Tích hợp hệ thống gợi ý theo nội dung vào trang web bán hàng online

Tổng quan về hệ thống 5Ù

Hệ thống gợi ý được định nghĩa như hệ thống hỗ trơ quyết định cho người dùng trong môi trường có lượng thông tin phức tạp [3] Trong thương mại điện tử, hệ thống gợi ý có thé coi là công cụ dé giúp người dùng tìm ra những sản phẩm phù hợp với mối quan tâm của người dùng, những điều mà họ ưu tiên hơn [4] Hệ thống gợi ý được chia theo hai hướng tiếp cận riêng biệt là dựa trên nội dung (content-based) và cộng tác (collaborative), một hướng khác đó là hệ lai kết hợp cả 2 hướng tiếp cận trên.

[ Tiếp cận dựa trên nội dung | [ Tiếp cận dựa trên lọc cộng tác Lai giữa hướng tiếp cận

I nội dung và loc cộng tác £ 1

Dựa trên mô hình phân Dựa trên ghi nhớ toàn bộ lớp (model-based) dữ liệu (memory-based)

Mô hình Bayesian Mô hình Dựa theo Dựa theo phân cụm người dùng sản phẩm

Hình 1.1 Phân loại hệ thống gợi ÿ theo hướng tiếp cận

Trong số những hướng tiếp cận trên, hệ gợi ý dựa trên lọc cộng tác thường được áp dụng nhiều hơn Hệ thống gợi ý lọc cộng tác tìm ra những xu hướng, mô hình trong sự tương tác của nhiều người dùng — sản phâm và gợi ý những sản pham phổ biến trong số những người dùng khác mà có hồ sơ tương tự với người dùng cần gợi ý Y tưởng chính là việc phân cụm những người dùng có hồ sơ, sở thích tương tự nhau Gia sử, người dùng A,B cùng xem sản phẩm TV Samsung và dàn loa trong nhà, người dùng C mới tham gia hệ thống, xem sản phẩm TV Samsung, có thé người dùng C này cũng quan tâm đến loa và hệ thống nên gợi ý loa cho người dùng C Phương pháp này giúp người dùng mới nhanh chóng tiếp cận được với đa dạng các nội dung được gợi ý, tuy nhiên lại khiến các nội dung mới (chưa được người dùng nao quan tâm) khó được tiếp cận do nó ít phổ biến trong số người dùng khác.

Nguyễn Huy Hùng - B17DCCN285 3 Đồ án tốt nghiệp Chương 1: Giới thiệu bài toán

Hệ thống gợi ý theo nội dung sử dụng những thông tin mô tả về sản phẩm và dựa trên sự tương đồng giữa các sản pham với đặc trưng của người dùng dé đưa ra các gợi ý.

Kỹ thuật này thường sử dụng dữ liệu của ban thân người dùng dé đưa ra dự đoán và bỏ qua sự liên hệ với dữ liệu so với người dùng khác (khác biệt so với phương pháp lọc cộng tác).

Ví dụ, một người dùng thường xuyên tìm kiếm và xem nhưng sản phâm giày nam, hệ thống nên gợi ý thêm nhưng sản phâm thuộc danh mục giày, phụ kiện liên quan đến giay nam cho người dùng đó Bang cach đó, người dùng vừa có thé dé dang phát hiện được sản phâm can thiết dé mua, cửa hàng cũng có thé tăng doanh số bán hàng Bat kỳ sản phẩm nào có liên quan đến người dùng, hệ gợi ý theo nội dung có thé đưa sản phẩm đó lên gợi ý ra các sản phẩm ngay cả khi chưa có người dùng nào từng xem, mua hay đánh giá sản pham đó.Hệ thống gỢI ý kết hợp giữa hệ dựa trên nội dung và lọc cộng tác sẽ kết hợp được ưu điểm và giảm bot 1 phần nhược điểm của 2 hệ.

Trong thực tế, các ứng dụng của hệ thống gợi ý được ứng dụng trong nhiều lĩnh vực như tin tức, giải trí, thương mại điện tử, khoa học, Trong lĩnh vực giải trí, người dùng có thé được gợi ý các bộ phim, bài hát phù hợp trong khi giảm công sức tìm kiếm của người dùng như hệ thống gợi ý phim MovieLens, Youtube Trong thương mại điện tử, người dùng sẽ được hệ thống gợi ý các sản phẩm phù hợp với nhu cầu của từng cá nhân Ví dụ như hệ thống gợi ý bán hàng của Amazon, Trong phạm vi thương mại điện tử, việc đem lại các sản phẩm gợi ý phù hợp với từng người dùng giống như việc tạo riêng cho mỗi khách hàng một cửa hàng dành riêng cho họ Ap dụng thành công có thé mạng lại nhiều lợi ích:

- _ Khách hàng truy cập thường xuyên: Người dùng có thể truy cập trang web, theo dõi những cập nhật, đổi mới về sản phẩm mà không cần phải mua hàng Duyệt các mặt hàng có thể giúp người dùng tìm ra mặt hàng họ quan tâm, muốn mua.

- _ Bán hàng chéo: Việc gợi ý ra các sản phẩm khác liên quan đến sản phẩm mà khách hàng đang mua có thê giúp bán thêm các mặt hàng đó Gợi ý có thể xuất hiện khi người dùng duyệt mặt hàng, khi xem giỏ hàng hay ngay cả khi người dùng chuẩn bị thanh toán đơn hang.

- _ Khuyến khích sự quay lại của khách hàng: Quá trình mua hàng, dễ dàng gặp được các mặt hàng phù hợp với nhu cầu của mình sẽ giúp trải nghiệm mua hàng của khách hang gia tăng Khách hàng có xu hướng “thích” điều đó và quay trở lại sau khi mua hàng.

Phát biểu vấn đề -¿-++©+++Ek+2EEEEE2E12712112711211711211111211 11121111 c1 4 1.3 Cae nghién cttu én n8

Khác với phương pháp bán hàng trực tiếp, trên các trang web bán hàng online, lượng lớn các sản phẩm có thé dé dàng tiếp cận tới khách hàng nhờ không bị giới hạn về không

Nguyễn Huy Hùng - B17DCCN285 4 Đồ án tốt nghiệp Chương 1: Giới thiệu bài toán gian vật lý, không gian trưng bày Vấn đề đặt ra khi này là làm thế nào để người dùng có thé thay được sản phẩm họ cần và đưa sản phẩm mà khách hang cần tới cho họ trong khi nhu cau, sở thích cá nhân của mỗi người lại là khác nhau Hệ thống gợi ý là một trong các giải pháp cho van đề này giúp người dùng giảm được thời gian tìm kiếm sản phâm Dé có thể xây dựng hệ thống gợi ý, ta sẽ lần lượt trả lời câu hỏi:

- Lam thé nào dé có thé gợi ý các sản phẩm khi không có thông tin của khách hàng?

- Cac đặc trưng nao của sản phẩm có thể được sử dụng cho hệ thống gợi ý?

