Tìm hiểu về hệ thống tư vấn thông tin di động

Khoa CNTT – TRƯỜNG ÐẠI HỌC KHOA HỌC TỰ NHIÊN Tìm hiểu hệ thống tư vấn thơng tin di động Đồ Án Môn Phương Pháp Nghiên Cứu Khoa Học Giáo viên hướng dẫn: GS.TSKH Hoàng Kiếm Sinh viên thực hiện: Nguyễn Thị Ngọc Hoa Mã số sinh viên: 1112011 TP.HCM 2012 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Mobile Location-Based Recommender System Lời mở đầu Điê ̣n thoa ̣i di đô ̣ng ngày đã mô ̣t nhƣ̃ng nề n tảng chính để truy câ ̣p thông tin Sƣ̣ tích hơ ̣p ̣ thố ng tƣ vấ n (Recommender Systems - RSs) vào môi trƣờng di động diễn nhƣ một nhu cầu tất yếu để giải vấn đề quá tải thông tin Mă ̣c dù có nhƣ̃ng khó khăn nhƣ ̣n chế thiế t bi ̣ , hạn chế của mạng không dây, và thói quen của ngƣời dùng di động , nhƣng các ̣ thố ng tƣ vấ n thông tin di đ ộng (Mobile Recommender Systems – MRSs) lại đƣợc thừa hƣởng hai đặc điểm đặc thù của các dịch vụ thông tin di đô ̣ng đó là khả nhâ ̣n diê ̣n vi ̣ trí "location-awareness" và tính có mặt khắp nơi “ubiquity” [Ricci, 2011] Sƣ̣ kế t hơ ̣p giƣ̃a ̣ thố ng tƣ vấ n , thông tin về vi ̣trí ngƣời dùng, và mạng xã hội đã tạo nên nhƣ̃ng loa ̣i hình ƣ́ng du ̣ng dƣ̣a điạ điể m (Location Based Services) mới hế t sƣ́c tinh vi Tài liệu giới thiê ̣u tổ ng quan về ̣ thố ng tƣ vấ n , dịch vụ dựa vị trí, mô ̣t số vấ n đề chính của ̣ thố ng tƣ vấ n thông tin di đô ̣ng (MRSs) qua mô ̣t ƣ́ng du ̣ng cu ̣ thể là ma ̣ng xã hô ̣ i điạ điể m Foursquare với nguyên tắc sáng tạo đƣợc vận dụng đƣợc vận dụng để xây dựng hệ thống LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Mobile Location-Based Recommender System Contents Phầ n Tổng quan phương pháp nghiên cứu khoa học 1.1 Giới Thiệu Phƣơng Pháp Luận Sáng Tạo Khoa Học 1.2 Phƣơng Pháp Luận Sáng Tạo Trong Tin Học 1.3 Giới thiệu 40 Nguyên tắc sáng tạo khoa học kỹ thuật Phầ n Tổng quan hệ thống tư vấn thông tin di động 11 2.1 Location Based Services (LBSs) là gì? 11 2.1.1 Đinh ̣ nghiã LBSs 11 2.1.2 Phân biê ̣t GIS (Geographic Information Systems) và LBS 12 2.1.3 Kiế n trúc của LBS (Location-Based Services Infrastructure) 12 2.1.4 Phân loa ̣i LBS (Types of Location-Based Services) 13 2.2 Recommender System 14 2.2.1 Recommender System là gì ? 14 2.2.2 Phân loa ̣i các hệ thống tƣ vấn 15 2.2.3 Các lĩnh vực ứng dụng 18 Phầ n Mobile Location Based Recommender System - FourSquare 19 3.1 Giới thiệu 19 3.2 Mạng xã hội di động FourSquare 20 3.2.1 Giới thiệu chung 20 3.2.2 Tính Explore 20 3.2.3 Các thách thức giải pháp của Foursquare xây dựng Recommender Engine 21 3.3 LARS: A Location-Aware Recommender System 23 3.3.1 Tổng quan về LARS 23 3.3.2 SPATIAL RATINGS FOR NON-SPATIAL ITEMS 24 3.3.3 NON-SPATIAL USER RATINGS FOR SPATIAL ITEMS 25 3.3.4 SPATIAL USER RATINGS FOR SPATIAL ITEMS 25 3.4 Đánh giá chung 25 3.5 Hƣớng phát triể n 26 Phầ n Các nguyên tắc sáng tạo vận dụng xây dựng FourSquare 28 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Mobile Location-Based Recommender System Phầ n Tổng quan phương pháp nghiên cứu khoa học 1.1 Giới Thiệu Phương Pháp Luận Sáng Tạo Khoa Học Nói mợt cách ngắn gọn, "PHƢƠNG PHÁP LUẬN SÁNG TẠO" (Creativity Methodologies) bợ mơn khoa học có mục đích xây dựng trang bị cho ngƣời hệ thống các phƣơng pháp, các kỹ thực hành tiên tiến về suy nghĩ để giải vấn đề định một cách sáng tạo, về lâu dài, tiến tới điều khiển đƣợc tƣ "PHƢƠNG PHÁP LUẬN SÁNG TẠO" phần ứng dụng của khoa học rộng lớn hơn, hình thành phát triển thời gian gần : KHOA HỌC SÁNG TẠO (Creatology) Theo nhà nghiên cứu sau nông nghiệp, công nghiệp tin học Làn sóng ứng với Creatology (hay cịn gọi thời đại hậu tin học) sự nhấn mạnh vai trò chủ thể tƣ sáng tạo của loài ngƣời kỷ XXI Mỗi ngƣời làm việc, không thể khơng suy nghĩ và địi hỏi cải tiến cơng việc phải là sở cho suy nghĩ của Nói cách khác, ngƣời đều cần suy nghĩ để sáng tạo Tƣ sáng tạo tài nguyên bản nhất của ngƣời Chúng ta cần sáng tạo cảm thấy rằng, việc cần đƣợc thực theo cách đơn giản và tốt Dù tài giỏi nhƣ nào, mong muốn tốt Sáng tạo gắn liền với sự thay đổi, đƣa cái (đổi mới), sáng chế, các ý tƣởng mới, các phƣơng án lựa chọn Sự sáng tạo thuộc về lực định, thuộc về sự kết hợp độc đáo hoặc liên tƣởng, phát các ý tƣởng đạt đƣợc kết quả ích lợi Mọi ngƣời có thể dùng tính sáng tạo của mình để đặt vấn đề một cách bao quát, phát triển các phƣơng án lựa chọn, làm phong phú khả và tƣởng tƣợng hậu quả có thể nảy sinh Tóm lại, bạn làm đƣợc mới, khác có ích lợi, đấy sáng tạo Sự sáng tạo nảy sinh ở tầng lớp giai đoạn cuộc sống của Ðối với một công ty hay tổ chức, tài nguyên quan trọng nhất nguồn nhân lực, tức ngƣời làm việc cho công ty, tổ chức Họ gồm thợ bảo trì, ngƣời bán hàng, cơng nhân dây chuyền sản xuất, ngƣời đánh máy và các cán bộ quản lý cấp bậc Nguồn nhân lực của công ty làm cho tài nguyên khác hoạt động, mang lại hiệu quả cao Thiếu nhân sự tốt, một công ty, tổ chức, dù đƣợc trang bị máy móc hồn hảo nhất, đƣợc tài trợ tốt nhất, hoạt đợng hiệu quả Vì vậy, ngƣời cấu tổ chức cần học phƣơng pháp luận (các thủ thuật bản, phƣơng pháp, lý thuyết) về tƣ sáng tạo Ðiều này làm cho cấu tổ chức của bạn mạnh lên rất nhiều Trong cấu tổ chức, nhiều ngƣời học phƣơng pháp luận về tƣ sáng tạo, tổ chức hoạt đợng có hiệu quả LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Mobile Location-Based Recommender System 1.2 Phương Pháp Luận Sáng Tạo Trong Tin Học Tin học mợt ngành đại, từ có tin học cuộc sống của nguời ngày càng đƣợc nâng cao, giới biến đổi nhanh “chóng mặt” Ngành học đòi hỏi sự đầu tƣ tƣ duy, chất xám, một sản phẩm tin học đƣợc đánh giá cao là sản phẩm có “hàm lƣợng” tƣ và chất xám cao Một công ty thuộc lĩnh vực tin học không cần phải có diện tích to lớn, sở hạ tầng hồnh tráng, nguồn nhân lực đông đảo, mà cần chủ yếu là tƣ và chất xám, cần sự sáng tạo mới, khác hữu dụng, tốt sản phẩm cũ Các sản phẩm tin học không cần đầu tƣ nhiều thiết bị cho sản phẩm, thay vào đó đầu tƣ về chất xám nhiều sản phẩm đƣợc ngƣời dùng đón tiếp, sử dụng thị trƣờng 1.3 Giới thiệu 40 Nguyên tắc sáng tạo khoa học kỹ thuật (01) Nguyên tắ c phân nhỏ - Chia đố i tƣơ ̣ng thành các phầ n đô ̣c lâ ̣p - Làm đối tƣợng trở nên tháo lắp đƣợc - Tăng mƣ́c đô ̣ phân nhỏ đố i tƣơ ̣ng (02) Nguyên tắ c “tách khỏi” - Tách phần gây “phiền phức” ( tính chất “phiền phức” ) hay ngƣơ ̣c la ̣i tách phầ n nhấ t “cầ n thiế t” ( tính chất “cần thiết” ) khỏi đố i tƣơ ̣ng (03) Nguyên tắ c phẩ m chấ t cu ̣c bô ̣ - Chuyể n đố i tƣơ ̣ng ( hay môi trƣờng bên ngoài , tác động bên ngoài ) có cấu trúc đồ ng nhấ t thành không đồ ng nhấ t - Các phần khác của đối tƣợng phải có các chức khác - Mỗi phầ n của đố i tƣơ ̣ng phải ở nhƣ̃ng điề u kiê ̣n thić công viê ̣c (04) h hơ ̣p nhấ t đố i với Nguyên tắ c phản đố i xứng - Chuyể n đố i tƣơ ̣ng có hình da ̣ng đố i xƣ́ng thành không đố i xƣ́ng giãm bật đối xứng) (05) ( nói chung Nguyên tắ c kế t hơ ̣p - Kế t hơ ̣p các đố i tƣơ ̣ng đồ ng nhấ t hoă ̣c các đố i tƣơ ṇ g dùng cho các hoa ̣t đô ̣ng kế câ ̣n - Kế t hơ ̣p về mă ̣t thời gian các hoa ̣t đô ̣ng đồ ng nhấ t hoă ̣c kế câ ̣n (06) Nguyên tắ c va ̣n - Đối tƣợng thực một số chức khác , đó không cầ n sƣ̣ tham gia của các đối tƣợng khác (07) Nguyên tắ c “chứa trong” - Mô ̣t đố i tƣơ ̣ng đƣơ ̣c đă ̣t bên đố i tƣơ ̣ng khác và bản thân nó la ̣i chƣ́a đố i tƣơ ̣ng thƣ́ ba … LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Mobile Location-Based Recommender System - Mô ̣t đố i tƣơ ̣ng chuyể n đô ̣ng xuyên suố t bên đố i tƣơ ̣ng khác (08) Nguyên tắ c phản tro ̣ng lươ ̣ng - Bù trừ trọng lƣợng của đối tƣợng cách gắn nó với các đối tƣợng khác có lƣ̣c nâng - Bù trừ trọng lƣợng của đối tƣợng tƣơng tác với môi trƣờng nhƣ sử dụng các lực thủy động, khí động… (09) Nguyên tắ c gây ứng suấ t sơ bô ̣ - Gây ƣ́ng suấ t trƣớc với đố i tƣơ ̣ng để chố ng la ̣i ƣ́ng suấ t không cho phép hoă ̣c không mong muố n đố i tƣơ ̣ng làm viê ̣c ( hoă ̣c gây ƣ́ng suấ t trƣớc để làm viê ̣c sẽ dùng ƣ́ng suấ t ngƣơ ̣c la ̣i ) (10) Nguyên tắ c thư ̣c hiêṇ sơ bô ̣ - Thƣ̣c hi ện trƣớc sự thay đổi cần có , hoàn toàn hoặc từng phần , đố i với đố i tƣơ ̣ng - Cầ n sắ p xế p đố i tƣơ ̣ng trƣớc , cho chúng có thể hoa ̣t đô ̣ng tƣ̀ vi ̣trí thuâ ̣n lơ ̣i nhấ t, không mấ t thời gian dich ̣ chuyể n (11) Nguyên tắ c dự phòng - Bù đắp độ tin cậy không lớn của đối tƣợng cách chuẩn bị trƣớc các phƣơng tiê ̣n báo đô ̣ng, ứng cứu, an toàn (12) Nguyên tắ c đẳ ng thế - Thay đổ i điề u kiê ̣n làm viê ̣c để không phải nâng lên hay ̣ xuố ng các đố i tƣơ ̣ng (13) Nguyên tắ c đảo ngươ ̣c - Thay vì hành đô ̣ng nhƣ yêu cầ u bài toán , hành động ngƣợc lại ( ví dụ, không làm nóng mà làm lạnh đối tƣợng) - Làm phần chuyển động của đối tƣợng ( hay môi trƣờng bên ngoài ) thành đứng yên và ngƣơ ̣c la ̣i, phầ n đƣ́ng yên thành chuyể n đô ̣ng (14) Nguyên tắ c cầ u ( tròn ) hoá - Chuyể n nhƣ̃ng phầ n thẳ ng của đố i tƣơ ̣ng thành cong , mă ̣t phẳ ng thành mă ̣t cầ u , kế t cấ u hiǹ h hô ̣p thành kế t cấ u hiǹ h cầ u - Sƣ̉ du ̣ng các lăn, viên bi, vòng xoắn - Chuyể n sang chuyể n đô ̣ng quay, sƣ̉ du ̣ng lƣ̣c ly tâm (15) Nguyên tắ c linh đô ̣ng - Cầ n thay đổ i các đă ̣t trƣng của đố i tƣơ ̣ng hay môi trƣờng bên ngoài cho chúng tối ƣu từng giai đoạn làm việc - Phân chia đố i tƣơ ̣ng thành tƣ̀ng phầ n, có khả dịch chuyển với (16) Nguyên tắ c giải “thiế u” hoă ̣c “thừa” LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Mobile Location-Based Recommender System - Nế u nhƣ khó nhâ ̣n đƣơ ̣c 100% hiê ̣u quả cầ n thiế t , nên nhâ ̣n it́ hoă ̣c nhiề u “mô ̣t chút” Lúc đó bài toán có thể trở nên đơn giản và dễ giải (17) Nguyên tắ c chuyể n sang chiề u khác - Nhƣ̃ng khó khăn chuyể n đô ̣ng ( hay sắ p xế p ) đố i tƣơ ̣ng theo đƣờng (mô ̣t chiề u) đƣợc khắc phục cho đối tƣợng khả di chuyển mặt phẳng ( hai chiề u ) Tƣơng tƣ̣, nhƣ̃ng bài toán liên quan đế n chuyể n đô ̣ng ( hay sắ p xế p ) các đối tƣợng mặt phẳng đƣợc đơn giản hoá chuyển sang không gian (ba chiề u) - Chuyể n các đố i tƣơ ̣ng có kế t cấ u mô ̣t tầ ng thành nhiề u tầ ng - Đặt đối tƣợng nằm nghiêng - Sử dụng mặt sau của diện tích cho trƣớc - Sƣ̉ du ̣ng các luồ ng ánh sáng tới diê ̣n tić h bên ca ̣nh hoă ̣c tới mă ̣t sau của diê ̣n tích cho trƣớc (18) Nguyên tắ c sử du ̣ng các dao đô ̣ng ho ̣c - Làm đối tƣợng dao động Nế u đã có dao đô ̣ng, tăng tầ ng số dao đô ̣ng ( đến tầng số siêu âm) - Sƣ̉ du ̣ng tầ ng số cô ̣ng hƣởng - Thay vì dùng các bô ̣ rung ho ̣c, dùng các bộ rung áp điện - Sƣ̉ du ̣ng siêu âm kế t hơ ̣p với trƣờng điê ̣n tƣ̀ (19) Nguyên tắ c tác đô ̣ng theo chu kỳ - Chuyển tác động liên tục thành tác động theo chu kỳ (xung) - Nế u đã có tác đô ̣ng theo chu kỳ, hãy thay đổi chu kỳ - Sƣ̉ du ̣ng các khoảng thời gian giƣ̃a các xung để thƣ̣c hiê ̣n tác đô ̣ng khác (20) Nguyên tắ c liên tu ̣c tác đô ̣ng có ích - Thƣ̣c hiê ̣n công viê ̣c mô ̣t cách liên tu ̣c ( tấ t cả các phầ n của đố i tƣơ ̣ng cầ n luôn làm viê ̣c ở chế đô ̣ đủ tải ) - Khắ c phu ̣c vâ ̣n hành không tải và trung gian - Chuyể n chuyể n đô ̣ng tinh ̣ tiế n qua la ̣i thành chuyể n đô ̣ng qua y (21) Nguyên tắ c “vươ ̣t nhanh” - Vƣơ ̣t qua các giai đoa ̣n có ̣i hoă ̣c nguy hiể m với vâ ̣n tố c lớn - Vƣơ ̣t nhanh để có đƣơ ̣c hiê ̣u ƣ́ng cầ n thiế t (22) Nguyên tắ c biế n ̣i thành lơ ̣i - Sƣ̉ du ̣ng nhƣ̃ng tác nhân có ̣i ( thí dụ tác động có h ại của môi trƣờng ) để thu đƣơ ̣c hiê ̣u ƣ́ng có lơ ̣i - Khắ c phu ̣c tác nhân có ̣i bằ ng cách kế t hơ ̣p nó với tác nhân có ̣i khác - Tăng cƣờng tác nhân có ̣i đế n mƣ́c nó không còn có ̣i nƣ̃a LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Mobile Location-Based Recommender System (23) Nguyên tắ c quan ̣ phản hồ i - Thiế t lâ ̣p quan ̣ phản hồ i - Nế u đã có quan ̣ phản hồ i , hãy thay đổi nó (24) Nguyên tắ c sử du ̣ng trung gian - Sƣ̉ du ̣ng đố i tƣơ ̣ng trung gian, chuyể n tiế p (25) Nguyên tắ c tư ̣ phu ̣c vu ̣ - đố i tƣơ ̣ng phải tƣ̣ phu ̣c vu ̣ bằ ng cách thƣ̣c hiê ̣n cá c thao tác phu ̣ trơ,̣ sƣ̉a chƣ̃a - Sƣ̉ du ̣ng phế liê ̣u, chát thải, lƣơ ̣ng dƣ (26) Nguyên tắ c chép (copy) - Thay vì sƣ̉ du ̣ng nhƣ̃ng cái không đƣơ ̣c phép , phƣ́c ta ̣p, đắ t tiề n , không tiê ̣n lơ ̣i hoă ̣c dễ vỡ, sƣ̉ du ̣ng bản - Thay thế đố i tƣơ ̣ng hoă ̣c ̣ các đố i tƣơ ̣ng bằ ng bản quang ho ̣c vẽ) với các tỷ lê ̣ cầ n thiế t (ảnh, hình - Nế u không thể sƣ̉ du ̣ng bản quang ho ̣c ở vùng biẻu kiế n ( vùng ánh sáng nhìn thấy đƣợc mắt thƣờng ), chuyể n sang sƣ̉ du ̣ng các bản hồ ng ngoa ̣i hoă ̣c tƣ̉ ngoa ̣i (27) Nguyên tắ c “rẻ” thay cho “đắ t” - Thay thế đố i tƣơ ̣ng đắ t tiề n bằ ng bô ̣ các đố i tƣơ ̣ng rẻ có chấ t lƣơ ̣ng kém thí dụ nhƣ về tuổi thọ) (28) ( Thay thế sơ đồ ho ̣c - Thay thế sơ đồ ho ̣c bằ ng điê ̣n, quang, nhiê ̣t, âm hoă ̣c mùi vi.̣ - Sƣ̉ du ̣ng điê ̣n trƣờng, tƣ̀ trƣờng và điê ̣n tƣ̀ trƣờng tƣơng tác với đố i tƣơ ̣ng - Chuyể n các trƣờng đƣ́ng yên sang chuyể n đô ̣ng , các trƣờng cố định sang thay đổ i theo thời gian, các trƣờng đồng nhất sang có cấu trúc nhất định - Sƣ̉ du ̣ng các trƣờng kế t hơ ̣p với các ̣t sắ t tƣ̀ (29) Sử du ̣ng các kế t cấ u khí và lỏng - Thay cho các phầ n của đố i tƣơ ̣ng ở thể rắ n , sƣ̉ du ̣ng các chấ t khí và lỏng : nạp khí, nạp chất lỏng, đệm không khí, thủy tĩnh, thủy phản lực (30) Sử du ̣ng vỏ dẻo và màng mỏng - Sƣ̉ du ̣ng các vỏ dẻo và màng mỏng thay cho các kế t cấ u khố i - Cách ly đối tƣợng với môi trƣờng bên ngoài các vỏ dẻo và màng mỏng (31) Sử du ̣ng các vâ ̣t liêụ nhiề u lỗ - Làm đối tƣợng có nhiều lỗ hoặc sử dụng thêm chi tiết có nhiều lỗ miế ng đê ̣m, tấ m phủ ) ( - Nế u đố i tƣơ ̣ng đã có nhiề u lỗ , sơ bô ̣ tẩ m nó bằ ng chấ t nào đó LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Mobile Location-Based Recommender System (32) Nguyên tắ c thay đổ i màu sắ c - Thay đổ i màu sắ c của đố i tƣơ ̣ng hay môi trƣờng bên ngoài - Thay đổ i đô ̣ suố t của của đố i tƣơ ̣ng hay môi trƣờng bên ngoài - Để có thể quan sát đƣơ ̣c nhƣ̃ng đố i tƣơ ̣ng hoă ̣c nhƣ̃ng quá trình chấ t phu ̣ gia màu, hùynh quang , sƣ̉ du ̣ng cá c - Nế u các chấ t phu ̣ gia đó đã đƣơ ̣c sƣ̉ du ̣ng, dùng các nguyên tử đánh dấu - Sƣ̉ du ̣ng các hiǹ h vẽ, ký hiệu thích hợp (33) Nguyên tắ c đồ ng nhấ t - Nhƣ̃ng đố i tƣơ ̣ng , tƣơng tác với đố i tƣơ ̣ng cho trƣớ c, phải đƣợc làm từ cùng mô ̣t vâ ̣t liê ̣u ( hoă ̣c tƣ̀ vâ ̣t liê ̣u gầ n về các tính chấ t ) với vâ ̣t liê ̣u chế ta ̣o đố i tƣơ ̣ng cho trƣớc (34) Nguyên tắ c phân hủy hoă ̣c tái sinh các phầ n - Phầ n đố i tƣơ ̣ng đã hoàn thành nhiê ̣m vu ̣ hoă ̣c trở n ên không càn thiế t phải tƣ̣ phân hủy ( hoà tan, bay ) hoă ̣c phải biế n da ̣ng - Các phần mất mát của đối tƣợng phải đƣợc phục hồi trực tiếp quá trình làm việc (35) Thay đổ i các thông số hoá lý của đố i tươ ̣ng - Thay đổ i trạng thái đối tƣợng - Thay đổ i nồ ng đô ̣ hay đô ̣ đâ ̣m đă ̣c - Thay đổ i đô ̣ dẻo - Thay đổ i nhiê ̣t đô ̣, thể tích (36) Sử du ̣ng chuyể n pha - Sƣ̉ du ̣ng các hiê ̣n tƣơ ̣ng nảy sinh quá trình chuyể n pha nhƣ : thay đổ i thể tích, toả hay hấp thu nhiê ̣t lƣơ ̣ng… (37) Sử du ̣ng sư ̣ nở nhiêṭ - Sƣ̉ du ̣ng sƣ̣ nở ( hay co) nhiê ̣t của các vâ ̣t liê ̣u - Nế u đã dùng sƣ̣ nở nhiê ̣t, sƣ̉ du ̣ng với vâ ̣t liê ̣u có các ̣ số nở nhiê ̣t khác (38) Sử du ̣ng các chấ t oxy hoá ma ̣nh - Thay không khí thƣờng không khí giàu oxy - Thay không khí giàu oxy bằ ng chính oxy - Dùng các bức xạ ion hoá tác động lên không khí hoặc oxy - Thay oxy giàu ozon ( hoă ̣c oxy bi ̣ion hoá) bằ ng chính ozon (39) Thay đổ i đô ̣ trơ - Thay môi trƣờng thông thƣờng bằ ng môi trƣờng trung hoà - Đƣa thêm vào đố i tƣơ ̣ng các phầ n , các chất , phụ gia trung hoà LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Mobile Location-Based Recommender System - Thƣ̣c hiê ̣n quá triǹ h chân không (40) Sử du ̣ng các vâ ̣t liêụ hơ ̣p thành ( composite ) - Chuyể n tƣ̀ các vâ ̣t liê ̣u đồ ng nhấ t sang sƣ̉ du ̣ng nhƣ̃ng vâ ̣t liê ̣u hơ ̣p thành composite) Hay nói chung, sƣ̉ du ̣ng các vâ ̣t liê ̣u mới ( 10 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Mobile Location-Based Recommender System Hình Tư vấn thơng tin Amazon.com 2.2.2 Phân loa ̣i hệ thống tư vấn Nhiê ̣m vu ̣ t ính toán chủ yếu mà một RS phải giải là dự đoán đánh giá chủ quan của ngƣời dùng cho mô ̣t sản phẩ m hoă ̣c dich ̣ vu ̣ (item) Dƣ̣ đoán này đƣơ ̣c tiń h toán dƣ̣a vào mô ̣t số mô hiǹ h Các mô hình dự đoán đều có một điểm c là khai thác các đánh giá (evaluations) hoă ̣c xế p ̣ng (rating) đƣơ ̣c cho bởi mô ̣t (nhiề u) ngƣời dùng cho các sản phẩ m đƣơ ̣c xem/mua trƣớc đó Tùy theo kĩ thuật dự đoán đƣợc sử dụng , các RS đƣợc phân thành bốn loại chính nhƣ sau [Burke, 2007]: dƣ̣a cô ̣ng tác (collaborative-based), dƣ̣a nô ̣i dung (content-based), dƣ̣a tri thƣ́c (knowledge-based), và các hệ thống lai (hybrid) 2.2.2.1 Collaborative-based Recommender Systems Các hệ thống tư vấn cộng tác sẽ tính tốn mối tương quan ngƣời sử dụng với Hê ̣ thố ng sẽ dự đoán đánh giá của ngƣời dùng hiê ̣n t ại dựa ratings đƣợc cung cấp bởi ngƣời dùng khác 15 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Mobile Location-Based Recommender System (nhƣ̃ng ngƣời có sở thích liên quan chặt chẽ với ngƣời sử dụng tại) [Herlocker et al, 1999] Đây là cách tiếp cận phổ biến , trang thƣơng ma ̣i điê ̣n tƣ̉ nổ i tiế ng sƣ̉ du ̣ng cách tiế p câ ̣n này là Amazon.com (people who buy x also buy y) Hình Hệ thớng tư vấn dự a cộng tác Kĩ thuật lọc cộng tác (Collaborative filtering) thông thƣờng sƣ̉ dụng mô ̣t ma trâ ̣n đánh giá hai chiề u , mỗi ô (i,j) của ma trận lƣu trữ đánh giá của ngƣời dùng i cho một mục sản phẩm j Hầ u hế t các ô ma trâ ̣n này đều không có giá trị thật sự Phƣơng pháp tiếp cận và tinh vi sẽ d ựa kỹ thuật phân rã ma trâ ̣n (matrix decomposition techniques) Kĩ thuật này c ố gắng để xấ p xỉ ma trâ ̣n useritem ban đầ u thành tić h của hai ma trận nhỏ [Koren, 2008] Và với sự phân tích này, mô ̣t giá tri ̣dƣ̣ đoán sẽ đƣơ ̣c tiń h toán và chèn vào các ô trố ng Nhươ ̣c điể m: dƣ̃ liê ̣u thƣa, cầ n nhiề u mô ̣t da ̣ng feeback , vấ n đề ngƣời dùng mới và item mới (cold start problems) 2.2.2.2 Content-based Recommender Systems Hệ thống tƣ vấ n dƣ̣a nô ̣i dung ch ỉ sử dụng các sở thić h c ủa ngƣời sử dụng tại, ̣ thố ng d ự đoán mƣ́c đô ̣ phù phù hơ ̣p của m ột item với ngƣời dùng d ựa mƣ́c đô ̣ tƣơng tƣ̣ giƣ̃a mơ t ả của (nội dung) với các item mà ngƣời dùng đã đánh giá cao quá khứ [Pazzani Billsus, 2007] Hình Hệ thống tư vấn dự a nộ i dung 16 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Mobile Location-Based Recommender System Những cách tiế p câ ̣n này dƣ̣a ki ̃ thuâ ̣t truy vấ n thông tin (Information retrieval) [ Manning, 2008] vì mô tả của m ột item thƣờng là một văn bản (text) và vector đại diện (dƣ̣a đă ̣c trƣng ) xây dƣ̣ng bằ ng cách nhâ ̣n diê ̣n các tƣ̀ khóa liên quan văn bản đó Tuy nhiên ̣ thố ng tƣ vấ n dƣ̣a nô ̣i dung không có bấ t kì tƣơng đồ ng nào với mô ̣t truy vấ n ̣ thố ng truy vấ n thông tin thông thƣờng (IR system) Nhươ ̣c điể m : cầ n mô tả nô ̣i dung sản của sản phẩ m , gây lố i mòn tƣ vấ n không gây nga ̣c nhiên cho ngƣời dùng, vấ n đề ngƣời dùng mới (cold start problem) 2.2.2.3 Knowledge-based Recommender Systems Hê ̣ thố ng truy vấ n dƣ̣a tri th ức sử dụng một cấu trúc tri thức để suy luâ ̣n nhu cầu và sở thić h của ngƣời sử dụng Hình Hệ thớng tư vấn dự a tri thứ c Mô ̣t ki ̃ thuâ ̣t dƣ̣a tri thƣ́c quan tro ̣ ng đƣơ ̣c dƣ̉ du ̣ng ̣ thố ng tƣ vấ n là suy di ễn dựa trƣờng hợp (case-based reasoning – CBR) [Bridge et al., 2006], đó là mô ̣t ki ̃ thuâ ̣t dƣ̣ đoán, nó truy xuất nhƣ̃ng tƣ vấ n tƣơng tƣ̣ mô ̣t trƣờng hơ ̣p (case-base) ( đã đƣơ ̣c lƣu t rƣ̃ trƣớc đó ) và tái sử dụng thông tin nhƣ̃ng trƣờng hơ ̣p này để xác đinh ̣ tâ ̣p tƣ vấ n đầ u Nhươ ̣c điể m: chi phí viê ̣c xây dƣ̣ng sở tri thƣ́c để khởi đô ̣ng , mang tiń h tiñ h về bản , không tác dụng với xu hƣớng ngắn hạn (not react to short-term trends) 2.2.2.4 Hybrid Recommender Systems Hê ̣ thố ng tƣ vấ n lai : kế t hơ ̣p hai hay nhiề u ki ̃ thuâ ̣t khác để đa ̣t đƣơ ̣c hiê ̣u suấ t tố t nhƣơ ̣c điể m của mỗi phƣơng pháp , hạn chế 17 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Mobile Location-Based Recommender System Hình Hệ thớng truy vấn lai 2.2.3 Các lĩnh vực ứng dụng Nghiên cƣ́u về ̣ thố ng tƣ vấ n đƣơ ̣c thƣ̣c hiê ̣n với mu ̣c tiêu chiń h là cải thiê ̣n các ̣ thố ng tƣ vấ n thƣơng ma ̣i và các ƣ́ng du ̣ng thƣ̣c tiễn khác Có thể phân thành các lĩnh vực sau:  Giải trí – phim, nhạc và IPTV  Nô ̣i dung – tin tƣ́c, tài liệu, trang web, chƣơng triǹ h ho ̣c trƣ̣c tuyế n và bô ̣ lo ̣c email  Thương ma ̣i điêṇ tử (e-commerce) – sách, máy quay phim, PC  Dịch vụ: dịch vụ du lịch, thuê nhà, mai mố i Đặc biệt, sƣ̣ kế t hơ ̣p giƣ̃a thông tin mạng xã hội , thông tin về vị trí của ngƣời dùng đã và làm cho tính cá nhân hóa các tƣ vấn đƣợc nâng cao lên rất nhiều lần Ví dụ điển hình cho loại hình này là các mạng di động theo điạ điể m nhƣ Foursquare hoă ̣c Facebook Places Viê ̣c lƣ̣a cho ̣n thuâ ̣t toán cho RS mô ̣t liñ h vƣ̣c cu ̣ thể phải dƣ̣a vào hiể u biế t chi tiế t về liñ h vƣ̣c đó, yêu cầ u của nó, nhƣ thách thƣ́c và ̣n chế của ƣ́ng du ̣ng 18 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Mobile Location-Based Recommender System Phầ n Mobile Location Based Recommender System FourSquare 3.1 Giới thiệu Các hệ thống tƣ vấn sử dụng đánh giá của cộng đồng để giúp đỡ ngƣời dùng xác định sản phẩm hữu ích khơng gian tìm kiếm rợng lớn (ví dụ: Amazon hay Netflix) Kĩ thuật đƣợc sử dụng phổ biến là kĩ thuật lọc cộng tác (collaborative filtering), đó các ý kiến của cợng đồng đƣợc phân tích để tìm sự tƣơng đồng ngƣời sử dụng sản phẩm, từ đó đề xuất k sản phẩm phù hợp nhất với ngƣời dùng thực truy vấn Ý kiến của cộng đồng đƣợc thể thông qua đánh giá tƣờng minh, biểu diễn bởi bộ ba (user, rating, item) Với sự phát triển của thiết bị di đợng có tích hợp GPS, tại có rất nhiều ứng dụng có thể tạo các đánh giá theo vị trí địa lí (location-based ratings), tức là các đánh giá có kèm theo thơng tin về vị trí của ngƣời dùng (user) hoặc sản phẩm (item) Ví dụ, mạng xã hội dựa địa điểm (Foursquare Face-book Places) cho phép ngƣời dùng “check-in” tại một vị trí địa lí nào đó (nhà hàng, quán ăn) và đƣa đánh giá về địa điểm đó, là dạng đánh giá kết hợp thơng tin vị trí của cả ngƣời sử dụng sản phẩm Điều này thúc đẩy sự đời của hệ thống tƣ vấn dựa vị trí (Location Based Recommender System), đó khía cạnh “không gian” của đánh giá (spatial aspect of ratings) đƣợc khai thác để cho các tƣ vấn theo vị trí (location-aware recommendations) Mợt ví dụ cho loại hình tính “Explore” mạng xã hợi Foursquare Các hệ thống hoạt động chủ yếu môi trƣờng di động, thƣ̀a hƣởng hai đă ̣c điể m đă ̣c thù của các dich ̣ vu ̣ thông tin di đô ̣ng đó là khả nhâ ̣n diê ̣n vi ̣trí "location-awareness" và tính có mặt khắp nơi “ubiquity” Hai vấn đề cần phải giải xây dựng một hệ thống tƣ vấn dựa vị trí là:  Khai thác thơng tin về vị trí nhƣ cho hiệu quả?  