hỗ trợ lựa chọn sản phẩm

1.2 Đánh giá trực tuyến Trước thời kỳ phát triển của internet, khi muốn biết về chất lượng của một sản phẩm, chúng ta sẽ phải tìm những người đã từng sử dụng sản phẩm đó với hy vọng rằng

Trang 1

HỖ TRỢ LỰA CHỌN SẢN PHẨM

Sinh viên : Phạm Trung Kiên Mã sinh viên : B17DCCN359

Lớp : D17CNPM5 Khoá học : 2017-2022

GV hướng dẫn : PGS.TS Nguyễn Mạnh Hùng

Hà Nội 2021

602410062:35:41 PM2:35:41 PM602410062:35:41 PM2:35:41 PM602410062:35:41 PM2:35:41 PM

Ho Tro Lua Chon San PhamHo Tro Lua Chon San PhamHo Tro Lua Chon San PhamHo Tro Lua Chon San Pham

Ho Tro Lua Chon San PhamHo Tro Lua Chon San PhamHo Tro Lua Chon San PhamHo Tro Lua Chon San PhamHo Tro Lua Chon San PhamHo Tro Lua Chon San PhamHo Tro Lua Chon San PhamHo Tro Lua Chon San Pham

60Monday, June 10, 20242:35:41 PM2:35:41 PM60Monday, June 10, 20242:35:41 PM2:35:41 PM60Monday, June 10, 20242:35:41 PM2:35:41 PMHo Tro Lua Chon San PhamHo Tro Lua Chon San PhamHo Tro Lua Chon San PhamHo Tro Lua Chon San Pham

Ho Tro Lua Chon San PhamHo Tro Lua Chon San PhamHo Tro Lua Chon San PhamHo Tro Lua Chon San PhamHo Tro Lua Chon San PhamHo Tro Lua Chon San PhamHo Tro Lua Chon San PhamHo Tro Lua Chon San PhamHo Tro Lua Chon San PhamHo Tro Lua Chon San PhamHo Tro Lua Chon San PhamHo Tro Lua Chon San Pham

60Monday, June 10, 20242:35:43 PM2:35:43 PM60Monday, June 10, 20242:35:43 PM2:35:43 PM60Monday, June 10, 20242:35:43 PM2:35:43 PM

60Ho Tro Lua Chon San PhamMonday, June 10, 2024

Trang 2

HỖ TRỢ LỰA CHỌN SẢN PHẨM THEO PHẢN HỒI CỦA NGƯỜI DÙNG

Sinh viên : Phạm Trung Kiên Mã sinh viên : B17DCCN359

Lớp : D17CNPM5 Khoá học : 2017-2022

GV hướng dẫn : PGS.TS Nguyễn Mạnh Hùng

Hà Nội 2021

Ho Tro Lua Chon San PhamHo Tro Lua Chon San PhamHo Tro Lua Chon San PhamHo Tro Lua Chon San Pham602410062:35:41 PM2:35:41 PM602410062:35:41 PM2:35:41 PM602410062:35:41 PM2:35:41 PM

Trang 3

1.2.1 Lịch sử của Đánh giá trực tuyến 5

1.2.2 Ảnh hưởng của Đánh giá trực tuyến đến khách hàng 7

1.3 Đánh giá trực tuyến hiện nay 9

1.4 Mục tiêu và tổng quan hệ thống 15

1.4.1 Mục tiêu của hệ thống 16

1.4.2 Tổng quan hệ thống 16

1.5 Kết luận 17

Chương 2: Thuật toán suy giảm độ dốc ngẫu nhiên SGD 18

2.1 Ý tưởng của thuật toán 18

2.2 Thuật toán Suy giảm độ dốc (Gradient Descent) 19

2.3 Nesterov accelerated gradient (NAG) 23

2.4 Suy giảm độ dốc ngẫu nhiên SGD 25

Trang 4

Trang 5

DANH MỤC CÁC KÝ HIỆU VÀ TỪ VIẾT TẮT

AI - Artificial Intelligence Trí tuệ nhân tạo

SMM - Social Media Monitoring Giám sát phương tiện truyền thông GD - Gradient Descent Thuật toán Suy giảm độ dốc

SGD - Stochastic Gradient Descent Thuật toán Suy giảm độ dốc ngẫu nhiên SVM - Support Vector Machine Máy vectơ hỗ trợ

API - Application Programming Interface Giao diện lập trình ứng dụng

123docz.net - File bi loi xin lienhe: lethikim34079@hotmail.com Ho Tro Lua Chon San PhamHo Tro Lua Chon San PhamHo Tro Lua Chon San PhamHo Tro Lua Chon San Pham602410062:35:41 PM2:35:41 PM602410062:35:41 PM2:35:41 PM602410062:35:41 PM2:35:41 PM