- Phương pháp tích hợp hệ gợi ý vào hệ thống bán hàng online?

1.3 Cac nghiên cứu liên quan

Hệ thống gợi ý đã được nhiều tác giả thực hiện nghiên cứu và áp dụng trong nhiều lĩnh vực Grouplens là hệ thống gợi ý bài viết xây dựng dựa trên kĩ thuật lọc cộng tác, hỗ trợ người dùng tìm được tin tức, bài viết từ dữ liệu tin tức khổng 16 [5]

Khi lựa chọn đặc trưng dé mô tả đối tượng, nhiều tác giả lựa chọn trích rút đặc trưng ngôn ngữ LIBRA là hệ thống gợi ý sách xây dựng theo hướng tiếp cận dựa trên nội dung, hệ thống sử dụng mạng phân loại Nạve Bayes dé xây dựng hồ sơ người dùng từ thơng tin người dùng trên internet [6] Hệ thống cũng hiển thị lí do sản phâm được gợi ý cho người dùng Tác giả Oladapo trong [7] khi xây dựng hệ thống tìm kiếm các bài viết, so sánh sự tương đồng giữa truy vấn tìm kiểm của người dùng với các thuộc tính của các bài viết theo chỉ số Jaccard Các bài viết liên quan được gửi tới người dùng qua email Tác giả Massa trong [2] xác định mối quan tâm của người dùng qua kĩ thuật xử lí ngôn ngữ dé tìm mối liên hệ giữa các tin tức và bài viết mà họ đăng trên blog Các đặc trưng từ các bài viết, tin tức được so sánh tương đồng qua xử lí ngữ nghĩa Khi nghiên cứu hệ thống gợi ý tin tức cá nhân hóa cho người dùng, tác giả Liu và cộng sự Dolan, Elin [8] đã dựa trên các thé loại tin tức mà người dung bam vào dé xây dựng hồ sơ người dùng Sau đó sử dụng mang Bayes dé dự đoán mối quan tâm của người dùng Tác giả Ghazantar [9] cùng cộng sự đề xuất kĩ thuật xây dựng hồ sơ người dùng theo hướng tiếp cận dựa theo nội dung rồi tìm những người dùng tương tự dé thực hiện gợi ý.

Khi xây dựng hệ gợi ý theo nội dung, các kĩ thuật học máy cũng được sử dụng như : phân cụm, cây quyết định, mạng nơ-ron nhân tạo

1.4 Cac đóng góp của đồ án Đồ án sẽ cung cấp những thông tin về:

- _ Nghiên cứu tổng quan về hệ thống gợi ý, các phân loại hệ thống gợi ý và van đề áp dụng hệ thông gợi ý trong bán hàng online.

Nguyễn Huy Hùng - B17DCCN285 5 Đồ án tốt nghiệp Chương 1: Giới thiệu bài toán

Tìm hiểu và cung cấp thông tin về những khái niệm làm nền tảng cho đồ án: mô hình không gian vector, trích rút đặc trưng ngôn ngữ TF-IDF. Áp dụng, xây dựng hệ thống gợi ý cho bài toán gợi ý trong bán hàng, tiến hành thử nghiệm, đánh giá kêt quả.

Phân tích kết quả thu được va đề xuất hướng khắc phục.

Xây dựng và thử nghiệm trang web bán hàng online có tích hợp hệ thống gợi ý.

Trong chương này, đồ án đã trình bày tổng quan về hệ thống gợi ý dựa trên các hướng tiếp cận và đưa ra mô tả về hệ thống gợi ý trong bán hang online Chương | đặt ra câu hỏi dé giải quyết bài toán gợi ý sản phẩm trong bán hàng; một số nghiên cứu liên quan cũng được đề cập cho thay nhưng phương pháp kha thi đã được áp dụng khi xây dựng hệ thống gợi ý.

Chương tiếp theo sẽ trình bày cụ thé hơn về hệ thống gợi ý dựa trên nội dung, các mô hình hoạt động của hệ thống gỢI ý

Nguyễn Huy Hùng - B17DCCN285 6 Đồ án tốt nghiệp Chương 2: Hệ thống gợi ý theo nội dung

CHƯƠNG 2: HỆ THÓNG GỢI Ý THEO NỘI DUNG

Chương 2 sẽ trình bày rõ hơn về hệ thống gợi ý dựa trên nội dung, cung cấp thông tin về những thành phân cơ bản trong hệ thông gợi ý và cách thức xây dựng những thành phân đó Đông thời, tiên hành thiệt kê mô hình hoạt động cho hệ gợi ý dựa trên nội dung Chương gôm 2 mục lớn:

- GIới thiệu hệ thống gợi ý dựa trên nội dung

- _ Thiết kế hệ thống gợi ý

2.1 Giới thiệu hệ thống gợi ý dựa trên nội dung

Hệ thống gợi ý dựa trên nội dung là một trong những phương pháp tiếp cận chủ yếu trong hệ thống gợi ý Trong cụm “dựa trên nội dung” thì từ “nội dung” được hiểu là những thông tin thé hiện, mô ta cho sản phẩm được gợi ý Ví dụ trong hệ thống gợi ý bài hái, thì sản phẩm là các bài hát, và “nội dung” có thé được lay tường minh từ tên bài hát, thé loại, ca sĩ, nhạc sĩ, độ tuổi phù hợp v.v hoặc từ những thông tin không tường minh như cảm xúc trong bài hát Theo hướng tiếp cận này, hệ thống sẽ tập trung chủ yếu vào việc phân tích và sử dụng các thuộc tính mô tả sản phẩm dé đưa ra gợi ý Ý tưởng cơ bản là tìm ra các mặt hàng tương tự với những cái người dùng đã thích, quan tâm trước đó và bài toán đặt ra là xây dựng được mô hình đề dự đoán được sản phẩm mà người dùng hướng tới.

Hình 2 1 Mô hình gợi ý của hệ thống gợi ý theo nội dung

Cụ thé hơn, phương pháp này sử dụng những đánh giá mà người dùng đã thực hiện trong quá khứ, xây dựng lên mô hình đề dự đoán đánh giá cho những sản phẩm sẵn có, từ những sản phẩm và gợi ý những sản phẩm có dự đoán đánh giá cao nhất.

Do vậy, yếu tố thông tin đầu vào quan trọng cho hệ thống gợi ý là các nội dung, các đặc trưng mô tả sản phâm cần gợi ý.

