Thông tin tài liệu
Kỷ yếu Hội nghị KHCN Quốc gia lần thứ XIII Nghiên cứu ứng dụng Công nghệ thông tin (FAIR), Nha Trang, ngày 8-9/10/2020 DOI: 10.15625/vap.2020.00184 MỘT SỐ HƯỚNG PHÁT TRIỂN MỚI VỀ HỆ TƯ VẤN MỜ Nguyễn Văn Minh1,2, Nguyễn Long Giang2, Nguyễn Như Sơn2 Cù Ngun Giáp3, Nguyễn Thọ Thơng4, Phạm Minh Chuẩn5, Lê Hồng Sơn4 Đại học Tài nguyên Môi trường Hà Nội Viện Công nghệ thông tin, Viện Hàn lâm Khoa học Công nghệ Việt Nam Đại học Thương mại Viện Công nghệ thông tin, Đại học Quốc gia Hà Nội Đại học Sư phạm kỹ thuật Hưng Yên nvminh@hunre.edu.vn, nlgiang@ioit.ac.vn, nnson@ioit.ac.vn, cunguyengiap@gmail.com, ntthong@vnu.edu.vn, chuanpm@gmail.com, sonlh@vnu.edu.vn TÓM TẮT: Hệ tư vấn (khuyến nghị) cho người dùng sản phẩm phù hợp với sở thích nhu cầu Ngày có nhiều nghiên cứu cơng cụ sử dụng hệ tư vấn nhằm cải thiện độ xác cho q trình khuyến nghị Một cơng cụ quan trọng nghiên cứu tập mờ Một lý lý thuyết tập mờ ứng dụng để xử lý thông tin không chắn, thông tin không rõ ràng khắc phục nhược điểm liệu đầu vào hệ tư vấn, tạo nên độ xác cao hệ tư vấn thường Trên sở đó, báo giới thiệu số loại tập mờ sử dụng hệ tư vấn số phương pháp hệ tư vấn phương pháp lọc cộng tác, lọc nội dung, lọc kết hợp, lọc dựa mơ hình đồ thị theo ngữ cảnh Bên cạnh đó, báo đưa nhận định điểm yếu, điểm mạnh phương pháp nhằm gợi mở chỗ trống hướng nghiên cứu Ngoài ra, số độ đo tương tự quan trọng số tập mờ tập mờ trực cảm, mờ viễn cảnh, Neutrosophic sử dụng hệ tư vấn mờ nâng cao trình bày Ý nghĩa nghiên cứu nhằm định hình tranh hệ tư vấn mờ công cụ gợi mở hướng để phát triển lý thuyết nâng cao hệ tư vấn mờ tương lai Từ khóa: Hệ tư vấn mờ, tập mờ trực cảm, độ đo tương tự, độ xác I GIỚI THIỆU Hệ tư vấn thiết kế để định hướng cho người dùng đến đối tượng, sản phẩm quan tâm, ưa thích Hệ tư vấn dựa tảng liệu lịch sử đánh giá người dùng sản phẩm, hồ sơ người dùng, đặc trưng người dùng đặc điểm sản phẩm, nhằm đưa hai khuyến nghị: Thứ dự đoán đánh giá người dùng sản phẩm thứ hai tư vấn cho người dùng số sản phẩm phù hợp với họ Hiện hệ tư vấn ứng dụng phổ biến nhiều lĩnh vực khác như: Ứng dụng hệ tư vấn thương mại điện tử: hệ thống tư vấn Amazon- amazon.com, Ebay - ebay.com, Alibaba - alibaba.com, ứng dụng hệ tư vấn lĩnh vực giáo dục: gợi ý nguồn tài nguyên học tập sách, báo, khóa học, địa Web, cho người học, ứng dụng hệ tư vấn lĩnh vực ăn uống: Gợi ý nhà hàng, địa điểm ăn uống Ví dụ hệ thống Adaptive Place Advisor, Polylens, Pocket restaurent finder Bên cạnh hệ tư vấn tiếp tục nghiên cứu ứng dụng cho đa dạng lớp toán lĩnh vực khác sống Đã có nhiều công bố hệ tư vấn xoay quanh phương pháp xử lý học máy, thống kê, lý thuyết xấp xỉ, hệ thống tư vấn nhận thức rủi ro, hệ thống tư vấn nhận biết ngữ cảnh, hệ tư vấn nhóm, hệ tư vấn sở chuyên gia, hệ tư vấn dựa đồ thị, hệ tư vấn dựa sở tri thức, hệ tư vấn dựa sở ràng buộc, hệ tư vấn với phương pháp phân rã ma trận, Tuy nhiên, thực tế nảy sinh số vấn đề người dùng đứng trước sản phẩm chọn, phân vân từ chối thông tin sản phẩm khơng chắn hát thuộc nhiều thể loại nhạc khác nhau, ca