Làm tối ƣu hóa tốc độ truy vấn liệu không gian (spatial data) để trả kết quả khoảng thời gian chấp nhận đƣợc? (Đặc biệt với ứng dụng có lƣợng liệu lớn nhƣ Foursquare chẳng hạn) Ta lần lƣợt xem xét cách giải vấn đề qua:  Cách nhà phát triển Foursquare xây dựng recommender engine cho hệ thống của họ  Các kĩ thuật đƣợc đề xuất hệ thống LARS (Location-Aware Recommender System) Levandoski và các đồng sự đề xuất.[Levandoski et al 2012] 19 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Mobile Location-Based Recommender System 3.2 Mạng xã hội di động FourSquare 3.2.1 Giới thiệu chung Foursquare mạng xã hợi dựa vị trí (location-based social network) có tích hợp yếu tố của trị chơi đời vào tháng 3/2009 Ứng dụng sử dụng chức định vị vệ tinh (GPS), chạy nền smartphone Ngƣời dùng thực “check-in” địa điểm khác mà họ đến, ghi chú, nhận xét về địa điểm đó, chia sẻ với bạn bè nhận phần thƣởng, giảm giá của doanh nghiệp dành cho thành viên của FourSquare Ngƣời “check-in” nhiều nhất tại một địa điểm nhất định đƣợc trao vƣơng miện "Thị trƣởng" tại địa điểm đó bị ngƣời khác vƣợt qua Ngƣời nhận vƣơng miện nhận đƣợc chƣơng trình khuyến mãi đặc biệt của doanh nghiệp tại địa điểm tƣơng ứng Sự hấp dẫn vốn có của mạng xã hội cộng với tính di động yếu tố trò chơi làm cho Foursquare trở thành một mạng xã hội di động lớn nhất (sau Instagram) với số lƣợng ngƣời dùng 15 triệu hàng triệu “check-in” ngày [Fousquare, 2012] 3.2.2 Tính Explore Explore, đời với phiên bản Foursquare 3.0 vào cuối năm 2011, giúp ngƣời sử dụng khám phá nhanh chóng địa điểm thú vị hành trình của Ngƣời dùng lựa chọn loại địa điểm họ muốn đến, chẳng hạn nhƣ “nhà hàng”, “quán café”, ứng dụng tìm và đề xuất các địa điểm tốt nhất theo một vài tiêu chí (Hình 5) Kết quả trả về mợt danh sách các địa điểm đƣợc xếp hạng với thông tin nhƣ: khoảng cách, ngƣời từng ghé thăm, nhận xét của họ Hình Tính Explore của FourSquare Về bản, bên dƣới tính Explore chính là một Recommender Engine, đó thông tin tƣ vấn đƣợc rút trích từ hoạt đợng của chính ngƣời dùng, bạn bè của họ, vị trí địa lí dựa GPS, nhân tố khác Với Explore, Foursquare khơng “chăm sóc” ngƣời dùng ở tại theo kiểu “Bạn đâu?Làm gì?” mà cịn ở cả thì tƣơng lai gần “Bạn dự định đến đâu?” Đây là một tính hết sức 20 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Mobile Location-Based Recommender System thú vị, tiêu biểu cho sự kết hợp mạng xã hội di động hệ thống tƣ vấn thơng tin sử dụng vị trí (Location-Aware Recommender System) 3.2.3 Các thách thức giải pháp của Foursquare xây dựng Recommender Engine Ngoại trừ tính toán độ tƣơng đồng đƣợc tính toán trƣớc, tất cả khâu khác của hệ thống nhƣ truy vấn (retrieval), xếp hạng (ranking), trả về kết quả (rendering) đều đƣợc thực online với thời gian phản ứng trung bình của server khơng quá 100ms Đây là mợt tốn khó phải truy lục kho thơng tin địa lí khổng lồ các địa điểm xung quanh rất nhiều “check-in” liên quan Hai vấn đề cần giải là:  Xác định các tiêu chí để lựa chọn xếp hạng kết quả trả về  Nâng cao tốc độ thực thi của hệ thống (truy vấn, tính toán đợ tƣơng tự ) 3.2.3.1 Xác định các tiêu chí xếp hạng Thuật tốn đƣợc sử dụng để cá nhân hóa nợi dung cung cấp cho ngƣời dùng chính đƣợc sử dụng recommender engine của Foursquare lọc cợng tác (collaborative filtering), thuật tốn khai thác thông tin từ các “check-in” của bản thân ngƣời dùng ngƣời dùng tƣơng tự nhƣ họ “people like you” [ Moore, 2011] Tuy nhiên việc xếp hạng nhƣ gặp nhiều khó khăn, ví dụ nhƣ:   Nếu đơn thuần sắp xếp dựa số lần “check-in”, ta có thể có kết quả hết sức thú vị, lại bỏ sót mợt số “viên ngọc ẩn mình”[ Moore, 2011].Chẳng hạn một nhà hàng có cơng śt lớn, thời gian phục vụ kéo dài đƣợc đánh giá nặng kí nhà hàng khác, mặc dù thực tế có sức hút cao với ngƣời sử dụng trung bình Tƣơng tự nhƣ vậy, xếp hạng dựa vào thông tin phản hồi của ngƣời sử dụng (xếp hạng chẳng hạn), dẫn đến vấn đề khác, nhƣ sự khác tƣơng đối bảng xếp hạng Một ngƣời dùng có thể xếp hạng cả quán “Ốc Đào” “Mực nướng Đại học Sư Phạm” sao, nhƣng sự thật hai địa điểm có tốt nhƣ hay khơng? Việc giải thuật tốn mợt thách thức lớn địi hỏi nghiên cứu nhất định ở cả hai phƣơng pháp thống kê phổ biến bí trùn Mợt số lƣợng lớn đặc điểm khác cần phải đƣợc khảo sát, đồng thời, phải cân thông tin gây nhiễu Cũng giống nhƣ các RS truyền thống khác sử dụng lọc cộng tác, Foursquare gặp vấn đề “khởi đầu lạnh”, họ đã xây dựng một thuật toán riêng để giải vấn đề 21 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Mobile Location-Based Recommender System Một vấn đề khác đƣợc quan tâm việc giải thích kết quả tƣ vấn cho ngƣời sử dụng “Tại sao” họ nên đến nơi này mà không phải là nơi khác Vấn đề đƣợc giải sở coi trọng khuyến khích mối liên kết