2.1.1 Biểu diễn sản phẩm trong hệ gợi ý

Các sản phẩm, trước khi có thé sử dụng cho hệ thống gợi ý cần phải biểu diễn các sản phâm ở dạng đữ liệu có thê so sánh, tính toán được Một số phương pháp có thê sử dụng là mô hình không gian vector chỉ số TF-IDF, BM25), hay mô hình xác xuất (mang Naive Bayes, cây quyết định hay mạng nơ ron nhân tạo) Trong đồ án này, em sử dụng mô hình không gian vector (Vector Space Model — VSM) dé biéu diễn các đặc trưng của sản pham. Mỗi sản phẩm sẽ được biểu diễn ở dạng vector đa chiều. at VECTOR SPACE sị MODEL sentence 2 s a“ sentence 1

Hình 2 2 Mô hình không gian vector

Các sản phẩm đang mô tả bởi số lượng d các từ khóa, mô hình sẽ xây dựng tập n từ khóa cho tat cả các sản phẩm Tiếp đó, mô hình sẽ biểu diễn mỗi sản phẩm ở dang vector n chiều, mỗi chiều đại diện cho 1 từ khóa Các từ khóa này sẽ được tính toán trọng số sử dụng TF-IDF hay BM25.Ví dụ, k; là từ khóa thứ ¡ trong bộ n từ khóa mô tả sản phẩm item,, w;; là trọng số của k; khóa đó thì sản pham item; có thé được biểu diễn bởi vector.

Nhược điểm khi sử dụng mô hình không gian vector:

- Số chiều của vector lớn: các vector đặc trưng cho các sản phẩm có số chiều phụ thuộc vào tập các từ được dùng dé mô tả tất cả sản phẩm.

- Khong có khả năng tăng trưởng: khi có 1 sản phẩm mới được thêm vào tập sản phẩm, quá trình xây dựng không gian vector phải được thực hiện lại từ đầu.

- Kho thé hiện được ngữ nghĩa của từ: Các từ xuất hiện với bất kì trật tự nào đều cho ra cùng kết quả tính toán Có thé khắc phục 1 phần vấn đề thông qua việc kiểm tra các từ xuất hiện kề nhau hoặc xuất hiện đồng thời (các từ xuất hiện kề nhau, thường xuyên thì có thể có 1 ý nghĩa nào đó).

Sử dụng từ khóa dé biéu diễn các sản phẩm là bước làm quan trọng trước khi đưa vào hệ thống gợi ý Việc trích chọn các từ khóa dé mô tả sản phẩm có thé được thực hiện theo hai cách chính: các chuyên gia gán nhán và người dùng gán nhãn Công việc gán nhãn thực hiện bởi các chuyên gia sẽ cho ra các nhãn chính xác, đầy đủ, chuân hóa và mô tả tốt, toàn diện hơn về sản pham, nhược điểm là công việc sẽ yêu cầu thời gian và chi phí lớn. Ngược lại, việc dé cho người dùng gán nhãn sẽ giúp các nhãn trở lên phong phú hơn, gan hơn với sản phẩm, chi phí ít hơn, xong chắc chắn sẽ xảy ra sự gán nhãn kém chat lượng, sai lệch Việc gán nhãn thực hiện bởi người dùng có thể được cải thiện bằng cách đưa ra một tập lớn các nhãn được chuẩn hóa, người dùng sẽ gán nhãn của sản pham bang cách chọn từ các tập nhãn được cung cấp.

Vi dụ cho việc biéu diễn sản phẩm băng vector: Biểu diễn 1 sản phẩm trong cửa hang thông qua danh mục mặt hàng.

Danh mục sản pham Sản phẩm A |BIC|D|EIF Biểu diễn vector

Các đóng góp của d6 An iieecceccecccsccessesssessessesssessesssessesssessesssessesssessesssessestsesseseseesees 5 1.5 Kết luận Chung ceccecceccesccssssessessessesscsecsecsucsussuessessessessessessesssssessscsseseeesessesseeseeaes 6 CHƯƠNG 2: HỆ THONG GOI Ý THEO NỘI DUNG . -2- 2: 5222+25+2zx+cscze: 7 2.1 Giới thiệu hệ thống gợi ý dựa trên nội dung - - ô+ +s + ssvkseeksseesreere 7

Biểu diễn hồ sơ người dùng . 2-22¿©2++22+t2EEC2EESEEEEErerkrerkrerkrerkee 9

Hồ sơ người dùng chứa thông tin giúp thé hiện mối quan tâm của khách hàng Xây dựng chính xác và sử dụng hồ sơ này sẽ giúp việc gợi ý thông tin tới người dùng hiệu quả hơn Hồ sơ khách hàng có thé được xây dựng theo cách trực tiếp thông qua việc yêu cầu người dùng cung cấp thông tin về độ tuôi, giới tính, mối quan tâm, hoặc thông qua những khảo sát về sản phẩm, dịch vụ được cung cấp Việc xây dựng hồ so qua cách này có thé gặp

Nguyễn Huy Hùng - B17DCCN285 9 Đồ án tốt nghiệp Chương 2: Hệ thống gợi ý theo nội dung trở ngại nếu người dùng không muốn cung cấp phản hồi hay phản hồi không đầy đủ thông tin Hồ sơ người dùng xây dựng theo cách trên cũng sẽ ít chính xác hơn khi người dùng có mối quan tâm mới, thay đổi thói quen nhưng không cập nhậtlại hồ sơ Một phương pháp khác dé xây dựng hồ sơ người dùng đó là xây dựng ngầm định dưa theo lịch sử tương tác của người dùng Người dùng không cần nhận thức rằng họ đang cung cấp phản hồi cho hệ thống thông qua thao tác của họ Thông tin về sở thích người dùng thu thập qua phương pháp này có thé không chính xác bằng cách khảo sát nhưng nó không làm gián đoạn, gây phiền cho người dùng nên thuận lợi cho việc thu thập thông tin và được áp dụng rộng rãi.

Vi dụ như Facebook hoặc Youtube có thé thu thập được 1 phần thông tin về sở thích người dùng khi họ tương tác, xem, thích/ không thích video, bài viết.

Thu thập thông tin ngầm định dé xây dựng hồ sơ của mỗi người dùng có thể được thực thi thông qua giám sát tương tác của người dùng với các sản phẩm Các sản pham cần xử lí đối với mỗi người dùng bao gồm các sản phẩm mà họ quan tâm: sản phẩm họ đã từng mua (ý nghĩa quan trọng hơn) và sản phâm họ yêu thích hoặc đã từng xem (ý nghĩa ít quan trong hơn) Hồ sơ của mỗi người dùng cũng cần được biểu diễn ở dang có cấu trúc khi sử dụng trong hệ thống gợi ý Do được xây dựng dựa trên các thông tin về sản phẩm, biêu diễn hồ sơ người dùng có thé được xây dung từ các vector mô tả sản phẩm bằng cách kết hợp các vector mô tả các sản phẩm trong danh sách quan tâm của họ.

Phương pháp tối giản nhất dé có được hé sơ người dùng là tính theo trung bình các vector đặc trưng của các sản phẩm:

Trong đó N(u) là tập hợp các sản phẩm mà người dùng quan tâm, w; là trọng số thé hiện độ quan trọng cua item;

Khi có được UserltemProfile(u) bằng VIỆC SO sánh sự tương đồng giữa UserltemProfile(u) và vector ItemProfile(p) giúp xác định sản phẩm có liên quan đến sở thích người dùng không. s(u, p) = sim(UserItemProfile(u), ItemProfile(p))

Chi số tương đồng nay càng lớn thi độ vector càng giống nhau, nghĩa là san phâm càng gần với sở thích của người dùng.

