP………… …5 CHƯƠNG 2……… HAI KHỐI KIẾN THỨC TRỌNG TÂM PHẦN 1: CHATBOT TỔNG QUAN VỀ CHATBOT THÔNG TIN CHUNG CÔNG NGHỆ VÀ ỨNG DỤNG 10 CÀI ĐẶT CHATBOT 16 PHẦN 2: KHUYẾN NGHỊ 31 TỔNG QUAN 31 CƠ SỞ LÝ THUYẾT 33 CÀI ĐẶT MODEL 43 KẾT LUẬN………… 52 TÀI LIỆU THAM KHẢO 53 Đồ án – SE122.M11 CHƯƠNG DẪN NHẬP Hiện thương mại điện tử bùng nổ nhanh, điển hình đời hàng loạt ứng dụng : shopee, lazada, tiki,…kéo theo phát triển vượt bậc công nghệ nhằm tăng trải nghiệm người dùng, từ đem lại lợi nhuận cho doanh nghiệp Vậy làm để xây dựng nên tiện ích cho ứng dụng bây giờ? Câu trả lời mà tụi em hướng đến liên quan đến công nghệ không kết hợp lại vơ hữu ích, chatbot khuyến nghị Mục tiêu mà tụi em muốn hướng đến thực đề tài xây dựng nên chatbot có khả hiểu nhu cầu khách hàng đưa lời khuyên để giúp người dùng dễ dàng “chốt deal” với mặt hàng thích Về hướng thực hiện, tụi em chia thành phần • Phần tập trung mơ tả cách cài đặt chatbot với số kĩ thuật xử lý ngơn ngữ tự nhiên • Phần tập trung nghiên cứu khuyến nghị với mơ hình khuyến nghị lọc cộng tác Từ kết hợp nội dung nghiên cứu phần để hoàn thành mục tiêu muốn hướng đến nói Đồ án – SE122.M11 CHƯƠNG HAI KHỐI KIẾN THỨC TRỌNG TÂM PHẦN 1: CHATBOT TỔNG QUAN VỀ CHATBOT 1.1 KHÁI NIỆM Chatbot phần mềm giúp tương tác với người dùng ngôn ngữ tự nhiên thơng qua âm tin nhắn Chatbot kết hợp với cơng nghệ AI để giúp qtrình hỗ trợ khách hàng tốt Hình 0.1: Minh họa chatbot Đồ án – SE122.M11 1.2 ƯU ĐIỂM Lợi ích phải kể đến thời gian Việc áp dụng chatbot doanh nghiệp, cụ thể lĩnh vực Thương mại điện tử giúp cho việc tiếp cận, xử lý yêu cầu từ phía khách hàng cách nhanh chóng Điều kéo theo hàng loạt lợi ích khác như: Gia tăng doanh thu bán hàng, nâng cao tỷ lệ chốt đơn, Hơn nữa, chatbot có khả ghi nhớ thơng tin dùng nên hồn tồn đưa tư vấn phù hợp từ liệu thu thập Điều làm tăng tính trải nghiệm cho khách hàng 1.3 HẠN CHẾ Đi kèm với lợi ích, hạn chế q trình sử dụng chatbot gây thiệt hại lớn Ở phải kể đến hạn chế sau: + Cần liệu đào tạo lớn + Gặp khó khăn câu hỏi nằm ngồi phạm vi đào tạo + Các lỗi ngôn ngữ trình xử lí chatbot 1.4 TÍNH ỨNG DỤNG Ứng dụng chatbot phổ biến xuất hầu hết nhiều lĩnh vực như: Đầu tư, giáo dục, báo chí, tài chính, thương mại, Hiện nay, hầu hết ứng dụng tin nhắn phổ biến như: Facebook Messenger, Discord, Telegram, cho phép tích hợp chatbot Như vậy, việc ứng dụng chatbot góp phần không nhỏ việc cạnh tranh bối cảnh thị trường Đồ án – SE122.M11 THÔNG TIN CHUNG 2.1 LÝ DO CHỌN ĐỀ TÀI Hiện nay, tình trạng Covid giới diễn biến phức tạp chưa có dấu hiệu dừng lại Cùng với yêu cầu giãn cách, hạn chế tiếp xúc nên người dùng ngày quan tâm đến hình thức mua sắm trực tuyến Do đó, nhiều doanh nghiệp, cửa hàng nhỏ lẻ bước tiếp cận việc bán hàng online để tối ưu hóa lợi nhuận Điều dẫn đến việc cạnh tranh việc bán hàng online ngày khốc liệt xu hướng cửa hàng trực tuyến ngày gia tăng Với lí trên, việc áp dụng chatbot lĩnh vực mua sắm trực tuyến cần thiết để thu hút, cải thiện trải nghiệm mua sắm cho khách hàng 2.2 TÍNH NĂNG NỔI BẬT Trong trình tìm kiếm, chúng em nhận thấy vấn đề số chatbot tại: + Một số chatbot trả lời cách spam tin nhắn gây ảnh hưởng tiêu cực lên khách hàng + Trả lời nhiều thông tin khiến khách hàng bị rối thông tin + Chưa trả lời nhiều thơng tin Từ q trình tìm hiểu nhận thấy vấn đề số chatbot nay, chúng em định thực chatbot với đầy đủ chức để phục vụ cho nhu cầu mua sắm 2.3 ĐỐI TƯỢNG NGHIÊN CỨU Đồ án hướng đến việc nghiên cứu đối tượng sau: - Về công nghệ + Front-end: Reactjs + React Native + Back-end: Nodejs + Chatbot Facebook Messenger + IDE: Visual Studio Code + Phân tích ngơn ngữ tự nhiên Đồ án – SE122.M11 - Về đối tượng hướng đến + Khách hàng có nhu cầu tra cứu thơng tin, đặt hàng, hỗ trợ trình mua sắm + Các doanh nghiệp, cửa hàng nhỏ lẻ có nhu cầu áp dụng chatbot kinh doanh 2.4 PHẠM VI NGHIÊN CỨU Phạm vi mơi trường: Web Phạm vi chức năng: + Có thể trả lời thông tin từ phía khách hàng + Xử lí đặt hàng lưu liệu + Giải số ngơn ngữ tự nhiên 2.5 PHƯƠNG PHÁP THỰC HIỆN Phương pháp làm việc: + Nhóm gờm thành viên thực thơng qua hình thức online hướng dẫn giảng viên Phương pháp nghiên cứu: Nhóm sử dụng nhiều phương pháp nghiên cứu khác nhau, bao gồm: + Phương pháp đọc tài liệu + Phương pháp phân tích nhu cầu sử dụng đối tượng người dùng + Phương pháp thực nghiệm Phương pháp công nghệ: + Tìm hiểu cách thức trình xây dựng Messenger Chatbot + Tìm hiểu tốn xử lí ngơn ngữ tự nhiên Đồ án – SE122.M11 2.2 THUẬT TỐN COLLABORATIVE FILTERING Mơ hình cho toán Recommender System Như biết nhược điểm thuật tốn trình bày phần trước Như vậy, để giải cần phải xác lập mơ hình cho tốn Recommender System Ở mơ hình chúng ta, sử dụng ý tưởng hướng tiếp cận dựa nội dung Tuy nhiên, giá trị tính ẩn phim lãng mạn phim Model cho RS Và giả sử chúng ta, cách xác định ma trận sở thích user chẳng hạn sau: Vậy toán trở thành việc tìm số (x1, x2) dựa vào tập ma trận sở thích Đây lại tốn linear regression cho nhiều biến tham số cần học tham số thể loại 39 Đồ án – SE122.M11 Ở tốn thấy tương đờng với tốn mục 2.2.4 Chỉ khác biệt chỗ ma trận mà học ma trận tham số thể loại ma trận tham số sở thích Có thể coi hai tốn, vai trị ma trận tham số sở thích tốn đổi chỗ cho ma trận tham số thể loại toán ngược lại Và mặt ngữ nghĩa giải thích (lấy ví dụ phim Love at Last): “Alice Bob thích phim loại lãng mạn Carol Dave khơng, họ thích phim mang nhiều yếu tố hành động Alice Bob xem qua phim Love at last thích phim Họ đánh giá Carol Dave lại khơng thích phim cho đánh giá Chính nói phim có nhiều yếu tố hành động (x = 1.0) lại khơng có yếu tố ” Một cách tương tự, có hàm lỗi Gradient Descent cho toán này: Cost function Gradient Descent 40 Đồ án – SE122.M11 Tư tưởng lọc cộng tác Thế chưa phải tư tưởng thuật tốn lọc cộng tác Mà tư tưởng thuật tốn kết hợp hai tốn trình bày trên! Như biết, cộng với đánh giá user cho item: Nếu có ma trận thể loại => Sẽ học ma trận ma trận sở thích => gợi ý phim phù hợp Nếu có ma trận sở thích => Sẽ học ma trận thể loại => gợi ý phim phù hợp Như vậy, kết hợp hai lại cho hai model học lẫn model ngày tốt đưa dự đoán tốt cho user Xây dựng thuật toán lọc cộng tác Trong hầu hết thuật toán machine learning, phải tính hàm lỗi học tham số cho hàm lỗi nhỏ Việc xác định nhỏ thân Gradient Descent (một cơng cụ mạnh hữu ích) xử lý Đối với thuật toán lọc cộng tác Đầu tiên hàm lỗi tính theo tư tưởng thuật toán: Hàm lỗi cho thuật toán lọc cộng tác (*) 41 Đồ án – SE122.M11 Công thức tốn đờ sộ, nhiên để ý kĩ ta thấy cơng thức tối ưu ma trận thể loại ma trận sở thích Và Gradient Descent: Gradient Descent cho thuật tốn lọc cộng tác (**) Và để có nhìn chung có thuật tốn lọc cộng tác hoàn chỉnh sau: Đầu tiên khởi tạo ma trận sở thích x(1),… x(nm) θ(1),… θ(nu) với giá trị nhỏ Sử dụng thuật toán Gradient Descent (**) để học tham số đến hàm lỗi (*) đạt giá trị nhỏ Cuối dự đoán giá trị “?” ma trận đánh giá (còn gọi Ultility Matrix) cơng thức tuyến tính θTx 42 Đồ án – SE122.M11 CÀI ĐẶT MODEL 3.1 VỀ DATASET Ở làm việc với liệu gồm 1682 phim với 943 users