Tìm hiểu về recommendation system và xây dựng ứng dụng minh họa

Hr0 ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN KHOA CÔNG NGHỆ PHẦN MỀM BÁO CÁO MƠN HỌC Đề tài: Tìm hiểu Recommendation System xây dựng ứng dụng minh họa ĐỒ ÁN – SE122.N11 Giảng viên hướng dẫn: Ths Huỳnh Hồ Thị Mộng Trinh Sinh viên thực hiện: Nguyễn Thị Phương Thảo 19520280 Đinh Trần Văn Minh 19520715 TP Hồ Chí Minh, tháng 10 năm 2022 LỜI CẢM ƠN Lời đầu tiên, chúng em xin chân thành cảm ơn hướng dẫn tận tình Huỳnh Hồ Thị Mộng Trinh – giảng viên hướng dẫn môn Đồ án hỗ trợ thông tin cần thiết giải đáp thắc mắc cho nhóm suốt trình thực đề tài Đồng thời, nhóm em muốn gửi lời cảm ơn đến anh chị khóa trên, đặc biệt anh chị khoa chia sẻ kinh nghiệm quý báu mơn học kiến thức liên quan Vì kiến thức chúng em hạn hẹp nên khơng thể tránh khỏi thiếu sót q trình thực đồ án Vì vậy, nhóm chúng em ln mong đợi nhận ý kiến đóng góp quý báu từ phía giảng viên để qua rút kinh nghiệm, tự sửa chữa, hoàn thiện thân tinh thần nghiêm túc, tự giác học hỏi Một lần nhóm chúng em xin chân thành cảm ơn Nhóm nghiên cứu NHẬN XÉT CỦA GIẢNG VIÊN MỤC LỤC Chương TỔNG QUAN ĐỀ TÀI 1.1 Thực trạng 1.2 Mục tiêu 1.3 Phạm vi .1 Chương CƠ SỞ LÝ THUYẾT VÀ CÔNG NGHỆ 2.1 Cơ sở lý thuyết 2.1.1 Phân loại 2.1.2 Content-based Recommendation Systems 2.1.3 Neighborhood-based Collaborative Filtering 2.2 Công nghệ 2.2.1 TypeScript 2.2.2 Python .8 2.2.3 NodeJS .8 2.2.4 ReactJS 2.2.5 Redux & Redux-Saga 2.2.6 MUI 11 2.2.7 NestJS 11 2.2.8 MongoDB 12 2.3 Kiến trúc hệ thống 12 Chương PHÂN TÍCH THIẾT KẾ ỨNG DỤNG 14 3.1 Yêu cầu nghiệp vụ 14 3.1.1 Danh sách yêu cầu 14 3.1.2 Danh sách biểu mẫu quy định 14 3.2 Use-case 16 3.2.1 Sơ đồ Use-case 16 3.2.2 Danh sách đối tượng sử dụng Use-case 17 3.2.3 Danh sách Use-case 18 3.2.4 Đặc tả Use-case 18 3.3 Activity 25 3.3.1 Danh sách Activity 25 3.3.2 Sơ đồ Activity 26 3.4 Sequence Diagram 29 3.4.1 Fetch User Recommendations 29 3.4.2 Swipes Matches 30 3.5 Thiết kế sở liệu .30 3.6 Thiết kế giao diện 31 Đăng nhập 31 Chương TỔNG KẾT 32 4.1 Kết 32 4.2 Hạn chế 32 4.3 Hướng phát triển .32 Chương BẢNG PHÂN CÔNG CÔNG VIỆC 33 TÀI LIỆU THAM KHẢO 34 DANH MỤC HÌNH ẢNH Hình 2.1-1: Phân loại Recommendation Hình 2.1-2: Mơ tả thuật tốn Content-based Recommendation .11 Hình 2.1-3: Ví dụ User-user Collaborative Filtering .12 Hình 2.2-1: Typescript 15 Hình 2.2-2: Python 15 Hình 2.2-3: NodeJS 15 Hình 2.2-4: ReactJS 16 Hình 2.2-5: Flow Redux 17 Hình 2.2-6: Flow Redux-saga 18 Hình 2.2-7: MUI .18 Hình 2.2-8: Nest .19 Hình 2.2-9: MongoDB 19 Hình 3.2-1: Sơ đồ Use-case 24 Hình 3.3-1: Sơ đồ Activity Đăng nhập 34 Hình 3.3-2: Sơ đồ Activity Đăng ký 35 Hình 3.3-3: Sơ đồ Activity Quản lý thông tin cá nhân 36 Hình 3.4-1: Sequence Diagram Fetch User Recommendation 37 Hình 3.4-2: Sequence Diagram Swipes Matches 37 Hình 3.5-1: Sơ đồ sở liệu .37 DANH MỤC BẢNG BIỂU Bảng 3.1.1-1: Danh sách yêu cầu nghiệp vụ 21 Bảng 3.1.2-1: Biểu mẫu yêu cầu Thêm thông tin cá nhân .21 Bảng 3.1.2-2: Biểu mẫu yêu cầu Tùy chọn đề xuất .22 Bảng 3.1.2-2: Biểu mẫu yêu cầu Xem đề xuất người dùng khác có vị trí gần mình23 Bảng 3.1.2-2: Biểu mẫu u cầu Nhận thơng báo hợp vói người dùng khác 23 Bảng 3.2.2-1: Danh sách đối tượng sử dụng Use-case 25 Bảng 3.2.3-1: Danh sách Use-case 25 Bảng 3.2.4-1: Đặc tả Use-case Đăng nhập .26 Bảng 3.2.4-2: Đặc tả Use-case Đăng ký 28 Bảng 3.2.4-3: Đặc tả Use-case Quản lý thông tin cá nhân .29 Bảng 3.2.4-4: Đặc tả Use-case Quản lý đối tượng yêu thích 30 Bảng 3.2.4-5: Đặc tả Use-case Quản lý số thể 31 Bảng 3.2.4-6: Đặc tả Use-case Quản lý thực phẩm .32 Bảng 3.3.1-1: Danh sách Activity 33 Chương TỔNG QUAN ĐỀ TÀI 1.1 Thực trạng Cuộc sống đại, bị theo vịng xoay đồng tiền mà khơng có thời gian quan tâm đến chuyện tình cảm Vì vậy, việc tìm kiếm đến ứng dụng hẹn hị online nhiều người dần phổ biến trở nên rộng rãi Chỉ cần có bên laptop hay smartphone truy cập, kết bạn Thông qua ứng dụng này, bạn thể cá tính thân Đồng thời tìm kiếm nhiều người giống với tiêu chí mà đề Tuy nhiên, môi trường ẩn chứa nhiều mối nguy hại cần phải đề cao cảnh giác Hiểu điều đó, ứng dụng kết bạn Finder nhóm chọn làm đề tài để nghiên cứu phát triển Ứng dụng hệ thống Recommendation System, tính đề xuất kết bạn, giúp người dùng dễ dàng tìm kiếm bạn bè phù hợp dựa liệu tương tác họ Những người xuất danh sách gợi ý người bạn xung quanh, có chung sở thích, cơng việc độ tuổi phù hợp 1.2 Mục tiêu - Xây dựng kho liệu thực phẩm công thức nấu ăn với nội dung dinh dưỡng, hình ảnh,… - Xây dựng chức giúp tính tốn dinh dưỡng cần thiết cho người dùng tùy theo mục tiêu mong muốn cá nhân - Xây dựng chức hỗ trợ theo dõi, quản lý việc xây dựng bữa ăn dinh dưỡng cho người dùng 1.3 Phạm vi - Những cá nhân khơng có nhiều kinh nghiệm kiến thức thực phẩm dinh dưỡng, mong muốn tìm hiểu trang bị thêm cho kiến thức - Những cá nhân/tổ chức quan tâm lĩnh vực thực phẩm dinh dưỡng, mong muốn nâng cao chế độ dinh dưỡng, sức khỏe - Những cá nhân/tổ chức muốn có cơng cụ giúp dễ dàng tìm kiếm thơng tin liên quan đến thực phẩm dinh dưỡng - Những cá nhân/tổ chức chưa hài lịng cơng cụ hỗ trợ tìm kiếm lưu trữ thơng tin thực phẩm sử dụng Chương CƠ SỞ LÝ THUYẾT VÀ CÔNG NGHỆ 2.1 Cơ sở lý thuyết Recommendation System Recommender System ứng dụng phổ biến khoa học liệu ngày Chúng sử dụng để dự đoán "rating" "preference" mà người dùng dành cho mặt hàng Hầu hết công ty công nghệ lớn áp dụng chúng số hình thức  Amazon sử dụng để đề xuất sản phẩm cho khách hàng  Netflix sử dụng gợi ý phim cho người dùng  YouTube sử dụng để đề xuất video định video phát chế độ tự động phát  Facebook sử dụng để gợi ý kết bạn, đề xuất trang để thích người theo dõi 2.1.1 Phân loại Hình 2.1-1: Phân loại Recommendation Nhìn chung, hệ thống Recommender System chia thành loại chính:  Simple Recommenders: Đưa đề xuất tổng quát cho người dùng, dựa mức độ phổ biến và/hoặc thể loại phim Ý tưởng đằng sau hệ thống phim tiếng giới phê bình đánh giá cao có xác suất khán giả bình thường thích cao ... tảng dựa vào Chrome Javascript runtime để xây dựng ứng dụng nhanh, có độ lớn NodeJS sử dụng phần phát sinh kiện (event-driven), mơ hình non-blocking I/O để tạo ứng dụng nhẹ hiệu cho ứng dụng liệu... thường làm xây dựng feature vector cho user áp dụng hàm có khả đo similarity hai vectors Chú ý việc xây dựng feature vector khác với việc xây dựng item profiles Content-based Recommendation Systems... cảnh giác Hiểu điều đó, ứng dụng kết bạn Finder nhóm chọn làm đề tài để nghiên cứu phát triển Ứng dụng hệ thống Recommendation System, tính đề xuất kết bạn, giúp người dùng dễ dàng tìm kiếm bạn