Phương pháp khác dé xây dựng mộ hình người dùng xây dựng cho mỗi người dùng 1 hàm mất mát đại diện cho người dùng đó (sẽ được trình bày trong mục 1.2.2).

Ma trận tiện ích người dùng- sản phẩm . - 2-2 + ++x+zx£xezxezxezsez 11

Ma trận tiện ích người dùng — sản phẩm là ma trận biểu thị mức độ ưa thích của người dùng với một số sản phẩm Ma trận sẽ là dữ liệu phục vụ cho việc tìm ra mối liên hệ giữa những sản phẩm người dùng ưa thích và không thích Ma trận gồm 2 chiều, chiều người dùng và chiều sản phẩm, giá tri tại 1 ô trong ma trận là đánh giá đã có của người dùng cho sản phẩm đó Bên cạnh những giá trị đã điền là những ô trống, mà nhiệm vụ cần làm là phải dự đoán được mức độ ưa thích của người dùng với san phâm đó (dự đoán điểm đánh giá).

Ta sử dụng ví dụ về ma trận tiện ích sau: Có 4 người dùng (ul, u2, u3, u4) và 7 sản phẩm (A, B, C, D, E, F, G) với các đánh gia sẵn có của người dùng dành cho các sản phẩm (màu xanh).

Ma trận tiện ích ban đâu:

Gia sử có được 1 hàng ma trận tiện ích dự đoán được:

Giả sử ta dự đoán được đánh giá của người dùng ul với các sản phẩm A=> F như ma trận(màu cam), khi này, ta nên gợi ý các sản phẩm C, E cho người dùng vì có thé có đánh giá cao, và tránh gợi ý sản phẩm F, G cho người dùng ul.

Ưu điểm và nhược điểm của hệ thống gợi ý dựa theo nội dung

- Su độc lập dữ liệu người dùng, khả năng mở rộng: hệ thống có thê hoạt động chỉ dựa trên dữ liệu của từng người dùng, không cần dữ liệu về người dùng khác Đây là lợi thế khi có số lượng người dùng lớn.

Tính cá nhân hóa cao: mô hình có tính cá nhân hóa cao cho từng đối tượng riêng biệt do được xây dựng từ quá trình tương tác của bản thân người dùng. Độ bao phủ rộng: các sản phẩm mới vẫn có thé được gợi ý mà không cần có người mua hay đánh giá trước đó hay những sản phẩm mà số ít người quan tâm.

Tránh được vấn đề khi trang web mới xây dựng: chỉ cần riêng hoạt động của các nhân là đủ cho việc học được mô hình người dùng Trong hệ lọc cộng tác có SỐ lượng người dùng, tương tác chưa đủ thì những gợi ý có độ sai lệch cao.

Khả năng thay đổi: khi người dùng thay đổi sở thích, mô hình vẫn có thé phản ánh những thay đổi đó và đưa ra gợi ý phù hợp. Đảm bảo đữ liệu riêng tư: người dùng vẫn được đảm bảo quyền riêng tư khi không cần cung cấp những thông tin để xây dựng hồ sơ.

Hiệu quả của hệ thống ảnh hưởng lớn bởi các thông tin mô tả sản phẩm, lượng thông tin chỉ tiết, được xử lý chuyên môn sẽ quyết định đến chất lượng gợi ý.

Sự chuyên môn hóa quá cao: các gợi ý bị giới hạn do xây dựng dựa trên lịch sử sở thích của người dùng, khó mang lại được điểm mới lạ.

Thách thức trong xác định thuộc tính mô tả sản phâm: mỗi sản phẩm mới thêm vào hệ thống cần được gán các thuộc tính mô tả, phân loại Công việc gán nhãn cho các đối tượng đòi hỏi thời gian, chi phí và có thể khó khăn với các sản phẩm không mô tả trực tiếp qua từ ngữ (bài hát, phim, ).

Thiết kế hệ thống gợi ý c.cceccecscsssesseessesssessesssessesssessecssessesssessusssessssssessuessessuessessseess 13

Mô hình hệ thống 2 2© +E‡SES2E2E12E1211221221221717171 11211 Eere 13

| Xây dựng hồ sơ sản phẩm |

Xây dựng mô hình người dùng

| Dự đoán ma trận tiện ích người * dùng- sản phẩm

Sản phẩm gợi ý cho người dùng

Hình 3 1 Sơ đô quy trình hoạt động hệ thống gơi ý

Hệ thống gợi ý sử dụng dữ liệu đầu vào là thông tin sản phẩm, đánh giá của người dùng về các sản phâm Đầu ra là các sản phẩm gợi ý cho người dùng Dữ liệu về sản phẩm và dữ liệu đánh giá sẽ được sử dụng dé xây dựng hồ sơ sản pham mô hình người dùng Có được hé sơ sản phẩm và mô hình dự đoán đánh giá của người dùng, ta có thé tìm được ma trận điểm đánh giá dự đoán của người dùng cho các sản phâm và từ đó thực hiện gợi ý.

Xây dựng hồ sơ sản phẩm - ¿2£ ¿+ £+E£+EE+EE£EE+EEEEEEEEEEEEEErrkrrkrkerree 13 2.1.7 Xây dựng mô hình người dùng- hàm mat mát . 2-2 2z +: 15 2.3 Phương pháp đánh giá hệ thống gợi ý - 2 2 2+cs+E++EEeEEerkerkerkerrerreee 16 2.4 Kết luận chương . - ¿2S SE+EEEEEEEEEEEEE12112112112112111111 1111111111 re 18 CHƯƠNG 3: THU NGHIEM VÀ ĐÁNH GIÁ HỆ THONG GỢI Ý

Từ dữ liệu mô ta sản pham, ta sẽ xây dựng hồ sơ cho các sản phẩm, nói cách khác là xây dựng vector đặc trưng cho từng sản phẩm Như đã trình bày trong mục 1.1.1, các thông tin mô tả cho sản phẩm ở dang văn bản có thé được sử dụng dé xây dựng vector đặc trưng cho sản phẩm Trong đồ án này, ta sử dụng hệ số TF-IDF dé biéu diễn trọng số cho vector thuộc tính của sản phẩm. Đặc trungTF-IDF (Term Frequency — Inverse Document Frequency) là chỉ số có được bằng cách thống kê, thể hiện mức độ quan trọng của một từ trong một văn bản Độ

Nguyễn Huy Hùng - B17DCCN285 13 Đồ án tốt nghiệp Chương 2: Hệ thống gợi ý theo nội dung quan trọng của một từ sẽ tỉ lệ thuận với số lần xuất hiện của nó trong văn bản và tỷ lệ nghịch với số lần xuất hiện của nó trong các văn bản khác. ý tưởng:

- Một từ xuất hiện nhiều lần trong 1 văn bản thì nó có ý nghĩa quan trọng đối với văn bản đó, từ đó được gán trọng số cao.

