1. Trang chủ
  2. » Giáo Dục - Đào Tạo

NGHIÊN cứu một số THUẬT TOÁN học máy (MACHINE LEARNING) ỨNG DỤNG CHO bài TOÁN xác ĐỊNH các CHỦ đề QUAN tâm của KHÁCH HÀNG TRỰC TUYẾN

95 54 0

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Tiêu đề Nghiên Cứu Một Số Thuật Toán Học Máy (Machine Learning) Ứng Dụng Cho Bài Toán Xác Định Các Chủ Đề Quan Tâm Của Khách Hàng Trực Tuyến
Tác giả ThS. Nguyễn Thị Hội, ThS. Trần Thị Nhung, ThS. Nguyễn Thị Đào
Trường học Trường Đại Học Thương Mại
Thể loại báo cáo tổng kết
Năm xuất bản 2021
Thành phố Hà Nội
Định dạng
Số trang 95
Dung lượng 17,09 MB

Nội dung

Ngày đăng: 08/05/2022, 16:24

HÌNH ẢNH LIÊN QUAN

W2Vec Word to Vector Mô hình véc tơ - NGHIÊN cứu một số THUẬT TOÁN học máy (MACHINE LEARNING) ỨNG DỤNG CHO bài TOÁN xác ĐỊNH các CHỦ đề QUAN tâm của KHÁCH HÀNG TRỰC TUYẾN
2 Vec Word to Vector Mô hình véc tơ (Trang 5)
Thứ hai là tìm tham số: Các mô hình thống kê có các tham số tương ứng, nhiệm vụ lúc này là tìm các tham số này sao cho phù hợp với tập dữ liệu nhất có thể - NGHIÊN cứu một số THUẬT TOÁN học máy (MACHINE LEARNING) ỨNG DỤNG CHO bài TOÁN xác ĐỊNH các CHỦ đề QUAN tâm của KHÁCH HÀNG TRỰC TUYẾN
h ứ hai là tìm tham số: Các mô hình thống kê có các tham số tương ứng, nhiệm vụ lúc này là tìm các tham số này sao cho phù hợp với tập dữ liệu nhất có thể (Trang 17)
Hình 2.3: Phân loại thuật toán theo sự tương đồng về hoạt động - NGHIÊN cứu một số THUẬT TOÁN học máy (MACHINE LEARNING) ỨNG DỤNG CHO bài TOÁN xác ĐỊNH các CHỦ đề QUAN tâm của KHÁCH HÀNG TRỰC TUYẾN
Hình 2.3 Phân loại thuật toán theo sự tương đồng về hoạt động (Trang 20)
Hình 3.1: Mô phỏng bài toán nghiên cứu - NGHIÊN cứu một số THUẬT TOÁN học máy (MACHINE LEARNING) ỨNG DỤNG CHO bài TOÁN xác ĐỊNH các CHỦ đề QUAN tâm của KHÁCH HÀNG TRỰC TUYẾN
Hình 3.1 Mô phỏng bài toán nghiên cứu (Trang 35)
Hình 3.2: Ứng dụng vào hệ thống khuyến nghị sản phẩm (Nguồn: ) - NGHIÊN cứu một số THUẬT TOÁN học máy (MACHINE LEARNING) ỨNG DỤNG CHO bài TOÁN xác ĐỊNH các CHỦ đề QUAN tâm của KHÁCH HÀNG TRỰC TUYẾN
Hình 3.2 Ứng dụng vào hệ thống khuyến nghị sản phẩm (Nguồn: ) (Trang 38)
Hình 3.3: Ứng dụng vào hệ thống phân tích dữ liệu khách hàng - NGHIÊN cứu một số THUẬT TOÁN học máy (MACHINE LEARNING) ỨNG DỤNG CHO bài TOÁN xác ĐỊNH các CHỦ đề QUAN tâm của KHÁCH HÀNG TRỰC TUYẾN
Hình 3.3 Ứng dụng vào hệ thống phân tích dữ liệu khách hàng (Trang 40)
Hình 4.1: Dữ liệu đánh giá sản phẩm của trang https://shopee.vn/ và sendo.vn - NGHIÊN cứu một số THUẬT TOÁN học máy (MACHINE LEARNING) ỨNG DỤNG CHO bài TOÁN xác ĐỊNH các CHỦ đề QUAN tâm của KHÁCH HÀNG TRỰC TUYẾN
Hình 4.1 Dữ liệu đánh giá sản phẩm của trang https://shopee.vn/ và sendo.vn (Trang 42)
Thông số các bộ dữ liệu thực nghiệm được mô tả trong Bảng 4.1 - NGHIÊN cứu một số THUẬT TOÁN học máy (MACHINE LEARNING) ỨNG DỤNG CHO bài TOÁN xác ĐỊNH các CHỦ đề QUAN tâm của KHÁCH HÀNG TRỰC TUYẾN
h ông số các bộ dữ liệu thực nghiệm được mô tả trong Bảng 4.1 (Trang 42)
Bảng 4.2: Minh họa dữ liệu thu thập từ thực tế - NGHIÊN cứu một số THUẬT TOÁN học máy (MACHINE LEARNING) ỨNG DỤNG CHO bài TOÁN xác ĐỊNH các CHỦ đề QUAN tâm của KHÁCH HÀNG TRỰC TUYẾN
Bảng 4.2 Minh họa dữ liệu thu thập từ thực tế (Trang 43)
Bảng 4.1: Tóm tắt thông số của các bộ dữ liệu thử nghiệm Bộ ngữ liệu Tổng số - NGHIÊN cứu một số THUẬT TOÁN học máy (MACHINE LEARNING) ỨNG DỤNG CHO bài TOÁN xác ĐỊNH các CHỦ đề QUAN tâm của KHÁCH HÀNG TRỰC TUYẾN
Bảng 4.1 Tóm tắt thông số của các bộ dữ liệu thử nghiệm Bộ ngữ liệu Tổng số (Trang 43)
Bảng 4.3: Danh sách các thuật toán được sử dụng để so sánh - NGHIÊN cứu một số THUẬT TOÁN học máy (MACHINE LEARNING) ỨNG DỤNG CHO bài TOÁN xác ĐỊNH các CHỦ đề QUAN tâm của KHÁCH HÀNG TRỰC TUYẾN
Bảng 4.3 Danh sách các thuật toán được sử dụng để so sánh (Trang 44)
Hình 4.3: Minh họa thuật toán CNN (Kim Y., 2014) Thuật toán T2V hay word2vec: - NGHIÊN cứu một số THUẬT TOÁN học máy (MACHINE LEARNING) ỨNG DỤNG CHO bài TOÁN xác ĐỊNH các CHỦ đề QUAN tâm của KHÁCH HÀNG TRỰC TUYẾN
Hình 4.3 Minh họa thuật toán CNN (Kim Y., 2014) Thuật toán T2V hay word2vec: (Trang 45)
Hình 4.4: Minh họa thuật toán Word2Vec (Allahyari, Mehdi, etal. (2017) - NGHIÊN cứu một số THUẬT TOÁN học máy (MACHINE LEARNING) ỨNG DỤNG CHO bài TOÁN xác ĐỊNH các CHỦ đề QUAN tâm của KHÁCH HÀNG TRỰC TUYẾN
Hình 4.4 Minh họa thuật toán Word2Vec (Allahyari, Mehdi, etal. (2017) (Trang 46)
Hình 4.6: Mô phỏng thuật toán SVM (Allahyari, Mehdi, etal. (2017) - NGHIÊN cứu một số THUẬT TOÁN học máy (MACHINE LEARNING) ỨNG DỤNG CHO bài TOÁN xác ĐỊNH các CHỦ đề QUAN tâm của KHÁCH HÀNG TRỰC TUYẾN
Hình 4.6 Mô phỏng thuật toán SVM (Allahyari, Mehdi, etal. (2017) (Trang 47)