xã hợi nhƣ các thói quen (loyalty) của ngƣời sử dụng Hệ thống cho ngƣời dùng biết thông tin nhƣ: bạn bè của họ đến một nơi nào đó, địa điểm họ từng đến mà ngƣời khác đến, nhƣ số lần “check-in” của họ tại một địa điểm nào đó Những thông tin không ảnh hƣởng đến kết quả xếp hạng mà bổ sung kinh nghiệm, gợi lên mợt c̣c trị chuyện với bạn bè, hoặc gợi nhớ cho ngƣời dùng tới một địa điểm mà họ chƣa viếng thăm một khoảng thời gian [ Moore, 2011] 3.2.3.2 Vấn đề nâng cao hiệu suất của hệ thống Sự chậm trễ lớn đến từ việc truy vấn sở liệu, bao gồm: Truy vấn liệu ban đầu để xếp hạng o Yêu cầu: lấy tập hợp các địa điểm vòng bán kính ngƣời dùng xác định (tuy nhiên bỏ lại một số lí hiệu śt) Cần có mợt cách truy vấn CSDL địa điểm để lấy đƣợc top N giá trị ban đầu vòng tròn địa lí đó theo một số tiêu chí nào đó o Giải pháp: Hầu hết CSDL tại không đáp ứng đƣợc yêu cầu với quy mô liệu của Foursquare vì nó đòi hỏi đầu tiên phải đánh mục (indexing) về mặt địa lí, sau đó hợp nhất mục địa lý Mongo (open source documentoriented NoSQL database system) đƣợc lựa chọn MongoDB có thể thực truy vấn với thời gian 30ms cho một bán kính 10 dặm ở thành phố New York (hàng trăm ngàn địa điểm) [ Moore, 2011] Những nơi bạn bè đã đến? o Yêu cầu: lục lại lịch sử “check-in” của ngƣời bạn tại tất cả địa điểm mợt nhiệm vụ khó khả thi với số lƣợng ngƣời dùng và địa điểm có của FourSquare Chẳng hạn, ngƣời sử dụng có 50 bạn bè, ngữ liệu ban đầu là 250 địa điểm, ngƣời bạn “check-in” khoảng lần có khả thống phải thực truy vấn 250 000 “check-in” o Giải pháp: Xây dựng vùng “cache” đặc biệt lƣu trữ liệu đã đƣợc tính tốn về mối tƣơng tác ngƣời dùng và các địa điểm, bao gồm cả số lần “check-in” [ Moore, 2011] Việc tính toán độ tƣơng tự, thực offline nhƣng phải thực mợt khối lƣợng tính tốn khổng lồ, lên đến hàng trăm nghìn tỉ phép tính với số lƣợng 10 triệu địa điểm Một số kĩ thuật khác đã đƣợc nhà phát triển thực để xử lí khối lƣợng tính tốn 22 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Mobile Location-Based Recommender System 3.3 LARS: A Location-Aware Recommender System LARS một hệ thống tƣ vấn nhận diện vị trí sử dụng các đánh giá theo vị trí (location-based ratings) để tƣ vấn cho ngƣời dùng Các hệ RS truyền thống, không quan tâm tới vị trí địa lí của ngƣời dùng/sản phẩm, ngƣợc LARS lại hỗ trợ mơ hình ba loại đánh giá: “spatial ratings for non-spatial items”, “nonspatial ratings for spatial items” và “spatial ratings for spatial items” LARS khai thác vị trí của ngƣời đánh giá qua kĩ thuật “user partioning”, và khai thác vị trí của sản phẩm sử dụng kĩ thuật “travel penalty” Hai kĩ thuật có thể áp dụng độc lập, hoặc kết hợp tùy theo loại đánh giá theo vị trí đƣợc thực Kết quả thực nghiệm liệu thực của Foursquare Movilens cho thấy LARS hiệu quả, uyển chuyển có khả đƣa tƣ vấn xác gấp hai lần các tƣ vấn có [Levandoski et al 2012] 3.3.1 Tổng quan LARS Hai kĩ thuật quan trọng nhất, để khai thác thông tin về vị trí LARS, đƣợc xây dựng mơ hình ba loại đánh giá theo vị trí và hai đặc tính rút đƣợc sở khảo sát hai tập liệu lớn của Foursquare Movilens [Levandoski et al 2012] 3.3.1.1 Mơ hình ba loại đánh giá theo vị trí Trong RS truyền thống không quan tâm tới vị trí địa lí, đánh giá (rating) đƣợc biểu diễn bởi bộ ba (user, rating, item) Trong LARS, các đánh giá đƣợc chia làm ba loại:    “spatial ratings for non-spatial items”, biểu diễn bốn (user, ulocation, rating, item), “ulocation” vị trí người dùng “nonspatial ratings for spatial items” , biểu diễn bốn (user, rating, item, ilocation) “spatial ratings for spatial items”, biểu diễn năm (user, ulocation, rating, item, ilocation) 23 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Mobile Location-Based Recommender System 3.3.1.2 “Preference locality” và “Travel locality” Hình “Preference locality” đánh giá theo vị trí [Levandoski et al 2012] Hai tính chất đặc biệt hành vi ngƣời dùng đƣợc rút khảo sát tập liệu của Foursquare Movilens [Levandoski et al 2012] là:   Preference locality (tạm dịch “Sở thích cục bộ”): Tính chất rằng, ngƣời dùng mợt khu vực địa lí có sở thích (phim, hoặc địa điểm) rất khác với ngƣời ở khu vực khác, chí khu vực lân cận (Hình 8) Do đó, các tƣ vấn cho một ngƣời dùng u phải khai thác dựa rating r gần về mặt địa lí với u nhất Travel locality ( tạm dịch “Di chuyển cục bộ”): Khi đối tƣợng đƣợc tƣ vấn mang yếu tố không gian (spatial item), ngƣời dùng có xu hƣớng lựa chọn địa điểm nằm một khoảng cách giới hạn nhất định (limited distance) Trong bảng phân tích liệu của Foursquare, ngƣời ta nhận thấy 45% ngƣời dùng di chuyển 10 dặm hoặc ít hơn, 75% lại di chủn vịng bán kính 50 dặm Quan sát các đối tƣợng ở khoảng cách gần cần đƣợc ƣu tiên lựa chọn nhƣ là các ứng viên tƣ vấn 3.3.2 SPATIAL RATINGS FOR NON-SPATIAL ITEMS LARS phát sinh các tƣ vấn cho loại hình “spatial ratings for non-spatial items” (với bợ bốn (user, ulocation, rating, item)) cách sử dụng kĩ thuật phân vùng người dùng (user partioning) Kĩ thuật khai thác sở thích cục bợ (preference locality) của ngƣời dùng Kĩ thuật “phân vùng ngƣời dùng” sử dụng một cấu trúc kim tự tháp thích nghi (adaptive pyramid structure) để phân nhóm các đánh giá (ratings) theo vị trí của ngƣời sử dụng vào vùng không gian có kích thƣớc thay đổi ở cấp bậc khác Với ngƣời sử dụng thực truy vấn ở tại khu vực R, kĩ thuật lọc cộng tác (CF) khai thác các đánh giá (ratings) đƣợc thực khu vực R để tƣ vấn 24 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Mobile