sĩ hát nhiều thể loại khác nhau, hát nhiều ca sĩ hát Hệ tư vấn thông thường chưa thể xử lý tốt vấn đề nhập nhằng khơng chắn Để xử lý vấn đề khơng chắn, phân vân có số công bố nghiên cứu sử dụng tập mờ hệ tư vấn Người tiên phong Yager [21] cộng Trong tác giả tiếp cận hệ tư vấn sử dụng đến đối tượng đại diện, mô tả người dùng, ưu tiên giới thiệu mở rộng sử dụng nguyên mẫu chuyên gia [2], [20], [22] Hệ tư vấn mờ dựa tập mờ nâng cao tập mờ trực cảm, tập mờ loại 2, tập mờ viễn cảnh tập mờ Neutrosophic xây dựng áp dụng cho toán cụ thể [1], [12], [18] nhằm bổ sung khắc phục nhược điểm thiếu tập mờ trước Các loại tập mờ đời nhằm xử lý thông tin không chắn dựa sở logic mờ với phép tốn logic hội, tuyển hệ thống tiên đề, tính chất, định lý logic mờ Trong báo giới thiệu số hướng phát triển hệ tư vấn mờ số phương pháp hệ tư vấn phương pháp lọc cộng tác, lọc nội dung, lọc kết hợp, lọc dựa mơ hình đồ thị theo ngữ cảnh Bên cạnh đó, báo đưa nhận định điểm yếu, điểm mạnh phương pháp nhằm gợi mở chỗ trống hướng nghiên cứu Ngoài ra, số độ đo tương tự quan trọng số tập mờ tập mờ trực cảm, mờ viễn cảnh, Neutrosophic sử dụng hệ tư vấn mờ nâng cao trình bày phương pháp đánh giá hệ tư vấn mờ độ đo đánh giá độ xác dự đốn Nguyễn Văn Minh, Nguyễn Long Giang, Nguyễn Như Sơn, Cù Nguyên Giáp, Nguyễn Thọ Thơng, Phạm Minh Chuẩn, Lê Hồng Sơn 327 II HỆ TƯ VẤN MỜ Logic mờ đưa nhiều phương pháp phân tích độ khơng chắn liệu hữu ích việc xử lý liệu với thông tin không chắn không đảm bảo sở thích người dùng [10] Trong năm qua, việc sử dụng logic mờ lĩnh vực khác có nhiều nghiên cứu Trong phần trình bày hệ tư vấn dựa logic mờ hướng phát triển chúng Hệ tư vấn mờ khởi xướng Yager cộng [21] 2008 hệ tư vấn mờ sử dụng phát triển rộng rãi Logic mờ tập trung vào mơ hình số tốn thực tế khơng thể mơ tả cách xác Định nghĩa tập mờ tập vũ trụ mở rộng từ khái niệm tập rõ, giới thiệu độ thuộc phần tử Nó thiết lập độ thuộc phần tử vào tập vũ trụ X tập [0;1], cho hàm thuộc: µ A : X → [0;1] Trên sở hàm tập mờ A định nghĩa tập X Định nghĩa [24]: Tập A biểu diễn sau: A = { ( x; µ A ( x ) ) |x ∈ X; µ A ( x ) ∈ [0;1]} Cho A tập mờ X, lát cắt Aα định nghĩa: Aα = {x ∈ X| µ A ( x ) ≥ α } α số dương < Giao hợp tập mờ định nghĩa sau: µ A∩ B ( x ) = min{µ A ( x ) ;µ B ( x ) }; µ A∪ B ( x ) = max{µ A ( x ) ;µ B ( x ) } Định nghĩa 2: Hệ tư vấn mờ [12]: Cho R ánh xạ xác định tập người dùng U tập sản phẩm I Hệ tư vấn mờ R định nghĩa sau: R :U × I → P ( x; µ ( x ) ) ( x; µ ( x ) ) 1U 2U ( x; µ ( x ) ) ( x; µ ( x ) ) ( x; µ ( x ) ) ( x; µ ( x ) ) ( x; µ ( x ) ) 1I × 2I 1P → 2P ( x; µ ( x ) ) sU ( x; µ ( x ) ) sI sP Trong µiU ( x ) giá trị thuộc người dùng nhãn ngơn ngữ thứ i, µiI ( x ) giá trị thuộc sản phẩm nhãn ngơn ngữ thứ i µiP ( x ) giá trị thuộc đánh giá người dùng với sản phẩm nhãn ngôn ngữ thứ i, với i = 1, , s Hệ tư vấn mờ có chức năng: i) Dự báo: xác định giá trị: µiP ( x ) { } ii) Tư vấn: i* ∈ {1, , s} thỏa mãn: i* = arg max µiP ( x ) + µiP ( x ) (1 − µiP ( x ) ) i =1, s Định nghĩa [18]: Hệ tư vấn Neutrosophic đơn tiêu chí ( SC − NRS ) hệ bao gồm hàm định nghĩa sau: ℜ :U × I → P (T ( u ) , I ( u ) , F ( u ) ) , (T ( u ) , I ( u ) , F ( u ) ) , 1U 2U 1U 2U 1U 2U (T ( u ) , I ( u ) , F ( u ) ) sU sU sU (T ( y ) , I ( y ) , F ( y ) ) , (T ( y ) , I ( y ) , F ( y ) ) , 1I × 2I 1I 2I 1I 2I (T ( y ) , I ( y ) , F ( y ) ) sI sI sI (T ( p ) , I ( p ) , F ( p ) ) , (T ( p ) , I ( p ) , F ( p ) ) , 1P → 2P 1P 2P 1P 2P (T ( p ) , I ( p ) , F ( p ) ) sP sP sP Trong TiU ( u ) , I iU ( u ) , FiU ( u ) hàm thuộc, trung lập, từ chối người dùng với nhãn ngôn ngữ ith đặc điểm U với s= 1,2, ,s TiU ( u ) , I iU ( u ) , FiU ( u ) ∈ [ 0,1] Tương tự T jI ( y ) , I jI ( y ) , FjI ( y ) hàm thuộc, trung lập, từ chối sản phẩm với nhãn ngôn ngữ jth tính chất I j = 1, 2, , s T jI ( y ) , I jI ( y ) , FjI ( y ) ∈ [ 0,1] Thêm vào là: TlP ( p ) , I lP ( p ) , FlP ( p ) hàm thuộc, trung lập, từ chối người dùng sản phẩm với nhãn ngôn ngữ lth với l = 1, 2, , s TlP ( p ) , I lP ( p ) , FlP ( p ) ∈ [ 0,1] SC − NRS mô tả khẳng định sau: MỘT SỐ HƯỚNG PHÁT TRIỂN MỚI VỀ HỆ TƯ VẤN MỜ NÂNG CAO 328 i Dự đốn: Tính tốn giá trị (TlP ( p ) , I lP ( p ) , FlP ( p ) ) với l = 1, 2, , s ∗ s { } TlP ( p ) + TlP ( p ) ( − TlP ( p ) − I lP ( p ) − FlP ( p ) ) ii Tư vấn 1: lựa chọn i ∈ {1, , s} cho i = arg max i =1 ∗ Sau phương pháp tiếp cận hệ tư vấn qua phương pháp lọc nội dung, lọc cộng tác, với công cụ logic mờ a) Phương pháp lọc cộng tác mờ dựa vào nhớ Hệ tư vấn lọc cộng tác mờ phát triển nghiên cứu hệ tư vấn lọc cộng tác mờ dựa theo nhớ người dùng [6], lọc cộng tác mờ theo nhớ sản phẩm, lọc cộng tác mờ dựa vào mơ phân cụm,… Sau bước xây dựng cho lọc cộng tác mờ dựa vào nhớ: - Bước 1: Mờ hóa liệu, sử dụng hàm thuộc mờ hàm thuộc tam giác, hàm thuộc hình thang, hàm thuộc Gauss để biến liệu rõ thành liệu mờ if x ≤ a 0 x−a if x < if a ≤ x ≤ b 0 nếu b − a a − x if b ≤ x ≤ a ; µ ( x) = if ≤ x ≤ a ; µ ( x ) = 1 nếu a d − x if x > a 0 if c ≤ x ≤ d d −c 0, if x ≥ d µ ( x) = e x−m − 2 σ - Bước 2: Sử dụng độ đo tương tự sim ( ua ; ui ) tập mờ độ đo tương tự Cosin, Pearson để tính mức độ tương tự người dùng cần dự đoán ua với người dùng lại ui ( i = 1, 2,…, n) - Bước 3: Sinh dự đoán đánh giá (giá trị mờ) người dùng ua với sản phẩm chưa đánh giá pi dựa tập người dùng tập láng giềng U gồm k người dùng đánh giá pi có độ tương tự cao ua giá trị mờ người dùng ua với sản phẩm pi tính theo công thức: rai = sim ( ua , u ') ru ' i ∑ ru ' i rai = k u∑ k u '∈U '∈U - Bước 4: Giải mờ - Bước 5: Tư vấn cho người dùng K sản phẩm có độ tương tự cao so với sản phẩm người dùng đánh giá cao Hệ tư vấn mờ lọc theo cộng tác có nhiều ưu điểm dễ cài đặt thực tốt tất loại thông tin, nhiên gặp số vấn đề: Người dùng chưa có thơng tin đánh giá với sản phẩm lọc cộng tác khơng đưa tư vấn xác cho người dùng Sản phẩm cập nhật hệ thống: Khi khơng có đánh giá người dùng sản phẩm lọc cộng tác khơng thể tư vấn sản phẩm cho người dùng Dữ liệu thưa: thực tế số người dùng sản phẩm nhiều đánh giá người dùng với sản phẩm lại Sở thích người dùng thay đổi theo thời gian nên làm giảm độ xác lọc cộng tác Tuy vậy, hệ tư vấn mờ lọc cộng tác cịn nhiều điểm cải thiện phát triển mở rộng mờ độ đo tương tự truyền thống Pearson, Cosin hay phát triển phương pháp lọc cộng tác dựa theo hướng mơ phân cụm mờ, phương pháp suy luận mờ, quy tắc kết hợp mờ Sơ đồ cho hệ tư vấn lọc cộng tác mờ biểu diễn hình sau: Nguyễn Văn Minh, Nguyễn Long Giang, Nguyễn Như Sơn, Cù Nguyên Giáp, Nguyễn Thọ Thông, Phạm Minh Chuẩn, Lê Hoàng Sơn 329 Bảng liệu đánh giá người dùng sản phẩm Mờ hóa Tính độ tương tự mờ sản phẩm đánh giá người dùng cần dự đoán tư vấn Tính giá trị người dùng chưa đánh giá Giải mờ Tư vấn k sản phẩm tương tự đánh giá tới người dùng Hình Sơ đồ hệ tư vấn lọc cộng tác mờ theo sản phẩm b) Phương pháp lọc nội dung mờ Đóng góp liên quan đên áp dụng cơng cụ mờ với hệ tư vấn lọc nội dung (CBRS) hồ sơ (người dùng sản phẩm) trình gợi ý sản phẩm phù hợp đến người dùng Công cụ mờ áp dụng hai Tiên phong sử dụng logic mờ hệ tư vấn sở nội dung phát triển Yager [21] tiếp cận cho hệ tư vấn cấu trúc sở phương pháp người quan tâm, kết nối đóng với tư vấn sở nội dung Các cách tiếp cận liên quan đến đại diện đối tượng, mô tả người dùng, ưu tiên giới thiệu mở rộng sử dụng nguyên mẫu chuyên gia miền Gần đây, Zenebe Norcio [2] đưa phương pháp mô tả cho đặc trưng sản phẩm phản hồi người dùng sử dụng tập mờ thuật toán tư vấn sở nội dung dựa vào độ đo tương tự lý thuyết tập mờ (cosin, độ tương quan) phương pháp đại số cho phương pháp tổng hợp lý thuyết tập mờ tổng có trọng số lớn nhỏ nhất) Phương pháp lọc nội dung mờ nhìn chung tư vấn cho người dùng sản phẩm có nội dung tương tự với số sản phẩm họ mua truy cập khứ Các phương pháp tiếp cận nội dung mờ thường thực theo bước: - Bước 1: Biểu diễn nội dung đối tượng tư vấn 𝑝 ∈ 𝑃 kí hiệu Content (P) Tập đặc trưng sản phẩm 𝑝 xây dựng kĩ thuật truy vấn thông tin - Bước 2: Lập hồ sơ người dùng 𝑢 ∈ 𝑈 lịch sử truy cập đánh giá người với đặc trưng sản phẩm Bằng cách phân tích đặc trưng sản phẩm mà người dùng u lựa chọn truy cập Mỗi u biểu diễn dạng véctơ có đủ đặc trưng đặc trưng sản phẩm 𝑝 ∈ 𝑃 cần tư vấn - Bước 3: Mờ hóa liệu, sử dụng hàm thuộc tam giác, hình thang Gauss để biến dự liệu rõ thành mờ MỘT SỐ HƯỚNG PHÁT TRIỂN MỚI VỀ HỆ TƯ VẤN MỜ NÂNG CAO 330 - Bước 4: Tính độ tương tự đặc trưng nội dung cần tư vấn p với đặc trưng hồ sơ người dùng u - Bước 5: Chọn K sản phẩm có đặc trưng mà độ tương tự cao đặc trưng hồ sơ người dùng u - Bước 6: Giải mờ - Bước 7: Tư vấn sản phẩm có đặc trưng tương tự cao với đặc trưng hồ sơ người dùng Hệ tư vấn lọc nội dung mờ có số cơng trình nhằm xử lý liệu thưa [20] sử dụng cách tiếp cận ngôn ngữ mờ quan hệ sở thích khơng hồn chỉnh để xây dựng hệ thống tư vấn, nơi người dùng ban đầu chọn nhỏ mặt hàng yêu thích sản phẩm sử dụng để hoàn thành quan hệ sở thích Wu Hwang [5] sử dụng tùy chọn người dùng qua thể loại để xây dựng ma trận phim người dùng biến đổi thông qua phép toán max-min mờ để giảm bớt thưa chúng Một số công bố tập trung vào việc quản lý thuộc tính sản phẩm kỹ thuật mờ, tăng cường phát triển hệ tư vấn dựa nội dung không chắn Việc sử dụng phương