Trang 6

DANH MỤC HÌNH ẢNH

Hình 1.1 Các danh mục sản phẩm của Shopee [15] 3

Hình 1.2 Các danh mục sản phẩm của Tiki [18] 4

Hình 1.3 Một số chương trình khuyến mại của Lazada [11] 4

Hình 1.4 Đánh giá sản phẩm trên Shopee [15] 7

Hình 1.5 Giao diện đánh giá sản phẩm của Shopee [15] 9

Hình 1.6 Đánh giá trên Shopee [15] 10

Hình 1.7 Đánh giá trên Tiki [18] 10

Hình 1.8 Tương tác với đánh giá của người dùng khác [9] 11

Hình 1.9 Tương tác thông qua đánh giá giữa người bán và người mua [15] 11

Hình 1.10 Đánh giá không chứa nhiều thông tin [15] 12

Hình 1.11 Đánh giá spam của người dùng [15] 13

Hình 1.12 Chức năng so sánh sản phẩm của FPT Shop [9] 13

Hình 1.13 So sánh sản phẩm trên sàn thương mại điện tử eBay [7] 14

Hình 1.14 So sánh thuộc tính sản phẩm của FPT Shop [9] 15

Hình 2.1 Minh hoạ sương mù trên núi [10] 18

Hình 2.2 Ví dụ điểm cực tiểu của hàm 1 biến [12] 19

Hình 2.3 Hình minh họa về Suy giảm độ dốc trên một loạt các cấp độ [15] 21

Hình 2.4 Minh hoạ thuật toán GD dưới góc nhìn vật lý [12] 22

Hình 2.5 Ý tưởng của Nesterov accelerated gradient [12] 24

Hình 2.6 So sánh đường đi của 2 phương pháp 24

Hình 2.7 Đường đi của nghiệm với SGD 26

Hình 2.8 So sánh đường đi giữa SGD và GD [19] 26

Hình 3.1 Các đánh giá tích cực [15] 28

Hình 3.2 Các đánh giá tiêu cực [15] 29

Hình 3.3 Một số đánh giá cần được chuẩn hoá 31

Hình 3.4 Mô hình thể hiện FN, TP, TN, FP [6] 35

Hình 4.1 Hoạt động của hệ thống khi người dùng xem sản phẩm 38

Hình 4.2 Tổng quan hoạt động của hệ thống khi người dùng gửi đánh giá 39

Hình 4.3 Tổng quan cấu trúc của ứng dụng 40

Hình 4.4 Mô tả hoạt động của API 43

Hình 4.5 Giao diện trang thông tin sản phẩm (1) 44

Hình 4.6 Giao diện trang thông tin sản phẩm (2) 45

Hình 4.7 Giao diện trang thông tin sản phẩm - So sánh với sản phẩm khác 45

Hình 4.8 Giao diện so sánh sản phẩm (1) 46

Hình 4.9 Hiển thị độ chênh lệch giữa đặc tính 47

Hình 4.10 Giao diện chính của trang quản lý 47

Hình 4.11 Giao diện thêm đánh giá sản phẩm 47

Hình 4.12 Trang quản lý đánh giá 48 123docz.net - File bi loi xin lienhe: lethikim34079@hotmail.com Ho Tro Lua Chon San PhamHo Tro Lua Chon San PhamHo Tro Lua Chon San PhamHo Tro Lua Chon San Pham602410062:35:41 PM2:35:41 PM602410062:35:41 PM2:35:41 PM602410062:35:41 PM2:35:41 PM

Trang 7

DANH MỤC BẢNG BIỂU

Bảng 3.1 Danh sách một số đánh giá sau khi thu thập 30

Bảng 3.4 Thuộc tính tập dữ liệu Đánh giá trực tuyến 33

Trang 8

MỞ ĐẦU

Trong thời đại công nghệ số, hầu như mọi công việc phục vụ cho cuộc sống đều được số hoá: Khám phá du lịch từ xa với công nghệ VR, học tập trực tuyến, gặp gỡ bạn bè, chơi thể thao, và mua sắm cũng không phải là ngoại lệ

Đặc biệt trong 2 năm vừa qua, do tình hình phức tạp của dịch bệnh, mọi người phải hạn chế tiếp xúc trực tiếp và ở nhà nhiều hơn, điều đó đã tạo điều kiện cho mua sắm trực tuyến phát triển nhanh chóng Gần như toàn bộ mặt hàng, từ quần áo, trang sức, đồ điện tử, cho đến thực phẩm hàng ngày như thịt, cá, trứng, sữa, tất cả đều có thể giao dịch, mua bán trên các sàn thương mại điện tử

Trong quý I năm 2020, bất chấp khủng hoảng do dịch bệnh, doanh thu của Shopee tăng 111% so với cùng kỳ năm trước (theo Vietnambiz) Điều đó đủ chứng minh cho sự phát triển của mua sắm trực tuyến trong thời điểm hiện tại

Một phần lý do của sự thành công đó, là do các sàn thương mại điện tử có các chiến lược quảng bá và tiếp cận người dùng hợp lý Dường như các sàn thương mại điện tử luôn có cách để “biết” người dùng của mình cần gì, muốn mua gì, và từ đó tiếp thị đến họ những sản phẩm phù hợp

Và thật vậy, các sàn thương mại điện tử đã luôn âm thầm gián tiếp sử dụng dữ liệu của người dùng để từ đó có thể tiếp cận với người dùng 1 cách hợp lý Khi bạn tìm kiếm một sản phẩm trên Google hay Facebook, chỉ cần không tới 5 phút sau, bạn sẽ thấy quảng cáo liên quan đến sản phẩm đó trên mạng xã hội hoặc trên các trang báo điện tử mà bạn theo dõi Hoặc đáng sợ hơn, quảng cáo về sản phẩm hiện lên trên trang mạng xã hội của bạn ngay sau khi bạn bàn luận về sản phẩm đó với mọi người xung quanh

Các doanh nghiệp hay các sàn thương mại điện tử luôn có cách sử dụng dữ liệu của người dùng để tiếp cận họ Vậy từ phía người tiêu dùng, làm thế nào để chúng ta có thể lựa chọn các sản phẩm có chất lượng tốt từ hàng trăm hàng nghìn quảng cáo hàng ngày như vậy?

Hiện nay, các sàn thương mại điện tử đã cung cấp chức năng đánh giá sản phẩm, người dùng có thể dựa vào đó để ra quyết định mua hàng Tuy nhiên, người tiêu dùng sẽ gặp khó khăn để có thể chắt lọc thông tin từ tất cả những bình luận, đánh giá trên các nền tảng đó Chưa kể đến sự khác biệt giữa các sàn thương mại điện tử, có nơi bán giá cao, được nhiều người đánh giá tốt, có nơi bán giá rẻ hơn nhưng lại bị đánh giá kém Người dùng khi muốn mua một sản phẩm sẽ bị “ngập” trước lượng thông tin phải xử lý để có thể đưa ra quyết định mua hàng cuối cùng

Xuất phát từ mục đích tạo ra một hệ thống giúp người dùng có thể biết được chất

lượng của sản phẩm ngay khi bấm vào nó, đồ án sẽ trình bày đề tài “Hỗ trợ lựa chọn sản phẩm theo phản hồi của người dùng”

Trang 9

Nội dung của đồ án bao gồm 4 phần:

Chương 1: Đặt vấn đề Chương 1 sẽ trình bày về cách mà đánh giá của người

dùng về sản phẩm được sử dụng Người dùng đang và có thể tận dụng những đánh giá đó như thế nào Từ đó trình bày ý tưởng xây dựng và nội dung tổng quan của ứng dụng

Chương 2: Thuật toán phân loại Chương 2 sẽ trình bày nội dung của thuật toán

Suy giảm độ dốc ngẫu nhiên đồng thời phân tích những ưu/nhược điểm và tại sao thuật toán này được sử dụng trong đồ án

Chương 3: Thử nghiệm và đánh giá Chương 3 sẽ trình bày quá trình thu thập

và xử lý dữ liệu cho mô hình Đồng thời trình bày quá trình huấn luyện và đánh giá mô hình được xây dựng bằng thuật toán ở Chương 2

Chương 4: Phát triển ứng dụng Sau khi có được mô hình đã huấn luyện,

chương 4 sẽ trình bày quá trình phát triển ứng dụng sử dụng mô hình đã thử nghiệm ở Chương 3 và kết quả sau khi triển khai

Trang 10

Chương 1: Đánh giá trực tuyến

Trong chương này, đồ án sẽ làm rõ những vấn đề liên quan đến đánh giá trực tuyến: Từ việc đánh giá của người dùng ảnh hưởng thế nào đến quyết định mua hàng tới việc các sàn thương mại điện tử hiện nay đang cung cấp cho người dùng những phương thức đánh giá như thế nào Đồng thời, đồ án cũng trình bày và phân tích ý tưởng xây dựng ứng dụng như thế nào để đáp ứng được nhu cầu của người dùng

1.1 Thực trạng tiêu dùng trực tuyến

Với sự phát triển của khoa học công nghệ hiện đại và vai trò không thể thiếu của mạng internet dẫn đến sự thay đổi rất lớn trong xu hướng hành vi mua sắm của người tiêu dùng trên thế giới nói chung và tại Việt Nam nói riêng Người tiêu dùng đã chuyển dần từ hình thức mua sắm truyền thống bình thường là “đến tận nơi - xem tận chỗ” sang hình thức mua sắm thông qua các kênh thương mại điện tử (mua sắm trực tuyến hay mua sắm online)