Location-Based Recommender System Tuy nhiên thách thức ở là việc định xem có phải trì tất cả vùng (regions) kim tự tháp, để đảm bảo cân hai u cầu đối lập nhau: tính cục bợ (locality) khả mở rợng (scalability) Duy trì mợt số lƣợng lớn khu vực (regions) tăng tính địa phương (locality) (tức là, các tƣ vấn nhất cho khu vực địa lí nhỏ), nhƣng ảnh hưởng xấu đến khả mở rộng hệ thống (scalability) bởi khu vực cần phải lƣu trữ trì của một cấu trúc liệu lọc cộng tác cần thiết để có thể phát sinh các tƣ vấn Kim tự tháp LARS có thể tự đợng thích ứng, tìm hình dạng phù hợp để cân khả mở rộng và tính địa phƣơng của tƣ vấn [Levandoski et al 2012] 3.3.3 NON-SPATIAL USER RATINGS FOR SPATIAL ITEMS LARS phát sinh các tƣ vấn cho loại hình “nonspatial ratings for spatial items” , biểu diễn bởi bộ bốn (user, rating, item, ilocation) cách sử dụng kĩ thuật “travel penalty” Kĩ thuật khai thác thuộc tính “travel locality” của ngƣời sử dụng, tức ứng viên tƣ vấn có khoảng cách xa với ngƣời dùng càng có độ ƣu tiên thấp Vấn đề đặt phải tránh việc tính tốn khoảng cách cho tất cả ứng viên (spatial items) để đƣa danh sách k tƣ vấn, việc tiêu tốn rất nhiều tài nguyên hệ thống LARS giải vấn đề cách sử dụng cấu truy vấn hiệu quả, có khả kết thúc phát danh sách k câu trả lời không thể tối ƣu (tức không thể thay đổi dù có xử lí thêm ứng viên khác) [Levandoski et al 2012] 3.3.4 SPATIAL USER RATINGS FOR SPATIAL ITEMS Để phát sinh tƣ vấn cho hình thức “spatial ratings for spatial items”, biểu diễn bởi bộ năm (user, ulocation, rating, item, ilocation), LARS sử dụng cả hai kĩ thuật “user partioning” “travel penalty” để khai thác cả vị trí của ngƣời dùng và đối tƣợng tích hợp các đánh giá (ratings) Đây là mợt đặc tính bật của LARS, cả hai kĩ thuật có thể đƣợc sử dụng riêng rẽ, hoặc kết hợp tùy vào loại đánh giá theo vị trí (location-based ratings) mà hệ thống hỗ trợ [Levandoski et al 2012] 3.4 Đánh giá chung Cùng một bài toán, Foursquare và LARS đã có cách tiếp cận giải vấn đề khác Về việc khai thác vị trí địa lí để đƣa kết quả tƣ vấn, Foursquare, với yêu cầu của một ứng dụng thực tế, đã cố gắng tìm các đặc trƣng tốt nhất để thực việc xếp hạng tƣ vấn phạm vi cụ thể của ứng dụng Trái lại, tác giả của LARS đã xác định đƣợc hai đặc trƣng chung của các đánh giá theo vị trí là “preference locality” và “travel locality” từ đó đề xuất hai kĩ thuật khai thác một cách hiệu quả thông tin về vị trí đƣa tƣ vấn Về vấn đề tốc độ truy vấn liệu địa lí, đã đƣợc Foursquare giải phƣơng pháp mang tính “kĩ thuật”, ngƣợc lại LARS đề xuất một kĩ thuật truy vấn hiệu quả dựa Tƣ tƣởng về “travel locality” [Levandoski et al 2012] 25 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Mobile Location-Based Recommender System 3.5 Hướng phát triển Với phát triể n của các công nghê ̣ mới nhƣ ki ̃ thuâ ̣t đinh ̣ vi ̣ (RFID hoặc Wi-Fi beacon-based GPS), và sự hấp dẫn đáng kinh ngạc của các thiết bị di động , đã có nhiề u nghiên cƣ́u và dƣ̣ án cố gắ ng áp dụng công nghệ tƣ vấn vào thị trƣờng này Các loại hình dịch vụ xuất ngày càng nhi ều và tinh vi Tuy nhiên, các lĩnh vực nghiên cứu này chƣa đƣợc định hình một cách rõ ràng và khó rõ ràng tƣơng lai vì khó mà xác đinh ̣ đƣơ ̣c các đă ̣c tiń h của mô ̣t thiế t bi ̣di đô ̣ng đƣơ ̣c ƣu chuô ̣ng , thiế t bi ̣nào sẽ chiế m thi ̣phầ n lớn nhấ t Chẳ ng ̣n, ta thấ y rấ t nhiề u nghiên cƣ́u đƣơ ̣c thƣ̣c hiê ̣n để khắ c phu ̣c ̣n chế của thiết bị di động nhƣ màn hình nhỏ , khả tính toán , tấ t cả nhƣ̃ng ̣n chế này có thể đƣơ ̣c khắ c phu ̣c mô ̣t cách nhanh chóng và làm cho mô ̣t số reasearch trở nên lỗi thời [Ricci, 2011] Mă ̣c dù vâ ̣y, vẫn có mô ̣t số liñ h vƣ̣c tro ̣ng tâm đáng lƣu ý , bao gồ m [Ricci, 2011]:  Khám phá nhu cầu của ngƣời dùng (Elicitation of the user’s preferences) Viê ̣c thu nhâ ̣n nhanh và chính xác nhu cầu của ngƣời dùng cịn là mợt vấn đề mở Hê ̣ thố ng tƣ vấ n di đô ̣ng , đă ̣c biê ̣t là nhƣ̃ng ̣ thố ng liên quan đế n ngƣ̃ cảnh (context) cần nhiều thông tin về nhu cầu và sở thích của ngƣời dùng nƣ̃a , nhƣng la ̣i không có mô ̣t giao diê ̣n linh hoa ̣t để hỗ trơ ̣ nhiê ̣m vu ̣ này Viê ̣c suy luâ ̣n ngầ m (implicit) các sở thích, nhu cầ u tƣ̀ hành vi của ngƣời dùng (user’s behavior), là một giải pháp dễ thấy nhấ t Tuy nhiên, nhƣ̃ng giao diê ̣n mới nhƣ âm (dƣ̣a nhâ ̣n diê ̣n gio ̣ng nói ), hình ảnh, video (dƣ̣a ƣ́ng du ̣ng thƣ̣c tế ảo tăng cƣờng ) tạo một kênh giao tiếp hiệu quả Sƣ̉ du ̣ng nhƣ̃ng ki ̃ thuâ ̣t mới này , thông tin đầ u ngƣời dùng bao gồ m cả tƣơng tác với không gian , ví dụ, cƣ̉ chỉ , nét mặt , (the interaction with the space) khắc phục một vài hạn chế của cách tƣơng tác cổ điển (với bàn phim ́ )  Tƣ vấ n chủ đô ̣ng dƣ̣a cảm biế n (Proactive and sensor based recommendations ) Không có ̣ thố ng tƣ vấ n nào đƣơ ̣c xét đế n ở có khả chủ đô ̣ng làm gián đoa ̣n hoa ̣t đô ̣ng của ngƣời dùng với các tƣ vấn không đƣợc yêu cầu , nhƣng có liên quan Có quá nhiều rủ i ro cho viê ̣c làm phiề n ngƣời dùng Tuy nhiên, sƣ̣ xuấ t hiê ̣n của các bô ̣ cảm biế n sinh trắ c ho ̣c thế ̣ mới , đáng tin câ ̣y có thể làm tăng tiń h khả thi và tiê ̣n lơ ̣i của loa ̣i hiǹ h này Viê ̣c này có thể cách ma ̣ng hóa vai trò của RSs từ công cụ tìm kiếm và hỗ trợ định trở thành công cụ khám phá thông tin (information discovery) và giải trí đồng thời  Giải thích các tƣ vấ n (Explanations of recommendations ) Đây là chủ đề it́ đƣơ ̣c nghiên cƣ́u và rõ ràng là cần thiết một kịch bản sử dụng mobile Giải thích phải dựa mô tả của sản phầm , và điều này khá khó