- _ Một từ xuất hiện nhiều lần trong các văn bản thì ít có ý nghĩa trong việc phân biệt các văn bản với nhau, gan trọng số thấp cho nó. a TF (Term frequency)

TF (Tan suất xuất hiện của từ) là tan số xuất hiện của một từ, tần suất xuất hiện của từ càng nhiều thì từ đó càng có ý nghĩa quan trọng trong văn bản Do những từ dừng xuất hiện nhiều nên việc loại bỏ từ dừng trong bước tiền xử lí là cần thiết.

TF được tinh theo công thức:

- N(t,d) là số lần xuất hiện của từ d trong văn bản d.

- N(d) là tổng số từ trong văn bản d. b IDF (Inverse Document Frequency)

IDF là tan số nghịch của một từ trong văn ban, dùng dé ước lượng mức độ quan trọng của từ đó khi đại diện cho văn bản Khi tính tần số xuất hiện TF, các từ đều được coi là quan trọng như nhau Tuy nhiên, các từ xuất hiện giống nhau giữa các văn bản lại làm giảm tính đại diện của từ đó khi sử dụng dé phân biệt các văn ban Vì vay, ta sử dung IDF để giảm đi mức độ quan trọng của những từ đó:

- N(D) là tong số văn ban trong tập dit liệu

- N(t,D) là số lượng văn bản chứa từ t.

Dé xác định từ quan trọng, ta có công thức tính TF-IDF như sau:

Nguyễn Huy Hùng — B17DCCN285 14 Đồ án tốt nghiệp Chương 2: Hệ thống gợi ý theo nội dung

2.1.7 Xây dựng mô hình người dùng- hàm mat mát

Hàm mắt mát sẽ là khuôn mẫu sử dụng dé dự đoán ra các giá trị đánh giá cho các sản phẩm Sử dụng mô hình tuyến tính là một cách xây dựng hàm mắt mát đại diện cho người dùng.

- Ma trận vector đặc trưng của M sản phẩm Xx.

- Ma trận tiện ich Y (kích thước M sản phẩm x N người dùng), ô y„„ tại cột n, hàng m là đánh giá của người dùng thứ n cho sản phẩm m.

- _ Ma trận R (kích thước M x N) là ma trận biéu thị người dùng đã đánh giá sản phẩm hay chưa, y„„ # ỉ thỡ z„„ = 1, nếu khụng 7„„ = 0.

Xét người dùng n, mức độ quan tâm của người dùng đó với sản phẩm m có thể tính theo hàm tuyến tính y„„ = „.W„ + by Trong đó

- # là vector hàng mô tả đặc trưng sản phẩm

- Wy, là vector cột mô tả trọng 86

Dữ liệu đầu vào Xm, „„ được xem là cố định, nhiệm vụ của ta là tính toán hệ số của vector

Ww, sao cho mô hình đạt sai số nhỏ nhất.

Nếu ta coi training set là tập hợp các thành phan đã được điền của y, , ta có thé xây dựng hàm mat mát cho người dùng n ở dạng hồi quy tuyến tính như sau:

Ly = 2 ằ (Xm.Wn + Dạ — mm 3 1

Trong hàm mat mát trên, Àmrmns(Xm-Wn + Dn — Yn )? chính là tong bình phương phan dư (sai số bình phương)

Khi chuyển sang dạng hồi quy Ridge, thành phan tiêu chuẩn (thành phần phạt) slIwal 3 được thêm vào nhằm điều chỉnh quá trình học của mô hình hồi quy, giảm thiêu tinh trạng quá khớp (overfitting) cua mô hình.

1 2 A 2 ln = 5 ằ (X%m:Wn + Dn — Vinn ) + sllwallụ

Nguyễn Huy Hùng — B17DCCN285 15 Đồ án tốt nghiệp Chương 2: Hệ thống gợi ý theo nội dung

Bài toán khi này trở thành tối ưu song song 2 thành phan, tổng bình phương phan du và thành phan tiêu chuẩn [10] Giá trị A có tác dụng điều chỉnh mức tác động của thành phan tiêu chuẩn lên hàm mắt mát.

- Â = 0: thành phan tiêu chuẩn suy giảm, mô hình quay về dạng hồi quy tuyến tính

- A nhỏ: vai trò của thành phần điều chuẩn trở nên ít quan trọng Mức độ kiểm soát quá khớp của mô hình sẽ trở nên kém hơn.

- A lớn: gia tăng tác động của thành phan tiêu chuản lên độ lớn của các hệ số ước lượng và qua đó giảm bớt hiện tượng quá khớp Tuy nhiên, giá trị Â cao có thê làm giảm độ chi tiết của mô hình, khiến mô hình trở lên đơn giản và không bao quát được hành vi người dùng.

Trong thực tế, ta sử dụng hàm mat mát sai số toàn phương trung bình MSE dé biểu diễn mô hình, khi đó, hàm mà mát cho người dùng n được viết lại:

Ln = FD) Cina + Bu — Yn P+ Foal 2 A Sn

Trong đó s, là số lượng san pham mà người dùng n đã đánh giá, tức bằng tổng cột thứ n trong ma trận đánh giá R.

Cặp nghiệm w„ và b„ có thể được giải theo phương pháp Stochastic Gradient Descent

(SGD), hoặc Mini-batch GD.

Khi tính được hệ số w„ và b„, dự đoán của người dùng n cho sản pham m theo công thức:

Hàm mất mát của người dùng sẽ được sử dụng để tính toán ra ma trận tiện ích, dự đoán đánh giá của người dùng cho các sản phẩm Hệ thống gợi ý sẽ lựa chọn các sản phẩm có dự điểm đánh giá dự đoán cao dé gợi ý tới người dùng.

2.3 Phương pháp đánh giá hệ thống gợi ý

Khi đánh giá hệ thống gợi ý, có 2 tiêu chí có thê sử dụng gồm: tiêu chí định lượng và tiêu chí định tính Các tiêu chí định lượng dùng cho việc đánh giá số lượng các gợi ý liên quan, chúng tương ứng với độ chính xác của các gợi ý Tiêu chí định tính được sử dụng để đánh giá chung về chất lượng của các gợi ý. a) Tiêu chí định lượng:

Việc đánh giá tính chính xác của dự đoán có thê sử dụng sai số bình phương trung bình (MSE — Mean Square Error), căn của sai số bình phương trung bình (RMSE — Root Mean Square Error), sai số tuyệt đối trung bình (MAE — Mean Absolute Error) Tính chính xác

Nguyễn Huy Hùng - B17DCCN285 16 Đồ án tốt nghiệp Chương 2: Hệ thống gợi ý theo nội dung của các dự đoán do trên sô lượng n quan sat Trong đó 7; là giá trị dự đoán của mục i và 7%; là giá tri thực tê của mục i

Các chi số đánh giá này phù hợp khi dữ liệu đánh giá là số và không phải đữ liệu nhị phân.