Hình 4.5: Thuật toán NB nguyên thủy (A.M. Kibriya, et al., (2004) - NGHIÊN cứu một số THUẬT TOÁN học máy (MACHINE LEARNING) ỨNG DỤNG CHO bài TOÁN xác ĐỊNH các CHỦ đề QUAN tâm của KHÁCH HÀNG TRỰC TUYẾN
Hình 4.5 Thuật toán NB nguyên thủy (A.M. Kibriya, et al., (2004) (Trang 47)
Bảng 4.4: Độ chính xác Accuracy trên bộ ngữ liệu 20 NewsGroups - NGHIÊN cứu một số THUẬT TOÁN học máy (MACHINE LEARNING) ỨNG DỤNG CHO bài TOÁN xác ĐỊNH các CHỦ đề QUAN tâm của KHÁCH HÀNG TRỰC TUYẾN
Bảng 4.4 Độ chính xác Accuracy trên bộ ngữ liệu 20 NewsGroups (Trang 50)
Bảng 4.5 Độ chính xác F1-score trên bộ ngữ liệu 20 NewsGroups - NGHIÊN cứu một số THUẬT TOÁN học máy (MACHINE LEARNING) ỨNG DỤNG CHO bài TOÁN xác ĐỊNH các CHỦ đề QUAN tâm của KHÁCH HÀNG TRỰC TUYẾN
Bảng 4.5 Độ chính xác F1-score trên bộ ngữ liệu 20 NewsGroups (Trang 51)
Hình 4.7: So sánh Accuracy và F1-score trên bộ 20 NewsGroups Bảng 4.6: Độ chính xác các thuật toán trên bộ ngữ liệu Tiếng Việt - NGHIÊN cứu một số THUẬT TOÁN học máy (MACHINE LEARNING) ỨNG DỤNG CHO bài TOÁN xác ĐỊNH các CHỦ đề QUAN tâm của KHÁCH HÀNG TRỰC TUYẾN
Hình 4.7 So sánh Accuracy và F1-score trên bộ 20 NewsGroups Bảng 4.6: Độ chính xác các thuật toán trên bộ ngữ liệu Tiếng Việt (Trang 52)
Kết quả F1-score thu được từ bộ ngữ liệu chủ đề của đề tài trình bày trong Bảng 4.7. Từ kết quả cho thấy thuật toán MNB đạt giá trị F1- score cao nhất trong 8/10 nhãn - NGHIÊN cứu một số THUẬT TOÁN học máy (MACHINE LEARNING) ỨNG DỤNG CHO bài TOÁN xác ĐỊNH các CHỦ đề QUAN tâm của KHÁCH HÀNG TRỰC TUYẾN
t quả F1-score thu được từ bộ ngữ liệu chủ đề của đề tài trình bày trong Bảng 4.7. Từ kết quả cho thấy thuật toán MNB đạt giá trị F1- score cao nhất trong 8/10 nhãn (Trang 53)
Hình 4.9: Phân nhóm khách hàng dựa trên học máy - NGHIÊN cứu một số THUẬT TOÁN học máy (MACHINE LEARNING) ỨNG DỤNG CHO bài TOÁN xác ĐỊNH các CHỦ đề QUAN tâm của KHÁCH HÀNG TRỰC TUYẾN
Hình 4.9 Phân nhóm khách hàng dựa trên học máy (Trang 55)

TỪ KHÓA LIÊN QUAN

TRÍCH ĐOẠN

BÀI TOÁN PHÂN LOẠI KHÁCH HÀNG TRỰC TUYẾN THEO CHỦ ĐỀ

Ứng dụng trong hệ thống khuyến nghị

Ứng dụng trong phân nhóm khách hàng

MỤC ĐÍCH VÀ CHUẨN BỊ CHO THỰC NGHIỆM KỊCH BẢN THỰC NGHIỆM VÀ THAM SỐ ĐẦU RA Tham số đầu ra CÁC HÀM Ý ĐỀ XUẤT ỨNG DỤNG CHO TỔ CHỨC, DOANH NGHIỆP

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w