Gần như mọi sản phẩm trên thị trường đều đã được cập nhật trên nền tảng internet Từ cây rau, miếng thịt trong bữa ăn hàng ngày, đến những đồ công nghệ như điện thoại, máy tính Thậm chí cả những lô đất, căn nhà cũng đang được giao bán trên mạng Người mua hàng chỉ cần truy cập vào các trang web thương mại điện tử là có thể xem được các thông tin chi tiết về sản phẩm để rồi đưa ra quyết định mua sắm

Nắm bắt được nhu cầu của người dùng, các nền tảng này cũng không ngừng mở rộng, cả về mặt hàng, các dịch vụ, khuyến mại, để thu hút người sử dụng

Hình 1.1 Các danh mục sản phẩm của Shopee [15]

Trang 11

Hình 1.2 Các danh mục sản phẩm của Tiki [18]

Hình 1.3 Một số chương trình khuyến mại của Lazada [11]

Chỉ với mạng internet và một vài cú nhấp chuột, người dùng đã có thể chọn mua 1 sản phẩm và được giao đến tận cửa nhà Với công nghệ phát triển, giờ đây người dùng có thể thanh toán không chạm (thanh toán qua thẻ hoặc chuyển khoản mà không cần sử dụng tiền mặt) làm cho việc mua sắm trực tuyến ngày càng trở nên dễ dàng hơn

Tuy nhiên với tất cả những lợi ích như vậy, thương mại điện tử cũng đi đôi với nhiều bất cập, có thể kể đến như:

- Vấn đề an ninh mạng Khi người dùng phải cung cấp thông tin về số điện thoại, địa chỉ hay thậm chí cả thẻ ngân hàng cho sàn thương mại điện tử Những thông tin này có thể bị đánh cắp khi mức độ an ninh chưa cao

- Những món hàng giá trị mang rủi ro lớn Đối với những món hàng giá trị lớn như: điện thoại, laptop, … người dùng sẽ không thể trực tiếp kiểm tra các linh kiện, thiết bị bên trong Kể cả khi các sản thương mại điện tử đã hỗ trợ việc hoàn trả, việc mua phải sản phẩm lỗi, sai thông tin quảng cáo vẫn đem lại sự phiền toái không nhỏ cho người tiêu dùng

- Phụ thuộc đơn vị vận chuyển Khi người dùng đặt hàng, không phải cửa hàng nơi họ đặt chịu trách nhiệm vận chuyển, mà là đơn vị vận chuyển liên kết với sàn Ho Tro Lua Chon San PhamHo Tro Lua Chon San PhamHo Tro Lua Chon San PhamHo Tro Lua Chon San Pham

602410062:35:41 PM2:35:41 PM602410062:35:41 PM2:35:41 PM602410062:35:41 PM2:35:41 PM

Trang 12

thương mại điện tử Đon vị vận chuyển quyết định phần lớn sự hài lòng của khách hàng và sự toàn vẹn của đơn hàng

- Quan trọng hơn, khi không được trực tiếp trải nghiệm sản phẩm như khi mua hàng tại cửa hàng, người dùng dễ gặp phải tình trạng mua phải sản phẩm không đáp ứng được nhu cầu của mình Sản phẩm có thể không phù hợp với nhu cầu sử dụng, hoặc tệ hơn, sản phẩm sau khi nhận về có chất lượng kém, dùng một thời gian là hỏng

Vậy làm thế nào để người mua hàng có thể tránh được những rủi ro như vậy? Trong phạm vi của đồ án này, chúng ta sẽ bàn luận về một chức năng của sàn thương mại điện tử cung cấp cho người dùng Đó chính là Đánh giá trực tuyến

1.2 Đánh giá trực tuyến

Trước thời kỳ phát triển của internet, khi muốn biết về chất lượng của một sản phẩm, chúng ta sẽ phải tìm những người đã từng sử dụng sản phẩm đó với hy vọng rằng ta có thể tìm được một người đáng tin cậy và có kinh nghiệm sử dụng sản phẩm đó Việc này có thể mất mấy ngày, thậm chí đến cả tuần hay thậm chí cả tháng Đôi khi ta phải chấp nhận rủi ro mua sản phẩm vì không tìm được người phù hợp

May mắn thay, trong thời đại công nghệ này, chúng ta có thể tiếp cập được với hàng triệu đánh giá của người dùng trước đó về những sản phẩm trên mạng internet Chỉ cần bỏ ra vài giờ hoặc ít hơn, ta đã có thể thu thập thông tin từ những người dùng khác đã trải nghiệm sản phẩm, đánh giá về sản phẩm đó

Nhưng những đánh giá đó không tự dưng xuất hiện Vậy thuật ngữ Đánh giá trực tuyến xuất hiện từ bao giờ?

1.2.1 Lịch sử của Đánh giá trực tuyến

Bài đánh giá trực tuyến đầu tiên

Đánh giá trực tuyến đầu tiên xuất hiện vào năm 1999 Ban đầu, những đánh giá chủ yếu được chứa trên các trang web bán hàng cụ thể như eBay, nhưng sau đó có 3 đối thủ chính cạnh tranh với nhau: Epinions, RateItAll và Deja Họ đã tạo ra tổng cộng 1.146.201 đánh giá trực tuyến về các sản phẩm và ngành giải trí khác nhau Tuy nhiên, cuối cùng những trang này đã bị các tập đoàn lớn hơn tiếp quản hoặc mua lại

Năm 2001, trang Yellow Pages and City Search đã thêm tính năng đánh giá trực tuyến vào trang của họ, cho phép người dùng xem xếp hạng trước khi trở thành khách quen của các doanh nghiệp địa phương Vào thời điểm này, ít ai có thể lường trước được sự gia tăng đáng kinh ngạc không chỉ về độ chi tiết trong đánh giá người tiêu dùng cung cấp mà còn về số lượng đánh giá được tạo ra Và không mất quá nhiều thời gian để lượng thông tin đó trở nên quan trọng trong cuộc sống hàng ngày của chúng ta

Trang 13

Deja trở thành Google Groups

Vào năm 2002, Google đã mua lại công nghệ tìm kiếm Usenet từ Deja, về cơ bản, công nghệ này đã cấp cho họ quyền sở hữu đối với tất cả các nhóm thảo luận trực tuyến của Usenet Diễn đàn này chứa một công cụ tìm kiếm, cho phép người dùng tìm thông tin liên quan bằng cách tìm kiếm một chủ đề hoặc vị trí quan tâm cụ thể và xem các nhóm thảo luận đã lưu trữ

Trước đây, các nhóm này là tư nhân và chủ yếu được sử dụng để thảo luận về kinh doanh, nhưng vào năm 1999, nó đã biến thành nơi để người mua hàng so sánh các công ty và sản phẩm Người tiêu dùng giờ đây có thể thu thập thông tin về một công ty trước khi mua hàng của họ, cũng như để lại nhận xét của họ Khi Google sở hữu công nghệ này, nó được đổi tên thành groups.google.com và trang Deja ban đầu đã bị đóng cửa