Chuẩn bị dữ liệu 2¿- 2£ ©2++EE+2E++EEtEEEEEEEEEEEEEEEEEEEEEEEEEErrEkerkrrrkerkrerrrrei 19 3.2 COng u00 2001 -

Xây dựng biéu đồ ca sử dụng và kịch bản cho các ca sử dụng

| le meee ee eee ee ' '

28 t cua trang web ban hang ong qua

Hình 4 2 Biểu đô ca sử dung tt

Nguyễn Huy Hùng — B17DCCN285 Đồ án tốt nghiệp Chương 4: Xây dựng trang web bán hàng online

Kịch bản một sô ca sử dụng:

Chức năng tìm kiêm sản phẩm

Tên UC Tìm kiêm sản phâm

Tác nhân chính Khách hàng

Tiên điêu kiện Người dùng vào được trang web

Hậu điêu kiện Sản phẩm tương ứng với yêu cầu của khách hàng được tìm thấy

Chuỗi sự kiện chính tìm kiếm. của người dùng bam loc va hién thi.

1 Người dùng ở trang chủ, người dùng nhập tên mặt hàng vào 6 tim kiếm Bam

2 Hệ thống chuyền đến trang kết quả tìm kiếm, hiển thị sản phẩm chứa từ khóa

3 Người dùng lựa chọn các điều kiện lọc sản phẩm: theo giá, theo đánh giá và

4 Hệ thống lọc ra những sản phẩm phù hợp với từ khóa tìm kiếm và điều kiện lọc

Chức năng thêm sản phẩm vào giỏ hàng

Tên UC Thêm sản phẩm vào giỏ hàng

Tiên điêu kiện Khách hàng đã đăng nhập hệ thống, đang ở giao diện duyệt sản pham.

Hậu điêu kiện Sản phâm được thêm vào giỏ hàng thành công

Chuỗi sự kiện chính vào giỏ”

1 Tại giao diện hiện duyệt sản phẩm, người dùng bam xem một sản phẩm

2 Hệ thống hiển thị thông tin chỉ tiết về sản phẩm đó

3 Khách hàng điều chỉnh lại số lượng sản phẩm muốn mua và bam “Thêm

4 Biểu tượng số lượng sản phẩm trong giỏ hang ở góc trên tăng được cộng thêm 1 và thông báo thêm sản phẩm thành công.

Nguyễn Huy Hùng - B17DCCN285 29 Đồ án tốt nghiệp Chương 4: Xây dựng trang web bán hàng online

Tac nhân chính Khách hàng

VÀO HÀ den Khách hàng đã đăng nhập vào hệ thống, có sản phẩm trong

Hau diéu kién Don hàng đặt thành công

1 Tại giao diện hiện tại, bam vào biểu tượng giỏ hàng.

2 Hệ thống hiển thị các sản phẩm đã được thêm vào giỏ hàng, kèm với số lượng và tổng giá hiện tại, kèm với một nút đặt hàng ở cuối trang

3 Khách hàng bam vào nút đặt hàng

4 Giao diện đặt hàng hiện ra, gồm có thông tin về họ tên, số điện thoại, email, dia chỉ chi tiét, ghi chú, thông tin về hình thức thanh toán.

5 Khách hàng điền đầy đủ các thông tin trên và bắm đặt hàng (các thông tin về họ tên, số điện thoại, email Hệ thống lấy tự động từ dữ liệu khách hàng nếu có)

6 Hệ thống chuyền đến giao diện đặt hàng thành công

5.1 Khách hàng điền không đầy đủ thông tin

5.1.1 Hệ thống hiện thông báo yêu cầu khách hàng điền đầy đủ thông tin 5.1.2 Khách hàng điền đầy đủ thông tin và bam đặt hàng

5.2 Khách hàng điền thông tin thanh toán không hợp lệ

5.2.1 Hệ thống thông báo thông tin thanh toán không hợp lệ 5.2.2 Khách hàng nhập lại thông tin và bam nút thanh toán.

Nguyễn Huy Hùng - B17DCCN285 Đồ án tốt nghiệp Chương 4: Xây dựng trang web bán hàng online

Chức năng đánh giá sản phẩm

Tên UC Bình luận sản phẩm

Tac nhân chính Khách hàng

Tiền điều kiện — hàng đã đăng nhập vào hệ thống và đã từng mua àng

Hậu điều kiện Bình luận của khách hàng được hiền thị.

Khách hàng bam vào “Cá nhân”, chọn “Sản phẩm đã mua”.

Hệ thống hién thị danh sách sản phẩm đã mua Người dùng bam “Đánh giá” tại san phâm muốn đánh giá

Hệ thống hiền thi 6 nhập đánh giá sản phẩm Khách hàng nhập nội dung đánh giá và mức độ hài lòng rồi bắm “Gửi”. ma ® 9 NY > Hệ thống thông báo đăng bình luận thành công.

Nguyễn Huy Hùng - B17DCCN285 31 eằ oN

D Chương 4: Xây dựng trang web ban hang online

Biểu đồ tuần tự 2¿©2+22+2Cx2 222 2221221211211 crrrrei 32

Biểu đồ tuần tự cho một số ca sử dụng chính

Chức năng thêm sản phẩm vào giỏ hàng

Khachhang x -@re:re @ @ Homepage SearchProduct ProdeutDetall weestore productviews _® @ @ @ @Proguct RelateProauct

1: Bấm xem ch tiết sản phẩm

3 Bắm xem ch tiết sin phẩn i 4: getProductDetal(proauct_ slug Ị t i i i

5 Bm xem chi iết sản phẫm

24: Hiễn thị thông tn chỉ tết sản phẩm, các sn phẩm liên ản phar anh giá về sản phẩm. quan, sản phẩm gợi ý, các dann giá về sản pl 23: product, rẻaledProducSi] recommendProdurts|],ratings]

Chức năng đặt hàng x khachiang

7: Hiễn thị danh sách sàn phẩm

17: Hiển thị danh sách sản phẩm thông tin người ding

18: Nhập thông tin giao hang, thông tin thanh toán, bấm "Thanh toán"

27: Thông bảo thông tin thanh toán không hợp lệ

37: Hiễn trị thông báo thành công thất bai

36: showMessage() Hình 4 4 Biểu đô tuân tự chức năng đặt hàng ,ÔỎ.

Chức năng tìm kiếm sản phẩm

1: Nhập tử khóa tìm kiếm, bấm tim liếm ơ search-product productviews

T- Chon điều kiện lọc sn phẩm, bam lọc.

, filerCondition) Đồ án tốt nghiệp Chương 4: Xây dựng trang web bán hàng online

Chức năng đánh giá sản phẩm

1: Tìm mục "Ca nhân", chon "Sản ' i phẩm đã mua" alt, i i

4 Người dùng nhạp tên | 2 isAuthenticated()=se dang nhap va tai khoan 3: toLoginPage() i

12 orderitems} | bam đánh giá, sau khi nhập đánh giá thì bam gửi i

15: Thông báo đánh giá không hợp lê

22: Thông bảo danh giá thành công/ thất bai

Hình 4 6 Biểu đô tuần tự chức nang đánh giá san phẩm

4.2.4 Xây dựng biểu đồ lớp phân tích a Xác định các lop thực thé

Dựa theo mô tả chức năng và các ca sử dụng, ta xác định được các lớp thực thé chính cần quản lý:

- User: người dùng, chứa thông tin tài khoản hệ thống của nhân viên hoặc khách hàng, phục vụ chức năng quản lí và đăng nhập.

- Product: sản phẩm, chứa thông tin sản phẩm phục vụ chức năng chỉnh của trang web là bán hàng.

- Customer: khách hàng, chứa thông tin của khách hàng là người mua hàng trên trang web.

- Order: đơn hàng, chưa thông tin về don đặt hàng của khách hàng.

- ShippingInfo: thông tin vận chuyên, quan lí thông tin vận chuyên của đơn hàng.

- PaymentInfo: thông tin thanh toán, quán lí thông tin thanh toán cho các đơn hàng.

- Rating: đánh giá, chưa thông tin về đánh giá của khách hang cho các sản phẩm.

Bên cạnh lớp chính, hệ thống còn có một số lớp phụ dé thực hiện chức năng tiện ích;

- MessageThread, Message: lớp hội thoại và tin nhắn, sử dụng dé quản lí tin nhắn trao đôi giữa nhân viên và khách hàng.

- Vote: bình chọn, điểm mà khách hàng bình chon cho những đánh giá của người dùng khác.

- ViewProduct: sản phẩm đã xem

- LikedProduct: sản pham đã thích

- RecommendProduct: sản phẩm được gợi ý cho người dùng

- ProductStatistic: thông tin thống kê của các mặt hàng paymentin fo shippinglnfo custontert 1 order

Hình 4 7 Biểu đô lớp phan tích hệ thong

Thiết kế hệ thống -¿- 2 2+SE+EEEEE£EEEEEEEE12112112112112121171 711111 xe 35 4.3 Tích hợp hệ thống gợi ý vào trang web bán hàng . -2- 5+ 5c ©cccccxczcez 39

Nguyễn Huy Hùng - B17DCCN285 35 Đồ án tốt nghiệp Chương 4: Xây dựng trang web bán hàng online paymảntlnfo

Hình 4 8 Biểu do lớp thiết kế hệ thống

Nguyễn Huy Hùng - B17DCCN285 36 Đồ án tốt nghiệp Chương 4: Xây dựng trang web bán hàng online b — Biểu đồ gói hệ thống

Hệ thống được xây dựng sử dung django theo mô hình MVT với django rest framework, không sử dụng T (template) dé hiện thị trực tiếp dữ liêu mà thông qua API view dé trả về dir liệu.

Nguyễn Huy Hùng - B17DCCN285 37 Đồ án tốt nghiệp Chương 4: Xây dựng trang web bán hàng online c Lược đô cơ sở dữ liệu paymentinfo eo) ishippinginfo

Nguyễn Huy Hùng — B17DCCN285 38 Đồ án tốt nghiệp Chương 4: Xây dựng trang web bán hàng online

4.3 Tích hợp hệ thống gợi ý vào trang web bán hàng.

Mô hình tích hợp hệ thống gợi ý vào trang web . ¿ ¿©cs+ccscee- 39

Trong hoạt động bán hàng online, hệ thống gợi ý có thé được áp dụng dé đưa các sản pham phù hợp đến với người mua hàng Hoạt động gợi ý có thé dé dang thực hiện nhất khi người dùng truy cập trang web dé duyệt sản phẩm Hệ thống gợi ý khi này được sử dung dé đưa các sản phẩm theo hồ sơ người dùng có sẵn hoặc tương tự sản phẩm người dùng đang duyệt.

- Hệ thống gợi ý sẽ không tham gia trực tiếp vào quá trình hoạt động của website, thay vì đó, hệ thống gợi ý sẽ dựa trên mô hình người dùng và dit liệu sản phâm dé xây dựng dữ liệu gợi ý.

- Trang web sẽ là nơi hiển thị những gợi ý tới người dùng.

- _ Người dùng thông qua việc tương tác với sản phẩm trên trang web (mua, yêu thích, đánh giá) sẽ trở thành đầu vào cung cap dit liệu dé xây dựng hồ sơ người dùng.

Dữ liệu Hiên thị gợi ý ù Tuong tac / pitigutuong

Hình 4 11 Sơ đồ tương tác trong hệ thống trang web và gợi ý

Khi khách hàng truy cập trang web, hệ thống có nhiều hình thức để đưa sản phẩm gợi ý cho người dùng:

Dựa theo hành động của người dùng: khi người dùng duyệt sản phẩm, hệ thống sẽ hiển thị các sản phẩm gợi ý cùng với sản phẩm người dùng duyệt Khi người dùng xem chỉ tiết sản phâm, hệ thống có thé hiên thị sản phâm tương tự cho người dùng hay ngay cả khi người dùng đang xem giỏ hàng, chuẩn bị thanh toán thì những sản phẩm gợi ý đều có thé được hiển thị với mục đích thu hút người dùng, mua thêm sản phẩm.

Dựa theo cách thức gợi ý: bên cạnh cách hiển thị sản phẩm gợi ý kèm theo sản phẩm người dùng duyệt, hệ thống có thé có cách thức khác dé gợi ý sản phẩm như: hiển thị thông báo thu hút chú ý người dùng, và đề xuất gợi y trong thông báo đó hay có thể khuyến khích khách hàng đăng ký nhận thông tin sản phẩm qua email.

4.3.2 Vấn đề có thể gặp phải trên hệ thống tích hợp

Hoạt động của hệ thống gợi ý trên trang web phụ thuộc vào nhiều thành phần, những thành phần có ảnh hưởng trực tiếp là người dùng và chính hệ thống trang web.

Phụ thuộc vào kiểu người dùng truy cập trang web:

Người dùng mới, khách vãng lai: chưa có đữ liệu tương tác với sản phẩm, chưa xây dựng được hồ sơ người dùng Khi này hệ thống gợi ý theo nội dung chưa thê hoạt động vì đòi hỏi cần có dữ liệu hành vi người dùng làm cơ sở.

Người dùng cũ: hồ sơ người dùng khi này chứa những sản phẩm đã mua, đã xem hoặc yêu thích để làm cơ sở cho hoạt động của hệ thống gợi ý. Đối với người dùng mới, do chưa có dit liệu tương tác, hệ thống chỉ có thê thực hiện gợi ý các sản phâm được bán chạy, sản phẩm mới hay những sản phẩm được nhiều người quan tâm Những người dùng cũ, hệ thống gợi ý sẽ đưa ra những sản phẩm theo dit liệu đã xây dựng của người dùng.

Phụ thuộc vào lượng tương tác trên hệ thống:

Hệ thống mới, hệ thống có ít tương tac: đữ liệu có được chưa đủ dé xây dựng hồ sơ người dùng, vấn đề gặp phải tương tự như khi người dùng mới, khách vãng lai truy cập.