pháp tiếp cận chủ đạo cho mơ hình ngơn ngữ, chẳng hạn mơ hình 2-tuple [1], cho phép khai thác thuận lợi chúng kịch hệ tư vấn Bên cạnh khắc phục liệu thưa hệ tư vấn lọc nội dung mờ gặp phải số vấn đề: Trích trọn đặc trưng: Có số sản phẩm khó để trích trọn đặc trưng Và vấn đề người dùng mới: Khi người dùng chưa có đánh giá sản phẩm khơng thể phân tích đặc trưng hồ sơ người dùng nên tư vấn sản phẩm cho họ Tuy nhiên, hội cho nghiên cứu c) Một số độ đo tương tự hệ tư vấn mờ Từ hệ tư vấn đời có nhiều nghiên cứu độ đo tương tự với mục đích tăng độ xác hệ tư vấn, để xử lý liệu không chắn cơng trình dựa tập mờ, mờ nâng cao có nhiều nghiên cứu độ đo tương tự [24] µ xi ( I k ) độ thuộc phim I k (k =1,…,M) vào loại xi ( i = 1, , N ) với độ đo tương tự phim I k (k =1,…,M): S1 ( I k , I j ) = S1 ( I k , I j ) = ∑ ( µ ( I ) , µ ( I ) ) ∑ max ( µ ( I ) , µ ( I ) ) i xi k xi j i xi k xi j ∑ µ (I )* µ (I ) ∑ (µ (I ) ) ∑ (µ (I ) i xi xi k k xi j i xi i j ) Các độ đo tương tự xây dựng tập mờ trực cảm [7]; [12] góp phần làm phong phú thêm cơng cụ nghiên cứu hệ tư vấn Một tập mờ tổng quát tập mờ tập Neutrosophic Florentin Smaradache công bố năm 1998 khắc phục số điểm yếu loại tập mờ trước Trong hệ tư vấn Neutrosophic, tác giả đề xuất số độ đo tương tự [18] kết hợp người dùng với người dùng, đặc trưng sản phẩm với sản phẩm: $ NRSij = n i , j =1 U ij , S Iij )) ( ( S I ij , S Pij ))} , n TUi ( u ) − TU j ( u ) ∨ IUi ( u ) − IU j ( u ) ∨ FUi ( u ) − FU j ( u ) ∑ r i , j =1 (1) n TIi ( y ) − TI j ( y ) ∨ I Ii ( y ) − I I j ( y ) ∨ FIi ( y ) − FI j ( y ) ∑ r i , j =1 (2) n TPi ( p ) − TPj ( p ) ∨ I Pi ( p ) − I Pj ( p ) ∨ FPi ( p ) − FPj ( p ) ∑ r i , j =1 (3) SUij = S Iij = S Pij = {( (S Trong SU độ tương tự hai đánh giá hai người dùng; S I độ tương tự hai sản phẩm đánh giá, ij ij S Pij độ tương tự hai đặc trưng hai sản phẩm Cũng [7] tác giả đề xuất số độ đo tương tự khác sở phép toán đại số giao hợp: Nguyễn Văn Minh, Nguyễn Long Giang, Nguyễn Như Sơn, Cù Nguyên Giáp, Nguyễn Thọ Thông, Phạm Minh Chuẩn, Lê Hoàng Sơn $ w( NRS ) = ij {( w × ( ( S n U ij i , j =1 , S Iij ))) ( w × ( ( S I ij , S Pij 331 )))} , w1 + w2 = ; i, j = 1, 2, , n Độ đo tương tự sở hợp, giao tổng xác suất định nghĩa $ NRSij = ∑ {( ( S n + S Iij − SUij S Iij U ij i , j =1 )) (( S I ij + S Pij − S Iij S Pij ))} (4) Và biến thể (4) có thêm trọng số: $ w( NRS ) = ij ∑ {( w × ( S n U ij i , j =1 + S Iij − SUij S Iij )) ( w × ( S I ij + S Pij − S Iij S Pij ))} Độ đo tương tự dựa giao bold sum NRSi NRS j : n {( ( $ NRSij = ∏ 1, SUij + S Iij i , j =1 )) ( (1, S I ij + S Pij ))} (5) Độ đo tương tự trọng số công thức (5) sau: n {( ( ( $ w( NRS ) = ∏ w1 × 1, SUij + S Iij ij i , j =1 ))) ( w × ( (1, S I ij + S Pij )))} Độ đo tương tự sở sai khác đối xứng NRSi NRS j là: $ NRSij = ∑ {( S n U ij i , j =1 ) ( − S Iij + S Iij − S Pij )} (6) Độ đo tương tự trọng số công thức (6) là: $ w( NRS ) = ij ∑ {w × ( S n i , j =1 U ij ) ( − S Iij + w2 × S Iij − S Pij )} $ NRSij độ đo tương tự NRSi , NRS j SUij , S Iij , S Pij tính từ cơng thức (1)-(3) Một số