Dataset sử dụng bao gờm file: • Movie_ids.txt: chứa tên id phim, ngăn cách khoảng trắng Movie_ids.txt 43 Đồ án – SE122.M11 • Movies.mat: chứa ma trận R Y Ma trận R với quy ước R(i,j) = user j đánh giá cho phim y Ma trận Y với quy ước Y(i,j) = điểm đánh giá user j phim i Ma trận R Ma trận Y • MoviesParams.mat: chứa thơng tin số lượng user, số lượng phim, số lượng thể loại mà phim có Tổng quan Ở có ma trận đáng nói đến ma trận thể loại X ma trận sở thích Theta Ma trận ma trận sử dụng thuật toán lọc cộng tác để học Như tất dataset 44 Đồ án – SE122.M11 3.2 HIỆN THỰC TRÊN MATLAB 3.2.1 Xây dựng hàm tính cost function gradient descent Ý tưởng: hàm nhận vào params (chứa ma trận theta X), ma trận Y, ma trận R, số lượng movies, user, lamda (tham số cho đại lượng regularization) Output: giá trị hàm lỗi biến chứa ma trận (theta + X) update theo Gradient Descent Input – Output • Lấy hai ma trận X theta từ params • Tính cost function 45 Đồ án – SE122.M11 • Update theta X theo Gradient Descent lưu vào output 3.2.2 Tiến hành load liệu training cho model • Load liệu + giảm lượng data lại + tính tốn cost function 46 Đồ án – SE122.M11 • Load rating user 47 Đồ án – SE122.M11 • Tiến hành training cho user theo thuật toán lọc cộng tác 48 Đồ án – SE122.M11 • Tiến hành show records mà user thích 3.2.3 Kết quả: • Load data thành cơng 49 Đồ án – SE122.M11 • Giả định new user đánh giá phim khác thành cơng • Training cho model, thực 100 lần train: thành công 50 Đồ án – SE122.M11 • Kết phim recommend cho user mới: 51 Đồ án – SE122.M11 KẾT LUẬN Như giải phần tốn lớn : “làm để xây dựng tiện ích ứng dụng kết hợp chatbot khuyến nghị?” Và đề cập chương chatbot + khuyến nghị phần riêng biệt, việc kết hợp chúng cịn nhiều khó khăn nhiên vấn đề toán giải quyết, chúng em tin chatbot có khả đưa khuyến nghị cho người dùng điều đạt Một lần nữa, nhóm chúng em xin chân thành cảm ơn Thầy giúp đỡ truyền đạt tận tình để giúp nhóm em có kết hơm Trong tương lai, nhóm chúng em dự định phát triển tiếp tục chatbot Và mục tiêu hướng đến tương lai như: + Xử lí ngơn ngữ tự nhiên + Nâng cấp chatbot xử lí giọng nói bên cạnh văn + Hỗ trợ đa tảng + Lưu liệu giúp người dùng thực nghiệp vụ/chức mà hệ thống mang lại cách dễ dàng Bên cạnh đó, ngồi việc phát triển nội dung nhóm chúng em phát triển thêm tảng Thương mại điện tử mua sắm trực tuyến tích hợp chatbot với mục đích hỗ trợ khách hàng cách nhanh chóng tiện lợi 52 Đồ án – SE122.M11 TÀI LIỆU THAM KHẢO [1] Machine Learning – Recommender System Machine Learning | Coursera [2] Textbook: 2016 Recommender Systems, Charu C Aggarwal [3] Machine Learning (machinelearningcoban.com) [4] Chatbot - tất bạn cần biết https://nordiccoder.com/blog/chatbot-tat-ca-nhung-gi-ban-can-biet/ [5] Youtube Channel: Hỏi Dân IT [6] Stack Overflow: https://stackoverflow.com [7] Messenger platform https://developers.facebook.com/docs/messenger-platform/ 53 tutorial: ... điện từ ngày nhiều, nhóm chúng em định thực đề tài ? ?Tìm hiểu chatbot khuyến nghị để xây dựng tiện ích ứng dụng? ??, mục tiêu tạo chatbot thông minh để giao tiếp với khách hàng, giúp khách hàng hài... pháp cơng nghệ: + Tìm hiểu cách thức q trình xây dựng Messenger Chatbot + Tìm hiểu tốn xử lí ngơn ngữ tự nhiên Đồ án – SE122.M11 CÔNG NGHỆ VÀ ỨNG DỤNG 3.1 TỔNG QUAN Trong trình tìm hiểu nghiên cứu,... nghệ không kết hợp lại vơ hữu ích, chatbot khuyến nghị Mục tiêu mà tụi em muốn hướng đến thực đề tài xây dựng nên chatbot có khả hiểu nhu cầu khách hàng đưa lời khuyên để giúp người dùng dễ dàng