với kích thƣớt màn hình của thiết bị di động  An ninh bảo mật thông tin bộ nhớ của ngƣời dùng (Security and privacy and the user memory) Ngƣời sử dụng điện thoại di động mô ̣t mă ̣t phải cung cấ p thông tin để khám phá dịch vụ và đồng thời phải đƣơ ̣c che giấ u sự riêng tƣ và bảo mật c ủa khỏi nguy hiểm tiềm tàng từ chƣơng trình và dich ̣ vu ̣ nguy hiể m 26 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Mobile Location-Based Recommender System  Portable recommender systems Điểm cuối đề cập đến khả thƣ̣c hiê ̣n và di chuyể n các RS và qua các thiế t bi ̣và nề n tảng khác Ngƣời sử dụng thực tế nên có thể thƣ̣c hiê ̣n mơ ̣t dịch vụ thông tin cách sử dụng một loạt thiết bị (điện thoại, máy tính xách tay máy ảnh kỹ thuật số) nhƣ̃ng hoa ̣t đô ̣ng đã thƣ̣c hiê ̣n , nhƣ̃ng dich ̣ vu ̣ đã sƣ̉ du ̣ng , với thiết bị giao diê ̣n này nên đƣơ ̣c tić h hơ ̣p la ̣i với Ngƣời sử dụng phải đƣợc nhâ ̣n diê ̣n phục vụ mợt cách thích hợp bất cứ thiết bị gì đƣ ợc sử dụng, hành động thực với mợt thiết bị nên mợt phần của q trình cá nhân hố tồn bợ dịch vụ 27 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Mobile Location-Based Recommender System Phầ n Các nguyên tắc sáng tạo vận dụng xây dựng FourSquare (01) Nguyên tắ c “tách khỏi” - Khi xếp hạng kết quả trả về, nhà phát triển đã lựa chọn tiêu chuẩn quan trọng nhất để đánh trọng số: khoảng cách địa điểm với ngƣời sử dụng, mức độ rating của cộng đồng với các địa điểm một vài yếu tố khác Các yếu tố đƣợc đánh giá với trọng số khác (02) Nguyên tắ c phẩ m chấ t cu ̣c bô ̣ - Các địa điểm đƣợc ngƣời dùng di chuyển tới đƣợc đánh dấu bản đồ (03) Nguyên tắ c kế t hơ ̣p - Kết hợp tính cợng tác mạng xã hợi, thơng tin vị trí địa lí thiết bị di động để đƣa tƣ vấn cho ngƣời sử dụng thiết bị (04) Nguyên tắ c phản đối xứng - Màn hình hiển thị của ứng dụng thiết bị khác (laptop, điên thoại) tự đợng điểu chỉnh để có chế đợ hiển thị hợp lí (05) Ngun tắ c thư ̣c hiêṇ sơ bơ ̣ - Để việc truy vấn sở liệu địa lí đƣợc thực với tốc độ nhanh, trƣớc đó các địa điểm đã đƣợc đánh mục kiê ̣n làm viê ̣c để không phải nâng lên hay ̣ xuố ng các đố i tƣơ ̣ng (06) Nguyên tắc sử dụng trung gian - Yêu cầu: nâng cao hiệu suất hệ thống lục lại lịch sử “check-in” của ngƣời bạn tại tất cả địa điểm mợt nhiệm vụ khó khả thi với số lƣợng ngƣời dùng và địa điểm có của FourSquare Chẳng hạn, ngƣời sử dụng có 50 bạn bè, ngữ liệu ban đầu là 250 địa điểm, ngƣời bạn “check-in” khoảng lần có khả thống phải thực truy vấn 250 000 “check-in” - Giải pháp: Xây dựng vùng “cache” đặc biệt lƣu trữ liệu đã đƣợc tính toán về mối tƣơng tác ngƣời dùng và các địa điểm, bao gồm cả số lần “check-in” [ Moore, 2011] 28 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Mobile Location-Based Recommender System TÀI LIỆU THAM KHẢO [Bridge et al., 2006] Bridge, D., Gă oker, M., McGinty, L., and Smyth, B (2006) Case-based recommender systems.The Knowledge Engineering review, 20(3):315–320 [Burke, 2007] Burke, R (2007) Hybrid web recommender systems In The Adaptive Web, pages 377– 408 Springer Berlin / Heidelberg [Fousquare, 2012] About https://foursquare.com/about/ foursquare Truy cập ngày 15 tháng năm 2012, từ [Herlocker et al., 1999] Herlocker, J L., Konstan, J A., Borchers, A., and Riedl, J (1999) An algorithmic frame-work for performing collaborative filtering In SIGIR ’99: Proceedings of the 22nd Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, August 15-19, 1999, Berkeley, CA, USA, pages 230–237 [Koren, 2008] Koren, Y (2008) Factorization meets the neighborhood: a multifaceted collaborative filtering model In Li, Y., Liu, B., and Sarawagi, S., editors, KDD, pages 426–434 ACM [Levandoski et al 2012] Levandoski, J Sarwat, M Eldawy, A and Mokbel, M.(2012) LARS: A Location-Aware Recommender System To appear in Proceedings of the IEEE International Conference on Data Engineering, Washington D.C., April 2012 [Manning, 2008] Manning, C (2008) Introduction to Information Retrieval Cambridge University Press, Cambridge [ Moore, 2011] Moore, J (2011) Building a recommendation engine, foursquare style Truy cập ngày 10 tháng 04 năm 2012, từ http://engineering.foursquare.com [Pazzani và Billsus , 2007] Pazzani, M J and Billsus, D (2007) Content-based recommendation systems In [Brusilovsky et al., 2007], pages 325–341 [Ricci, 2011] F Ricci (2011) Mobile Recommender Systems International Journal of Information Technology and Tourism, 12(3):205-23 [Virrantaus et al 2001] Virrantaus, K., Markkula, J., Garmash, A., Terziyan, Y.V., 2001 Developing GIS-Supported Location Based Services In: Proc of WGIS’2001 – First International Workshop on Web Geographical Information Systems., Kyoto, Japan , 423–432 [Xiao and Benbasat, 2007] B Xiao, I Benbasat (2007) E-Commerce Product Recommendation Agents: use, characteristics, and impact MIS Quarterly Vol 31 No 1, pp 137-209 29 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com ... Phƣơng Pháp Luận Sáng Tạo Trong Tin Học 1.3 Giới thiệu 40 Nguyên tắc sáng tạo khoa học kỹ thuật Phầ n Tổng quan hệ thống tư vấn thông tin di động 11 2.1 Location Based... System Phầ n Tổng quan hệ thống tư vấn thông tin di động Có cách nào để nhanh chóng tìm máy ATM để rút tiền , sau đó đ ến mô ̣t nhà hàng K entucky để ăn trƣa ta di chuyể n mô ̣t đƣờng... truyền thông đƣợc hiểu mạng thông tin di động mạng Internet Trong q trình hoạt đợng, u cầu đƣợc gửi tư? ? ngƣời dùng qua m ạng di động đến giao di? ??n mạng di động mạng Internet, tư? ?