phương pháp kết hợp lọc nội dung lọc cộng tác để giảm bớt nhược điểm phương pháp công bố, độ đo tương tự số tập mờ nâng cao nghiên cứu Sau trình bày số vấn đề mở hệ tư vấn mờ cần quan tâm d) Các vấn đề mở hệ tư vấn mờ Hiện có nhiều nghiên cứu công bố hệ tư vấn dựa tiếp cận tính tốn mờ Các nghiên cứu tập trung xây dựng mơ hình lọc cộng tác tập mờ tập mờ nâng cao Các nghiên cứu phương pháp lọc nội dung dừng lại với tập mờ loại [21] tập mờ loại [1] Tuy nhiên, phép toán cần thiết cho việc mở rộng phương pháp lọc cộng tác tập mờ nâng cao độ đo tương tự phép toán gộp giới thiệu nghiên cứu khác Về mặt toán học, điều cho phép mở rộng nghiên cứu theo hướng này, thực tế nghiên cứu áp dụng theo tiếp cận chưa công bố, nguyên nhân liệu mơ tả sản phẩm không phù hợp Đối với hệ tư vấn mờ nhiều vấn đề cần giải vấn đề liệu thưa, người dùng mới, sản phẩm Phần lớn công bố tập trung khai thác đặc điểm sản phẩm mà chưa khai thác nhiều đến sở thích người dùng nên hướng nghiên cứu tập trung khai thác đến sở thích người dùng hướng triển vọng Bên cạnh số nhánh nghiên cứu quản lý khơng chắn cách sử dụng tốn tử trọng số OWA cần quan tâm nghiên cứu tiếp Ngày với phát triển mạnh mạng xã hội với nhiều thông tin không chắn hướng nghiên cứu hệ tư vấn tư vấn nhóm, tư vấn nhận biết ngữ cảnh quản lý tiếng ồn cần quan tâm Về độ đo tương tự hệ tư vấn có số công bố cải tiến độ đo tương tự hệ tư vấn [22] Tuy nhiên, với liệu khác ta cần sử dụng độ đo tương tự khác [8] cho phù hợp Chính việc nghiên cứu độ đo tương tự cho hệ tư vấn cần quan tâm Hệ tư vấn mờ nâng cao cần nghiên cứu phát triển dựa tập mờ nâng cao tập mờ trực cảm, mờ viễn cảnh, Neutrosophic với quy tắc suy diễn logic mờ cần nghiên cứu áp dụng cho thuật toán lọc cộng tác mờ mà cụ thể thuật toán lọc cộng tác mờ theo mơ phương pháp phân cụm, phương pháp suy luận mờ, quy tắc kết hợp mờ để cải thiện độ xác hệ tư vấn Phương pháp suy diễn xác suất, phương pháp Bayes mờ [14] kết hợp hệ tư vấn chứa nhiều công bố cần quan tâm 332 MỘT SỐ HƯỚNG PHÁT TRIỂN MỚI VỀ HỆ TƯ VẤN MỜ NÂNG CAO Những năm gần đây, hệ tư vấn mờ ứng dụng vào lĩnh vực thị trường chứng khoán [16]; ứng dụng quản lý thuế [17]; ứng dụng toán hỗ trợ chẩn đoán y tế [ 12]; [18], [19] với tập mờ trực cảm, Neutrosophic đạt kết tốt kỹ thuật lai ghép phương pháp phân cụm mờ với độ đo tương tự theo phương pháp Heuristic [25] đạt kết tốt Tuy liệu ngày tăng quy tắc logic mờ ngày tăng làm tăng số chiều liệu, để xử lý vấn đề có cơng bố [23] cách sử dụng hệ thống phân lớp mờ để làm giảm số chiều công bố cịn nên hướng nghiên cứu triển vọng Hệ tư vấn mờ không ứng dụng y tế, thương mại điện tử, kinh tế mà ứng dụng phổ biến giáo dục, văn hóa [15], [16], với phát triển mạnh mạng xã hội nên việc khai thác liệu mạng xã hội dựa mơi trường điện tốn đám mây tác giả xây dựng hệ tư vấn mờ để tư vấn di sản văn hóa, địa điểm văn hóa tới người tiêu dùng dựa sở thích người tiêu dùng Khai thác mơ hình điện tốn đám mây để nghiên cứu hệ tư vấn mờ hướng cần quan tâm III KẾT LUẬN Bài báo trình bày tổng quan hệ tư vấn tập mờ nâng cao, phương