Hệ thống có lượng tương tác cao: người dùng cung cấp đủ dữ liệu cho hệ thống gợi ý hoạt động bình thường.

4.3.3 Thi nghiệm hoạt động trang web

Một số giao diện hoạt động chính trên trang web:

- _ G1Iao diện duyệt trang chủ

DANH MỤC SAN PHẨM SẲN PHẨM MỚI

2T8 Red 5400 rpm SATA I 35 Acoustimass 6 Series V Home Air-fi Runaway AF32 Stereo Boytone -2500W 2.1-Ch Corsa Vengeance LPX 1668 Internal NAS HOD Theater Speaker System Bluetooth Wireless Home Theater System - Black (2x8GB) DDR4 DRAM 3000MHE

(Black) Headphones with Hidden Diamond C15 Desktop Memory Kit-

Hinh 4 12 Giao dién trang chu web

- Giao diện xem chi tiệt sản phâm

@ Xin chào, © Gid hang hungangel

Mã SP: B008JJLZ7G | Đánh giá: wee wwe (5) Đã bán: 1 | Lượt xem: 1 Giao tới Địa chi: Hà Nội, Phường Văn Quán,

2TB Red 5400 rpm SATA III 3.5 Internal NAS HDD Quận Hà Đông, Hà Nội

Nhà sản xuất 'Western Digital

MÔ TẢ SAN PHẨM: Được thiết kế đặc biệt để sử dung trong các hệ thống NAS tối đa 8 khay Hỗ trợ tốc độ tải công việc lên tới 180 TRL năm Hệ thống NAS phù hợp cho văn phòng nhỏ và sử dụng tại nhà liên tục 24/7

Hình 4 13 Giao diện chỉ tiết sản phẩm

Sản phẩm Đơn giá Số lượng Thành tiền

Air-Fi Runaway AF32 Stereo Bluetooth Wireless Headphones with 1078000 1 1078000 Hidden Microphone (Black and Red)

Nguyễn Văn A nvana@gmail.com

Dia chi SDT sô 19, đường X, quan Y, thành phố Z 0123456654 visa 4242 4242 4242 4242 04/24 CVC

Hinh 4 14 Giao dién dat hang

Giao diện kết quả tích hợp hệ thống gợi ý:

- Gợi ý cho người dùng khi duyệt trang chủ

*##w*##(12) | Đã bán(15) wee (12) | Đã bán(15) '® ###*#(12) | Đã bán(15) '# # # (12) | Đã bán(15)

Motorola Wi-Fi Pet Video NS-SP1800BL 5.1-Channel Outdoor Tech Buckshot Pro Peerless - Round Ceiling Plate Samsung - 850 PRO 512GB.

Camera Home Theater System (Black) Bluetooth Speaker for Most Peerless-AV Projector Internal SATA III Solid State

Mounts - Black Drive for Laptops

Hình 4 15 Gợi y cho người dùng trên trang chủ

- Gợi ý cho người dùng khi xem chỉ tiết 1 sản phẩm

SAN PHẨM TƯƠNG TỰ ew we (12) | Đã bán(15) '*#w*##*(12) | Đã bán(15: wee 12) | Đã bán(15)

Samsung - 850 PRO 512GB Corsair Vengeance LPX 16GB Transcend - JetDrive 420 Internal SATA III Solid State (2x8GB) DDR4 DRAM 3000MHz 480GB Internal Serial ATA III Drive for Laptops C15 Desktop Memory Kit- Solid State Drive for Select

Hình 4 16 Gợi ý khi xem chi tiết sản phẩm

Trong chương 4, đồ án đã cung cấp những thông tin về công nghệ sử dụng khi xây dựng trang web, trình bày về hệ thống trang web bán hàng thông qua việc phân tích các chức năng, ca sử dụng, thiết kế hệ thống, trình bày mô hình tích hợp hệ thống gợi ý vào trang web Một số giao diện kết quả thử nghiệm tích hợp hệ thống gợi ý và trang web bán hàng cho thấy hệ thống khả năng hoạt động của hệ thống.

Nguyễn Huy Hùng - B17DCCN285 43 Đồ án tốt nghiệp đại học Kết luận

Việc xây dựng và sử dụng hệ thống gợi ý trong các lĩnh vực là vấn đề đã có mặt, được nghiên cứu từ lâu Bởi vai trò và ảnh hưởng của nó tới các lĩnh vực đặc biệt là thương mai điện tử là rất lớn Hệ thống gợi ý cho phép người dùng có cơ hội đạt được trải nghiệm được cá nhân hóa trên internet và giảm thiểu sự quá tải thông tin khi người dùng thực hiện tìm kiếm Trong đồ án này, thông qua việc nghiên cứu trên chủ đề gợi ý sản phẩm trên trang web bán hàng, đồ án đề xuất sử dụng hướng tiếp cận dựa trên nội dung để xây dựng hệ thống gợi ý, thực hiện xây dựng mô hình hệ thống va sử dụng độ đo định lượng dé đánh giá hệ thống, từ đó đưa ra đề xuất về hướng cải thiện Việc nghiên cứu và xây dựng hệ gợi ý theo phương pháp truyền thống này là cơ sở đề cho những cải thiện và hướng nghiên cứu mới sau này. Đồ án đã đạt được một số kết quả như:

- _ Trình bày và cung cấp thông tin về hệ thống gợi ý trong hoạt động thương mại điện tử, các hướng tiếp cận khi xây dựng hệ thống gợi ý.

- _ Đem đến kiến thức cụ thé hơn về hệ thống gợi ý dựa trên nội dung, các thành phần của hệ thống và phương pháp xây dựng từng thành phần.

- Qua các phan, lần lượt giúp trả lời những câu hỏi được đặt ra trong chương 1 khi xây dựng hệ thống gợi ý.

- _ Thông qua việc thử nghiệm hệ thống gợi ý trên bộ dit liệu sản phẩm thực tế dé có được đánh giá về hệ thông được xây dựng và đưa ra nhận xét, hướng giải quyết vấn đề tồn tại.

- _ Cuối cùng, đồ án cũng xây dựng sản phẩm trang web bán hang online đơn giản và tích hợp thành công hệ thống gợi ý.

Tuy nhiên, trong khi thực hiện, đồ án vẫn còn tồn tại những hạn chế:

- Luong thông tin cung cấp khi tìm hiểu về hệ thống gợi ý chưa thực sự mới nhất và chưa bao quát được lượng kiến thức chuyên môn.

- Hé thống gợi ý xây dựng được vẫn còn thiếu sót, dé áp dụng vào môi trường thương mại thực tế thì còn đòi hỏi nhiều cải thiện.

- _ Sản phẩm trang web bán hàng cũng chưa đủ các chức năng phục vụ nhu cầu thực tế của hoạt động mua- bán hàng online.

Về hướng phát triển của đồ án:

Kết luận Chuong ocececccccccccsessscssessessecscssessessessessvcsvcsucsucsucseessesaessessessesavessease 43 40000007 aaA