Epinions trở thành DealTime

Tương tự như Deja, Epinions là một trang web được thành lập vào năm 1999 và được sử dụng như một trang web đánh giá cho người tiêu dùng Vào năm 2003, DealTime, còn được gọi là shopping.com, đã tiếp quản Epinions với mục tiêu giúp người mua sắm lựa chọn những sản phẩm tốt nhất bằng cách cung cấp quyền truy cập vào các bài đánh giá hiện tại và quá khứ Cuối cùng chúng đã được mua lại một lần nữa bởi eBay vào năm 2005 và tất cả các tính năng của Epinions đã hoàn toàn ngừng hoạt động vào năm 2018 Tuy nhiên, thông tin từ Epinions vẫn có thể được tìm thấy vì các URL cũ được chuyển hướng đến shopping.com

Các tiện ích được sử dụng để làm nổi bật các đánh giá tích cực

Vào năm 2007, RateItAll và MuseStorm đã hợp tác để tạo ra các widget có thể được đặt trên các trang web của công ty Với sự bổ sung này, một công ty có thể tự hào hiển thị danh sách các đánh giá tích cực trên trang web của mình nơi người mua tiềm năng có thể dễ dàng nhìn thấy mà không cần phải tiến hành tìm kiếm

Tính năng phản hồi

Vào năm 2009, Yelp đã thêm một tính năng cho phép các công ty trả lời các bài đánh giá về doanh nghiệp của họ Điều này tạo cơ hội cho họ sửa chữa các vấn đề và giải thích các đánh giá tiêu cực Nhiều người đánh giá đánh giá cao tính năng phản hồi đối và việc nhà cung cấp tìm cách giải quyết vấn đề Với các đánh giá do người tiêu dùng tạo ra và phản hồi của công ty, cả hai bên hiện đã có thể trao đổi để có thể đưa tới một phương án giải quyết thích hợp

Bộ năm quyền lực

Khi quá trình đánh giá trực tuyến tiếp tục phát triển, đã có năm công ty chính nổi lên như những nhà lãnh đạo rõ ràng trong lĩnh vực kinh doanh trực tuyến Yelp, Amazon, Google, Facebook và TripAdvisor đã có được ảnh hưởng rộng rãi và có tác động to lớn đến sự phát triển của các bài đánh giá trực tuyến

Trang 14

Từ năm 2012 đến năm 2016, Facebook dẫn đầu về đánh giá kinh doanh trực tuyến với Yelp đứng sau và cả hai đều duy trì sự tăng trưởng ổn định Tuy nhiên, vào năm 2017, Google đã tăng vọt trước đối thủ TripAdvisor liên tục đứng ở vị trí thứ tư và vẫn là nguồn thông tin đáng tin cậy cho khách du lịch, trong khi Amazon thu thập các bài đánh giá cho các sản phẩm cụ thể

Đó là một vài mốc thời gian trong suốt quá trình hình thành và phát triển của Đánh giá trực tuyến Từ khi xuất hiện, chức năng này đã nhận được sự phản hồi tích cực từ cả người dùng và các doanh nghiệp có sàn giao dịch điện tử Trở thành một công cụ hữu ích cho người tiêu dùng để có cái nhìn tổng quan nhất về sản phẩm, dịch vụ 1.2.2 Ảnh hưởng của Đánh giá trực tuyến đến khách hàng

Nói ngắn gọn thì Đánh giá của khách hàng hay Đánh giá trực tuyến, chính là các phản hồi từ khách hàng sau một thời gian sử dụng sản phẩm Các đánh giá này sẽ được hiển thị trên các giao diện của sàn thương mại điện tử Từ đó, có thể làm tư liệu cho các khách hàng đến sau tham khảo để có cái nhìn tổng quan về sản phẩm và đưa ra quyết định mua hàng

Hình 1.4 Đánh giá sản phẩm trên Shopee [15]

Thông thường người mua sử dụng các bài đánh giá ở cuối kênh bán hàng, khi họ đã quyết định những gì họ cần Đánh giá sản phẩm hoặc dịch vụ giúp họ đưa ra quyết định cuối cùng và lựa chọn giữa các ưu đãi tương tự từ các thương hiệu khác nhau

Đánh giá trực tuyến đóng một vai trò quan trọng trong mua sắm trực tuyến Một đánh giá tốt có thể tăng doanh số bán hàng và lòng trung thành của khách hàng bằng cách ảnh hưởng đến hành vi của người tiêu dùng

Khi tỷ trọng thương mại điện tử trên thị trường tiếp tục tăng, các bài đánh giá có thể giúp sản phẩm có được một cái nhìn tích cực đối với cả khách hàng mới và khách hàng cũ để trở nên nổi bật so với các đối thủ cạnh tranh

Trang 15

Sau khi đọc các bài đánh giá, người tiêu dùng thường đưa ra lựa chọn của họ: Thêm vào giỏ hàng sản phẩm để thanh toán, hoặc bỏ đi tìm nơi khác Điều này chứng minh rằng để khách hàng đi đến giỏ hàng và mua hàng việc đánh giá giá sản phẩm ảnh hưởng đến 90%

Từ đó, đánh giá của những người dùng đã sử dụng, trải nghiệm sản phẩm trở nên vô cùng quan trọng

Tại sao lại như vậy, ta có thể hiểu đơn giản là do hiệu ứng đám đông – một hành vi trong marketing Con người thường có xu hướng tin tưởng những người đi trước, cụ thể là những người đã sử dụng và có những đánh giá về sản phẩm, dịch vụ nào đó, nếu những người khác đang làm việc đó, tôi cũng muốn làm điều đó

Thông thường, hầu hết người tiêu dùng đọc ít nhất ba đến bốn đánh giá từ nhiều nguồn khác nhau trước khi hoàn tất mua hàng Hầu hết thời gian, người tiêu dùng tìm kiếm các đánh giá ngang hàng hoặc ý kiến của các chuyên gia hàng đầu trong ngành

Điều này giúp họ có cái nhìn sâu sắc hơn về các tính năng và chức năng của sản phẩm cũng như trải nghiệm và sự hài lòng của người dùng Ngoài ra khi họ sử dụng xong sản phẩm, nếu mang lại kết quả hơn mong đợi, họ sẽ tiếp tục bình luận tốt

Một số điểm tích cực mà Đánh giá trực tuyến đem lại có thể kể đến như:

- Giúp người dùng có cái nhìn tổng quan về sản phẩm dựa vào những đánh giá của người dùng trước Việc này giúp người tiêu dùng tiết kiệm được rất nhiều thời gian Thay vì tìm những người đã sử dụng sản phẩm, chỉ cần bỏ ra chưa đến 1 tiếng, người tiêu dùng có thể tìm được thông tin mình mong muốn ở phần đánh giá sản phẩm Vì thế, người dùng còn có thể tránh được những sản phẩm có chất lượng kém, hoặc không phục vụ được mục đích sử dụng

- Người dùng có tác động đến sản phẩm khi họ có thể trực tiếp để lại đánh giá của mình trên các nền tảng giao dịch Điều này nâng cao tầm quan trọng và sức ảnh hưởng của người tiêu dùng lên sản phẩm

- Về phía người bán, những đánh giá có ảnh hưởng trực tiếp lên sản phẩm cũng như doanh số Nhờ những đánh giá của khách hàng, sản phẩm của doanh nghiệp có thể được quảng bá rộng rãi hơn, được nhiều người tin dùng hơn, và có khả năng cao những người đó sẽ tiếp tục quay lại đánh giá tốt cho sản phẩm Ngược lại, những đánh giá tiêu cực có thể giúp doanh nghiệp nhận ra sai sót trong sản phẩm của mình

Tuy vậy, không thể kể đến một số hạn chế như:

- Một số mặt hàng có sự khan hiếm về đánh giá Ví dụ với một số mặt hàng đắt tiền như ô tô, xe máy, … lượng đánh giá về các sản phẩm này chưa thực sự phong phú để người tiêu dùng có thể tham khảo

- Một số mặt hàng lại có lượng đánh giá quá nhiều, đơn cử như điện thoại di động Có thể có tới hàng nghìn, thậm chí chục nghìn đánh giá chỉ tính trên Shopee về một chiếc điện thoại Người dùng sẽ phải tốn rất nhiều thời gian để có thể có được thông tin mình mong muốn từ số lượng đánh giá nhiều như thế

Trang 16

- Đánh giá giả đến từ doanh nghiệp Trường hợp này không phải là hiếm khi doanh nghiệp muốn tạo ấn tượng tốt với người tiêu dùng Người tiêu dùng sẽ phải thật thận trọng và tinh ý để có thể phát hiện ra những đánh giá này

Hiện nay, các nền tảng thương mại điện tử ở nước ta đều đã cung cấp những chức năng để người dùng có thể đăng tải đánh giá của mình về sản phẩm Những đánh giá này đều được hiển thị với tất cả người dùng

1.3 Đánh giá trực tuyến hiện nay

Hiện nay, các nền tảng thương mại điện tử ở nước ta đều đã cung cấp chức năng Đánh giá trực tuyến Shopee, Tiki hay Lazada đều đang sử dụng phương thức đánh giá và bình chọn sao (từ 1 đến 5 sao) về sản phẩm

Thay vì chỉ đơn thuần bao gồm đánh giá về sản phẩm, giờ đây khách hàng có thể đánh giá theo “sao” Mỗi sản phẩm sẽ có 1 số sao nhất định trên thang 5 Số sao này sẽ được quyết định bằng trung bình cộng của các đánh giá mà người dùng để lại

Ngoài ra, người dùng còn có thể thêm ảnh, video vào đánh giá của mình để làm tăng tính thuyết phục của đánh giá

Hình 1.5 Giao diện đánh giá sản phẩm của Shopee [15]

Trang 17

Hình 1.6 Đánh giá trên Shopee [15]

Hình 1.7 Đánh giá trên Tiki [18]

Với chức năng như trên, người dùng sau khi mua và trải nghiệm sản phẩm, có thể để lại đánh giá giàu thông tin với số điểm đánh giá, hình ảnh và video

Trang 18

Người dùng còn có thể đánh dấu một đánh giá khác là “Hữu ích” hoặc “Thích” Chức năng này tương tự như nút Thích ở mạng xã hội Các đánh giá có lượt “Hữu ích”/ “Thích” cao sẽ được hiển thị đầu tiên

Hình 1.8 Tương tác với đánh giá của người dùng khác [9]

Ngoài ra, người bán hàng có thể tương tác với người mua thông qua đánh giá Bằng cách này, người bán có thể phản hồi kịp thời những thắc mắc cũng như khiếu nại của người mua hàng

Hình 1.9 Tương tác thông qua đánh giá giữa người bán và người mua [15]

Trang 19

Cách đánh giá trực tuyến làm này đem lại rất nhiều lợi ích cho người tiêu dùng: - Cung cấp cho người dùng phương thức đánh giá trực quan, sinh động và bao quát

nhờ sự kết hợp giữa đánh giá điểm (sao), đánh giá và hình ảnh Người dùng khi vừa lựa chọn xem sản phẩm có thể thấy ngay số lượng đánh giá cũng như số sao mà sản phẩm đang có Số lượng sao chính là phản ánh trực tiếp của tất cả đánh giá trên trang về sản phẩm Ảnh đính kèm sản phẩm khi nhận về cũng là một thông tin rất hữu ích đối với người tiêu dùng Một đánh giá sẽ trở nên tinh cậy hơn nếu có hình ảnh chứng minh sản phẩm

- Từ những góc nhìn của các người dùng khác nhau về sản phẩm, người mua hàng có thể giảm rủi ro khi mua hàng trực tuyến Kể cả khi những đánh giá chứa ít thông tin hữu ích, một sản phẩm có nhiều đánh giá tích cực cũng tạo cảm giác uy tín hơn các sản phẩm khác Người mua hàng có thể dựa vào những thông tin đó để quyết định mua sắm

- Tăng khả năng tương tác giữa người mua với người bán và giữa người mua với người mua Nhờ vào tính năng Trả lời đánh giá, người bán có thể giải quyết những vấn đề khúc mắc về sản phẩm cho người mua, giúp giải quyết những vấn đề nảy sinh dễ dàng hơn Một số trang còn cho phép người dùng trả lời bình luận của người dùng khác, tăng sự tương tác xã hội trên nền tảng mua sắm

Tuy nhiên, cách làm này vẫn còn tồn tại một số hạn chế:

- Lượng thông tin phải xử lý đôi khi là quá nhiều Một sản phẩm có thể có đến hàng trăm hàng nghìn đánh giá từ các người dùng Mặc dù nhìn số điểm (sao) của sản phẩm cao, nhưng nhìn vào những đánh giá, người dùng vẫn có thể bị choáng ngợp bởi lượng thông tin phải xử lý quá nhiều

- Các đánh giá không tập trung vào sản phẩm Giả sử người mua muốn tìm hiểu thông tin về màn hình của một chiếc điện thoại Nhưng trong phần đánh giá chỉ bao gồm những đánh giá như: “Sản phẩm ok”, “Giao hàng nhanh, xịn”, … sẽ rất khó cho người dùng có thể xác định được chất lượng sản phẩm từ những đánh giá như vậy

Hình 1.10 Đánh giá không chứa nhiều thông tin [15]

- Lượng thông tin rác không được xử lý triệt để Lấy Shopee làm ví dụ, họ có chương trình tặng khuyến mại cho những người dùng sau khi mua sản phẩm và Ho Tro Lua Chon San PhamHo Tro Lua Chon San PhamHo Tro Lua Chon San PhamHo Tro Lua Chon San Pham

602410062:35:41 PM2:35:41 PM602410062:35:41 PM2:35:41 PM602410062:35:41 PM2:35:41 PM

Trang 20

để lại đánh giá Điều nãy sẽ thúc đẩy người dùng để lại đánh giá cho sản phẩm, làm tăng độ tin cậy cho sản phẩm Tuy nhiên chính vì việc người dùng chỉ cần để lại đánh giá là đã có thể nhận ưu đãi, nên họ có thể để lại bất kỳ đánh giá gì Đôi khi chỉ là những đánh giá 5 sao không đi kèm nhận xét Đôi khi lại là những đánh giá để lấy đủ số lượng ký tự như hình Điều này cũng gây khó khăn không nhỏ cho những người mua hàng sau đó trong việc quyết định có nên mua sản phẩm hay không

Hình 1.11 Đánh giá spam của người dùng [15]

Ở một số trang thương mại điện tử như eBay hay FPT Shop, họ cung cấp chức năng so sánh các sản phẩm với nhau Chức năng này trở nên vô cùng tiện lợi khi người mua muốn so sánh hai hay nhiều sản phẩm với nhau

Hình 1.12 Chức năng so sánh sản phẩm của FPT Shop [9]

Chức năng này so sánh các thuộc tính của sản phẩm với nhau Ví dụ với mặt hàng điện thoại, các thuộc tính có thể kể đến như:

- Thiết kế

Trang 21

- Bộ xử lý - Màn hình - RAM - …

Những thông tin này sẽ được đặt song song với nhau giữa 2 mặt hàng để người dùng có thể quan sát

Hình 1.13 So sánh sản phẩm trên sàn thương mại điện tử eBay [7]

Trang 22

Hình 1.14 So sánh thuộc tính sản phẩm của FPT Shop [9]

Chức năng này tiết kiệm thời gian tìm hiểu thông tin cho người dùng khi đặt hai hay nhiều sản phẩm lên bàn cân và so sánh trực tiếp những thuộc tính của chúng Người dùng có thể biết được sản phẩm này hơn sản phẩm kia ở điểm nào, sản phẩm này có chi tiết gì mà sản phẩm kia không có

Tuy nhiên, bằng cách thức này, người dùng chỉ có được thông tin về sản phẩm Với những người không có nhiều kiến thức về sản phẩm, rất khó để họ có thể tìm được những thông tin hữu ích Lúc này người mua sẽ lại phải tìm kiếm trong mục đánh giá để

có thể xem sản phẩm nào được đánh giá tốt hơn

- Bằng cách này, người dùng có thể tìm hiểu được chất lượng của sản phẩm thông qua những người dùng trước đó, và người dùng cũng có ảnh hưởng đối với độ tin cậy của sản phẩm

- Tuy vậy, khi mua các tài sản lớn như điện thoại, xe máy, xe ô tô, laptop người mua thường hay băn khoăn giữa nhiều mặt hàng tương đồng nhau, có giá xấp xỉ nhau hoặc phụ tùng, chi tiết ngang nhau

- Hiện nay một số trang bán hàng có mục so sánh sản phẩm với nhau, nhưng chỉ so sánh được các thuộc tính, cấu hình của sản phẩm Người mua muốn tìm hiểu xem sản phẩm nào được người dùng đánh giá/phản hồi tốt hơn thì phải vào các diễn đàn hay các trang chia sẻ để tìm hiểu

Trang 23

→ Cần thiết phải có 1 ứng dụng giúp người dùng có thể xem được những điểm mạnh, điểm yếu của sản phẩm, đọc những trải nghiệm của người dùng để từ đó có lựa chọn đúng đắn

→ Đó chính là ý tưởng ban đầu của hệ thống Hỗ trợ lựa chọn sản phẩm theo phản hồi của người dùng

1.4.1 Mục tiêu của hệ thống

Từ góc độ người dùng, hệ thống sẽ phải đáp ứng đầy đủ chức năng của một sàn thương mại điện tử khi hiển thị sản phẩm Thông tin của sản phẩm cần được hiển thị đầy đủ, ngoài những thông tin chính, người dùng sẽ có thể thấy được tổng quan đánh giá của sản phẩm (được đánh giá tích cực hay tiêu cực, có bao nhiêu đánh giá) cùng với tất cả đánh giá của những người dùng khác về sản phẩm

Ứng dụng sẽ phải đáp ứng được chức năng như một không gian mạng xã hội cho người tiêu dùng, mà ở đó, người dùng có thể đưa ra đánh giá về một sản phẩm, và đánh giá đó, chắc chắn sẽ có ảnh hưởng đến sản phẩm trên nền tảng

Từ góc độ người quản lý và hệ thống, để những phải hồi của người dùng có ảnh hưởng đến sản phẩm, hệ thống sẽ cần phân tích những phải hồi, và đưa những thông tin phân tích được đó đem hiển thị lên giao diện thông tin sản phẩm Việc này sẽ giúp cho những người dùng sau nắm bắt được khái quát chất lượng của sản phẩm

Người quản lý cũng sẽ phải có khả năng quản lý những thông tin trên hệ thống như sản phẩm, tài khoản, loại mặt hàng cũng như những bình luận của mặt hàng Đặc biệt là những đặc tính được trích ra từ bình luận

1.4.2 Tổng quan hệ thống

Để đáp ứng được những tiêu chí trên, ứng dụng cần có những chức năng như:

● Ứng dụng có thông tin của các sản phẩm trên thị trường, người dùng có thể tìm kiếm sản phẩm và xem thông tin chi tiết của bất kỳ sản phẩm nào

● Ứng dụng nên chia sản phẩm theo danh mục hoặc hãng để khách hàng thuận tiện khi tra cứu

● Ứng dụng cung cấp cho người dùng có cái nhìn tổng quan về đánh giá/trải nghiệm của người dùng về sản phẩm, từ đó có thể đưa ra quyết định mua hàng đúng đắn ● Ứng dụng sẽ tổng hợp được số lượng các đánh giá Tích cực và tiêu cực của sản

phẩm, sau đó hiển thị ở phần thông tin sản phẩm

● Ứng dụng sẽ hiển thị những đặc tính được trích ra từ đánh giá như: “rất bền”, “mẫu mã đẹp”, “chất lượng tốt”, để người dùng có thể có cái nhìn tổng quan về sản phẩm

Trang 24

● Ứng dụng được cài đặt và phát triển trên nền tảng website Phục vụ đối tượng khách hàng muốn mua, có dự định mua sản phẩm online/mua trực tiếp tại cửa hàng

● Ứng dụng sẽ lưu lại lịch sử đánh giá của người dùng để họ có thể thuận tiện tra cứu cũng như xem lại những gì mình đã đánh giá về sản phẩm

● Ứng dụng nên có ứng dụng con riêng để xử lý các đánh giá của người dùng Việc chia công việc ra như vậy sẽ giảm tải cho hệ thống khi nhận 1 lượng truy cập lớn ● Ứng dụng cần có trang riêng biệt cho người quản lý để có thể thuận tiện cho việc

cập nhật, sửa, xoá các thông tin trên hệ thống

● Ứng dụng cung cấp cho người quản lý khả năng xem thống kê về sản phẩm, đánh giá và tỷ lệ đánh giá của các sản phẩm

Đó là các chức năng mà ứng dụng sẽ cần phải đáp ứng được để có thể thực hiện được nhiệm vụ làm một diễn đàn cho người tiêu dùng chia sẻ đánh giá của sản phẩm và giúp đỡ nhau chọn được một sản phẩm phù hợp

602410062:35:41 PM2:35:41 PM602410062:35:41 PM2:35:41 PM602410062:35:41 PM2:35:41 PM

Trang 25

Chương 2: Thuật toán

suy giảm độ dốc ngẫu nhiên SGD

Trong chương này, đồ án sẽ trình bày về thuật toán Suy giảm độ dốc ngẫu nhiên (SGD - Stochastic Gradient Descent) Tại sao lại sử dụng thuật toán này và ưu điểm cũng như nhược điểm khi sử dụng sẽ được làm rõ trong chương này

2.1 Ý tưởng của thuật toán

Ý tưởng cơ bản của thuật toán có thể được minh hoạ bằng một kịch bản như sau: Một người bị mắc kẹt trên núi và đang cố gắng đi xuống (tức là cố gắng tìm điểm thấp nhất) Xung quanh sương mù dày đặc nên tầm nhìn rất thấp Vì vậy, đường xuống núi không nhìn thấy được nên anh ta phải sử dụng thông tin xung quanh để tìm ra điểm thấp nhất Anh ta có thể sử dụng phương pháp giảm độ dốc, bao gồm việc xem xét độ dốc của ngọn đồi ở vị trí hiện tại, sau đó tiếp tục đi theo hướng thấp nhất (tức là xuống dốc) Ngược lại, nếu đang cố gắng tìm đỉnh núi, thì anh ta sẽ cần đi theo hướng dốc nhất (tức là lên trên)

Hình 2.1 Minh hoạ sương mù trên núi [10]

Sử dụng phương pháp này, cuối cùng người đó sẽ tìm được đường xuống núi hoặc có thể bị mắc kẹt trong một số lỗ (tức là điểm thấp nhất hoặc điểm yên ngựa cục bộ), như hồ trên núi Tuy nhiên, cũng giả định rằng độ dốc của ngọn đồi không thể hiện rõ ngay lập tức khi chỉ quan sát đơn giản, mà nó cần một công cụ tinh vi để đo lường mà người đó tình cờ có vào lúc này Để đo độ dốc của ngọn đồi bằng thiết bị này mất khá nhiều thời gian, do đó họ nên hạn chế sử dụng thiết bị nếu muốn xuống núi trước khi mặt trời lặn Khó khăn sau đó là chọn tần suất đo độ dốc của ngọn đồi để không đi chệch hướng

Trang 26

Trong phép loại suy này, người đại diện cho thuật toán và con đường đi xuống núi đại diện cho chuỗi cài đặt tham số mà thuật toán sẽ khám phá Độ dốc của ngọn đồi thể hiện độ dốc của bề mặt lỗi tại điểm đó Công cụ được sử dụng để đo độ dốc là phân biệt (độ dốc của bề mặt sai số có thể được tính bằng cách lấy đạo hàm của hàm sai số bình phương tại điểm đó) Hướng họ chọn để di chuyển phù hợp với độ dốc của bề mặt lỗi tại điểm đó Khoảng thời gian họ di chuyển trước khi thực hiện một phép đo khác là kích thước bước

2.2 Thuật toán Suy giảm độ dốc (Gradient Descent)

Gradient, theo thuật ngữ đơn giản có nghĩa là độ dốc hoặc độ nghiêng của bề mặt Vì vậy, Gradient Descent theo nghĩa đen có nghĩa là đi xuống một độ dốc để đến điểm thấp nhất trên bề mặt đó Ví dụ:

Hình 2.2 Ví dụ điểm cực tiểu của hàm 1 biến [12]

Trong đồ thị ở trên, điểm thấp nhất trên parabol xảy ra tại x = -2 Mục tiêu của thuật toán giảm độ dốc là tìm giá trị của “x” sao cho “y” là nhỏ nhất “Y” ở đây được gọi là hàm mục tiêu mà thuật toán giảm độ dốc hoạt động dựa trên, để giảm xuống điểm thấp nhất

Điểm cực tiểu 𝑥∗của hàm số là điểm có đạo hàm 𝑓′(𝑥∗) bằng 0 Hơn thế nữa, trong lân cận của nó, đạo hàm của các điểm phía bên trái 𝑥∗ là không dương, đạo hàm của các điểm phía bên phải 𝑥∗ là không âm

Trang 27

Đường tiếp tuyến với đồ thị hàm số đó tại 1 điểm bất kỳ có hệ số góc chính bằng đạo hàm của hàm số tại điểm đó

Trong hình 2.2, các điểm bên trái của điểm cực tiểu màu xanh lục có đạo hàm âm, các điểm bên phải có đạo hàm dương Và đối với hàm số này, càng xa về phía trái của điểm cực tiểu thì đạo hàm càng âm, càng xa về phía phải thì đạo hàm càng dương

Thuật toán

Trong các bài toán tối ưu, chúng ta thường tìm giá trị nhỏ nhất của 1 hàm số nào đó, mà hàm số đạt giá trị nhỏ nhất khi đạo hàm bằng 0 Nhưng đâu phải lúc nào đạo hàm hàm số cũng được, đối với các hàm số nhiều biến thì đạo hàm rất phức tạp, thậm chí là bất khả thi Nên thay vào đó người ta tìm điểm gần với điểm cực tiểu nhất và xem đó là nghiệm bài toán Hướng tiếp cận ở đây là chọn 1 nghiệm ngẫu nhiên cứ sau mỗi vòng lặp (hay epoch) thì cho nó tiến dần đến điểm cần tìm

Các điểm cực tiểu là nghiệm của phương trình đạo hàm bằng 0 Nếu bằng một cách nào đó có thể tìm được toàn bộ (hữu hạn) các điểm cực tiểu, ta chỉ cần thay từng điểm cực tiểu đó vào hàm số rồi tìm điểm làm cho hàm có giá trị nhỏ nhất Tuy nhiên, trong hầu hết các trường hợp, việc giải phương trình đạo hàm bằng 0 là bất khả thi Nguyên nhân có thể đến từ sự phức tạp của dạng của đạo hàm, từ việc các điểm dữ liệu có số chiều lớn, hoặc từ việc có quá nhiều điểm dữ liệu

Hướng tiếp cận phổ biến nhất là xuất phát từ một điểm mà chúng ta coi là gần với nghiệm của bài toán, sau đó dùng một phép toán lặp để tiến dần đến điểm cần tìm, tức đến khi đạo hàm gần với 0 Gradient Descent và các biến thể của nó là một trong những phương pháp được dùng nhiều nhất

Gradient Descent là một thuật toán lặp lại, bắt đầu từ một điểm ngẫu nhiên trên một hàm và đi xuống theo độ dốc của nó theo từng bước cho đến khi nó đạt đến điểm thấp nhất của hàm đó

Gradient Descent cho hàm một biến

Giả sử 𝑥𝑡 là điểm ta tìm được sau vòng lặp thứ t Ta cần tìm một thuật toán để đưa 𝑥𝑡 về càng gần 𝑥∗càng tốt

Trong hình đầu tiên, ta thấy:

1 Nếu đạo hàm của hàm số tại 𝑥𝑡: 𝑓′(𝑥∗) > 0 thì 𝑥𝑡 nằm về bên phải so với 𝑥∗ (và ngược lại) Để điểm tiếp theo 𝑥𝑡+1 gần với 𝑥∗ hơn, chúng ta cần di chuyển 𝑥𝑡 về phía bên trái, tức về phía âm Nói các khác, chúng ta cần di chuyển ngược dấu với đạo hàm [12]:

Trong đó Δ là một đại lượng ngược dấu với đạo hàm 𝑓′(𝑥∗)

2 𝑥𝑡 càng xa 𝑥∗ về phía bên phải thì 𝑓′(𝑥∗) càng lớn hơn 0 (và ngược lại) Vậy, lượng di chuyển Δ, một cách trực quan nhất, là tỉ lệ thuận với −𝑓′(𝑥∗)

Trang 28

Hai nhận xét phía trên cho chúng ta một cách cập nhật đơn giản là [12]:

𝑥𝑡+1 = 𝑥𝑡−η 𝑓′(𝑥∗) (2.2) Trong đó η (eta) là một số dương được gọi là learning rate (tốc độ học) Dấu trừ thể hiện việc chúng ta phải đi ngược với đạo hàm Các quan sát đơn giản phía trên, mặc dù không phải đúng cho tất cả các bài toán, nhưng là nền tảng cho rất nhiều phương pháp tối ưu nói chung và thuật toán Machine Learning nói riêng

Hình 2.3 Hình minh họa về Suy giảm độ dốc trên một loạt các cấp độ [15]

Quá trình tìm điểm cực tiểu được minh họa trong hình trên Ở đây, F được giả định là xác định trên mặt phẳng và đồ thị của nó có dạng hình bát Các đường cong màu xanh lam là các đường đồng mức, nghĩa là các vùng mà giá trị của F là không đổi Mũi tên màu đỏ bắt nguồn từ một điểm cho biết hướng của gradient âm tại điểm đó Lưu ý rằng gradient (âm) tại một điểm là trực giao với đường đồng mức đi qua điểm đó Chúng ta thấy rằng sự giảm dần gradient dẫn chúng ta đến đáy của cái bát, nghĩa là, đến điểm mà giá trị của hàm F là nhỏ nhất

Trang 29

Gradient Descent cho hàm nhiều biến

Giả sử ta cần tìm điểm mà hàm số đạt giá trị nhỏ nhất cho hàm 𝑓(θ) trong đó θ (theta) là một vector, thường được dùng để ký hiệu tập hợp các tham số của một mô hình cần tối ưu (trong Linear Regression thì các tham số chính là hệ số w) Đạo hàm của hàm số đó tại một điểm θ bất kỳ được ký hiệu là ∇𝜃𝑓(θ) (∇: nabla) Tương tự như hàm 1 biến, thuật toán GD cho hàm nhiều biến cũng bắt đầu bằng một điểm dự đoán 𝜃0, sau đó, ở vòng lặp thứ t, quy tắc cập nhật là [12]:

𝜃0+1 = 𝜃𝑡 −η∇𝜃𝑓(θ𝑡) (2.3) Hoặc viết dưới dạng đơn giản hơn [12]:

Hình 2.4 Minh hoạ thuật toán GD dưới góc nhìn vật lý [12]

Tuy nhiên, nếu như bề mặt có hai đáy thung lũng như hình 2.4b thì tùy vào việc đặt bi ở A hay B, vị trí cuối cùng của bi sẽ ở C hoặc D Điểm D là một điểm cực tiểu chúng ta không mong muốn

Nếu suy nghĩ một cách vật lý hơn, vẫn trong hình 2.4b, nếu vận tốc ban đầu của bi khi ở điểm B đủ lớn, khi bi lăn đến điểm D, theo đà, bi có thể tiếp tục di chuyển lên dốc phía bên trái của D Và nếu giả sử vận tốc ban đầu lớn hơn nữa, bi có thể vượt dốc tới điểm E rồi lăn xuống C như trong hình 2.4c Đây chính là điều chúng ta mong muốn Ho Tro Lua Chon San PhamHo Tro Lua Chon San PhamHo Tro Lua Chon San PhamHo Tro Lua Chon San Pham

602410062:35:41 PM2:35:41 PM602410062:35:41 PM2:35:41 PM602410062:35:41 PM2:35:41 PM

Trang 30

Dựa trên hiện tượng này, một thuật toán được ra đời nhằm khắc phục việc nghiệm của GD rơi vào một điểm cực tiểu không mong muốn Thuật toán đó có tên là Momentum (tức theo đà)

Gradient Descent với Momentum

Trong GD, chúng ta cần tính lượng thay đổi ở thời điểm t để cập nhật vị trí mới cho nghiệm (tức hòn bi ở hình 2.4) Nếu chúng ta coi đại lượng này như vận tốc vt trong vật lý, vị trí mới của hòn bi sẽ là [12]:

𝑣𝑡 = 𝛾𝑣𝑡− 1 + 𝜂𝛻𝜃𝐽(𝜃) (2.6) Trong đó γ thường được chọn là một giá trị khoảng 0.9, v𝑡 là vận tốc tại thời điểm trước đó, ∇θJ(θ) chính là độ dốc của điểm trước đó Sau đó vị trí mới của hòn bi được xác định như sau [12]:

Thuật toán đơn giản này tỏ ra rất hiệu quả trong các bài toán thực tế (trong không gian nhiều chiều, cách tính toán cũng hoàn toàn tương tự)

2.3 Nesterov accelerated gradient (NAG)

Trong ví dụ ở hình 2.4, Momentum giúp hòn bi vượt qua được dốc điểm cực tiểu,

tuy nhiên, có một hạn chế chúng ta có thể thấy: Khi tới gần đích, momemtum vẫn mất khá nhiều thời gian trước khi dừng lại Lý do lại cũng chính là vì có đà Có một phương pháp khác tiếp tục giúp khắc phục điều này, phương pháp đó mang tên Nesterov accelerated gradient (NAG), giúp cho thuật toán hội tụ nhanh hơn

Ý tưởng chính

Ý tưởng cơ bản là dự đoán hướng đi trong tương lai, tức nhìn trước một bước!

Cụ thể, nếu sử dụng số hạng momentum γv𝑡− 1 để cập nhật thì ta có thể xấp xỉ được vị trí tiếp theo của hòn bi là 𝜃 −γv𝑡− 1 (chúng ta không đính kèm phần gradient ở đây vì sẽ sử dụng nó trong bước cuối cùng) Vậy, thay vì sử dụng gradient của điểm hiện tại, NAG đi trước một bước, sử dụng gradient của điểm tiếp theo