pháp hệ tư vấn áp dụng tập mờ, độ đo đánh giá hệ tư vấn độ đo tương tự tập mờ, tập Neutrosophic sử dụng phép toán logic mờ, điểm yếu mạnh phương pháp Đồng thời báo số hướng phát triển hệ tư vấn dựa công cụ mờ Tập Neutrosophic xây dựng phát triển Florentin Smarandache tổng quát hóa từ tập mờ, mờ loại 2, mờ trực cảm, mờ viễn cảnh Hệ tư vấn Neutrosophic xây dựng [11], nhiên nhiều hướng để phát triển tập phân cụm, lai ghép với phương pháp học máy khác Hứa hẹn nhiều nghiên cứu phát triển tiếp Ngồi việc sử dụng độ đo tương tự hệ tư vấn mờ để dự đốn tư vấn tốn cần nghiên cứu sử dụng cơng cụ thống kê phân tích hồi quy để dự báo Bài báo trình bày tổng thể hệ tư vấn tập mờ, tập mờ nâng cao có giá trị cho nghiên cứu hệ tư vấn dựa logic mờ TÀI LIỆU THAM KHẢO [1] Almohammadi, Khalid, Hagras, Hani, Yao, Bo, Alzahrani, Abdulkareem, Alghazzawi, Daniyal, Aldabbagh, Ghadah “A Type-2 Fuzzy Logic Recommendation System for Adaptive Teaching”, Soft Computing, 21, pp.965979, 2017 [2] A Zenebe and A F Norcio “Representation, similarity measures and aggregation methods using fuzzy sets for content-based recommender systems” Fuzzy Sets and Systems, 160(1), pp 76-94, 2009 [3] Barzanti, Luca, Giove, Silvio, Pezzi, Alessandro “An Effective Fuzzy Recommender System for Fund-raising Management”, chapter 1, pp 73-82, 2020 [4] Haifeng Liu, Zheng Hu, Ahmad Mian, Hui Tian, Xuzhen Zhu “A new user similarity model to improve the accuracy of collaborative filtering”, Knowledge-Based Systems, 56, pp 156-166, 2014 [5] I C Wu and W.-H Hwang “A genre-based fuzzy inference approach for effective filtering of movies” Intelligent Data Analysis, 17(6), pp 1093-1113, 2013 [6] Ignacio Huitzil, Fernando Alegre, Fernando Bobillo, “GimmeHop: A recommender system for mobile devices using ontology reasoners and fuzzy logic”, Fuzzy Sets and Systems, pp 114-165, 2019 [7] Junpeng Guo, Jiangzhou Deng, Yong Wang “An intuitionistic fuzzy set based hybrid similarity model for recommender system”, Expert Systems with Applications, Volume 135, pp 153-163, 2019 [8] Kant, S., Mahara, T., Jain, V.K et al “Fuzzy logic based similarity measure for multimedia contents recommendation” Multimed Tools Appl , 78, pp 4107-4130, 2019 [9] L A Zadeh “Fuzzy sets as a basis for a theory of possibility” Fuzzy Sets Syst 1(1), pp 3-28, 1978 [10] L A Zadeh “Fuzzy sets” Inf Control 8, pp 338-353, 1965 [11] L H Son “HU-FCF: A hybrid user-based fuzzy collaborative filtering method in Recommender Systems” Expert Systems with Applications, 41(15), pp 6861-6870, 2014 [12] L H Son and N T Thong “Intuitionistic fuzzy recommender systems: An effective tool for medical diagnosis” Knowledge-Based Systems, 74, pp 133-150, 2015 [13] L H Son, N T H Minh, K M Cuong, and N V.Canh “An application of fuzzy geographically cluster,” International Journal of Computational Intelligence Systems, Vol 10 (2017) 776-803 ing for solving the cold-start problem in recommender systems In SoCPaR, pp 44-49 IEEE, 2013 [14] L M de Campos, J M Fernandez-Luna, and J F Huete “A collaborative recommender system based on probabilistic inference from fuzzy observations” Fuzzy Sets and Systems, 159(12), pp 1554-1576, 2008 [15] Logesh Ravi, Malathi Devarajan, Gwanggil Jeon;Oguz bayat “An intelligent fuzzy-induced recommender system for cloud- based cultural communities”, International Journal of Web Based Communities (IJWBC), Vol 15, No 3, 2019 Nguyễn Văn Minh, Nguyễn Long Giang, Nguyễn Như Sơn, Cù Nguyên Giáp, Nguyễn Thọ Thơng, Phạm Minh Chuẩn, Lê Hồng Sơn 333 [16] Mancera J., Nguyen MT, Portmann E “Fuzzy-based recommendation system: The case of Börsenspiel for Swiss Universities” In: Meier A., Portmann E., Terán L (eds) Applying Fuzzy Logic to Digital Economy and Society Fuzzy management method Springer, Cham, pp 185-207, 2019 [17] Meza J., Terán L., Tomalá M., “A Fuzzy-Based Discounts Recommender System for Public Tax Payment” In: Meier A., Portmann E., Terán L (eds) Applying Fuzzy Logic for the Digital Economy and Society Fuzzy Management Methods Springer, Cham, pp 47-72, 2019 [18] Mumtaz Ali, Le Hoang Son, Nguyen Dang Thanh, Nguyen Van Minh “A neutrosophic recommender system for medical diagnosis based on algebraic neutrosophic measures”, Applied Soft Computing, 71, pp 1054-1071,2018 [19] P Cordero, M Enciso, D López, A Mora “A conversational recommender system for diagnosis using fuzzy rules”, Expert Systems with Applications, Volume 154, 2020 [20] T Horv´ath “A model of user preference learning for content-based recommender systems” Computing and informatics, 28(4), pp 453-481, 2009 [21] R Yager “Fuzzy logic methods in recommender systems” Fuzzy Sets and Systems, 136(2), pp 133-149, 2003 [22] R M Rodr´ıguez, M Espinilla, P J Sanchez, and L Mart´ınez-Lopez “Using linguistic incomplete preference relations to cold start recommendations” Internet Research, 20(3), pp 296-315, 2010 [23] Tajul Rosli Razak, Iman Hazwam Abd Halim, Muhammad Nabil Fikri Jamaludin, Mohammad Hafiz Ismail, Shukor Sanim Mohd Fauzi “An Exploratory Study of Hierarchical Fuzzy Systems Approach”, in Recommendation System, arXiv: 2005.14026, 2020 [24] Yera Toledo, Raciel, Martinez, Luis “Fuzzy Tools in Recommender Systems: A Survey”, International Journal of Computational Intelligence Systems, 10, pp 776-803, 2017 [25] Mostafa Khalaji, Chitra Dadkhah “FNHSM_HRS: Hybrid recommender system using fuzzy clustering and heuristic similarity measure”, pp 562-568, arXiv: 1909.13765 ... dụng logic mờ lĩnh vực khác có nhiều nghiên cứu Trong phần trình bày hệ tư vấn dựa logic mờ hướng phát triển chúng Hệ tư vấn mờ khởi xướng Yager cộng [21] 2008 hệ tư vấn mờ sử dụng phát triển rộng... không chắn hướng nghiên cứu hệ tư vấn tư vấn nhóm, tư vấn nhận biết ngữ cảnh quản lý tiếng ồn cần quan tâm Về độ đo tư? ?ng tự hệ tư vấn có số cơng bố cải tiến độ đo tư? ?ng tự hệ tư vấn [22] Tuy... tư vấn Phương pháp suy diễn xác suất, phương pháp Bayes mờ [14] kết hợp hệ tư vấn chứa nhiều công bố cần quan tâm 332 MỘT SỐ HƯỚNG PHÁT TRIỂN MỚI VỀ HỆ TƯ VẤN MỜ NÂNG CAO Những năm gần đây, hệ
Ngày đăng: 06/12/2022, 10:52
Xem thêm:
