Ứng với từng danh mục sản phẩm trên trang thương mại điện tử Tiki.vn, Website hướng tới mục tiêu sẽ chọn ra các nhà cung ứng hàng hóa hay còn gọi là nhà bán hàng đáng tin cậy và tạo ra s
Freeship and tikifast: Miễn phí giao hàng và giao hàng tiết kiệm
- nhà bán hàng có freeship và vận chuyên nhanh tikifast Khách hàng có thé đặt hàng sản phẩm ở bat cứ nơi đâu vẫn được miễn phí chi phí vận chuyên, đồng thời đi kèm giao hàng tiết kiệm trong vòng 2 ngày nhà bán hàng có chương trình này được tính 100 điểm.
Technology (25%): Công nghệ nhà bán hàng áp dụng — _ 1 Best price guaranteed: Chương trình “Rẻ hơn hoàn tiên”
Quantity sold: Số lượng hàng bán của nhà bán hàng
- Số lượng sản phẩm nhà bán hàng đã bán và số điểm tương ứng:
+ Nếu nhà bán hàng đã bán từ 0 đến 100 sản phẩm thì điểm nhà bán hàng sẽ được 10 điểm.
+ Nếu nhà bán hàng đã bán từ 100 đến 300 sản phẩm thì điểm nhà bán hàng sẽ được 30 điểm.
+ Nếu nhà bán hàng đã bán từ 300 đến 600 sản phẩm thì điểm nhà bán hàng sẽ được 50 điểm.
+ Nếu nhà bán hàng đã bán từ 600 đến 1000 sản phẩm thì điểm nhà bán hàng sẽ được 70 điểm.
+ Nếu nhà bán hàng đã bán từ 1000 đến 5000 sản phẩm thì điểm nhà bán hàng sẽ được 80 điểm.
+ Nếu nhà bán hàng đã bán từ 5000 đến 10000 sản phẩm thì điểm nhà bán hàng sẽ được 90 điểm.
+ Nếu nhà bán hàng đã bán trên 10000 sản phẩm thì điểm nhà bán hàng sẽ được 100 điểm.
Total review vendor: Tổng số đánh giá của nhà bán hàng
- Số lượng khách hàng đã review các sản phẩm của nhà bán hàng và số điểm tương ứng:
+ Nếu nhà bán hàng có số review từ 0 đến 100 thì điểm nhà bán hàng sẽ được 10 điểm.
+ Nếu nhà bán hàng có số review từ 100 đến 300 thì điểm nhà bán hàng sẽ được 20 điểm.
+ Nếu nhà bán hàng có số review từ 300 đến 600 thì điểm nhà bán hàng sẽ được 30 điểm.
+ Nếu nhà bán hàng có số review từ 600 đến 1000 thì điểm nhà bán hàng sẽ được 40 điểm.
+ Nếu nhà bán hàng có số review từ 1000 đến 5000 thì điểm nhà bán hàng sẽ được 50 điểm.
+ Nếu nhà bán hàng có số review từ 5000 đến 10000 thì điểm nhà bán hàng sẽ được 60 điểm.
+ Nếu nhà bán hàng có số review từ 10000 đến 20000 thì điểm nhà bán hàng sẽ được 70 điểm.
+ Nếu nhà bán hàng có số review từ 20000 đến 30000 thì điểm nhà bán hàng sẽ được 80 điểm.
+ Nếu nhà bán hàng có số review từ 30000 đến 40000 thì điểm nhà bán hàng sẽ được 90 điểm.
+ Nếu nhà bán hàng có số review trên 50000 thì điểm nhà bán hàng sẽ được 100 điểm.
2.1.5.4 Average rating vendor: Đánh gia của tiki với nhà bán hang
- Đánh giá của tiki đối với nhà bán hàng cũng là một phần ảnh hưởng đến việc đánh giá nhà bán hàng:
+ Nếu đánh giá của nhà bán hàng từ 0 sao đến 3 sao, đạt 0 điểm.
+ Nếu đánh giá của nhà bán hàng từ 0 sao đến 3 sao, đạt 0 điểm.
+ Nếu đánh giá của nhà bán hàng từ 3 sao đến 4 sao, đạt 10 điểm.
+ Nếu đánh giá của nhà bán hàng từ 4 sao đến 4.2 sao, đạt 20 điểm.
+ Nếu đánh giá của nhà bán hàng từ 4.2 sao đến 4.4 sao, đạt 30 điểm. + Nếu đánh giá của nhà bán hàng từ 4.4 sao đến 4.6 sao, đạt 50 điểm. + Nếu đánh giá của nhà bán hàng từ 4.6 sao đến 4.8 sao, đạt 70 điểm. + Nếu đánh giá của nhà bán hàng trên 4.8 sao, đạt 100 điểm.
2.1.5.5 Total follower: Tổng lượt theo đõi của nhà bán hàng
- Số lượng khách hàng đã follow nhà bán hàng và số điểm tương ứng:
+ Nếu số lượng follow nhà bán hàng từ 0 đến 100 sẽ đạt 10 điểm.
+ Nếu số lượng follow nhà bán hàng từ 100 đến 300 sẽ đạt 20 điểm. + Nếu số lượng follow nhà bán hàng từ 300 đến 600 sẽ đạt 30 điểm. + Nếu số lượng follow nhà bán hàng từ 600 đến 1000 sẽ đạt 40 điểm.
+ Nếu số lượng follow nhà bán hàng từ 1000 đến 5000 sẽ đạt 50 điềm.
+ Nếu số lượng follow nhà bán hàng từ 5000 đến 10000 sẽ đạt 60 điểm.
+ Nếu số lượng follow nhà bán hàng từ 10000 đến 20000 sẽ đạt 70 điểm.
+ Nếu số lượng follow nha bán hàng từ 20000 đến 30000 sẽ đạt 80 điểm.
+ Nếu số lượng follow nhà bán hàng từ 30000 đến 70000 sẽ đạt 90 điểm.
+ Nếu số lượng follow nhà bán hàng trên 50000 sẽ đạt 100 điểm.
2.1.5.6 Year participate: Số năm tham gia của nhà bán hàng
- Số năm tham gia cũng cho thấy đây là nhà bán hàng lâu năm và có kinh nghiệm dé bán những sản phẩm tốt:
+ Nếu số năm tham gia là 2021 thì đạt 50 điểm.
+ Nếu số năm tham gia là 2020 thi đạt 60 điểm.
+ Nếu số năm tham gia là 2019 thì đạt 70 điểm.
+ Nếu số năm tham gia là 2018 thì đạt 80 điểm.
+ Nếu số năm tham gia là 2017 thì đạt 90 điểm.
2.1.5.7 Product cancel rate: Tỷ lệ hủy hàng của nha bán hàng
- Tỉ lệ hùy hàng cũng là một tiêu chí cho thấy độ uy tín của nhà bán hàng đối với từng sản phẩm của họ.
+ Nếu tỉ lệ hủy hàng từ 0% thì đạt 100 điểm.
+ Nếu tỉ lệ hủy hàng từ 0% đến 20% thì đạt 80 điểm.
+ Nếu tỉ lệ hủy hàng từ 20% đến 40% thì đạt 60 điểm.
+ Nếu tỉ lệ hủy hàng từ 40% đến 60% thì đạt 40 điểm.
+ Nếu tỉ lệ hủy hàng từ 60% đến 80% thì đạt 20 điểm.
+ Nêu tỉ lệ hủy hàng từ 80% trở lên thì đạt 0 điểm.
2.1.5.8 Product return rate: Tỷ lệ trả hang của nhà bán hàng
- Tỉ lệ trả hàng cũng là một tiêu chí cho thấy độ uy tín của nhà bán hàng đối với từng sản pham của họ.
+ Nếu tỉ lệ trả hàng từ 0% thì đạt 100 điểm.
+ Nếu tỉ lệ trả hàng từ 0% đến 20% thi đạt 80 điểm.
+ Nếu tỉ lệ trả hàng từ 20% đến 40% thì đạt 60 điểm.
+ Nếu tỉ lệ trả hàng từ 40% đến 60% thì đạt 40 điểm.
+ Nếu tỉ lệ trả hàng từ 60% đến 80% thì đạt 20 điểm.
+ Nêu tỉ lệ trả hàng từ 80% trở lên thì đạt 0 điểm.
Total follower: Tổng lượt theo đõi của nhà bán hàng
- Số lượng khách hàng đã follow nhà bán hàng và số điểm tương ứng:
+ Nếu số lượng follow nhà bán hàng từ 0 đến 100 sẽ đạt 10 điểm.
+ Nếu số lượng follow nhà bán hàng từ 100 đến 300 sẽ đạt 20 điểm. + Nếu số lượng follow nhà bán hàng từ 300 đến 600 sẽ đạt 30 điểm. + Nếu số lượng follow nhà bán hàng từ 600 đến 1000 sẽ đạt 40 điểm.
+ Nếu số lượng follow nhà bán hàng từ 1000 đến 5000 sẽ đạt 50 điềm.
+ Nếu số lượng follow nhà bán hàng từ 5000 đến 10000 sẽ đạt 60 điểm.
+ Nếu số lượng follow nhà bán hàng từ 10000 đến 20000 sẽ đạt 70 điểm.
+ Nếu số lượng follow nha bán hàng từ 20000 đến 30000 sẽ đạt 80 điểm.
+ Nếu số lượng follow nhà bán hàng từ 30000 đến 70000 sẽ đạt 90 điểm.
+ Nếu số lượng follow nhà bán hàng trên 50000 sẽ đạt 100 điểm.
Year participate: Số năm tham gia của nhà bán hàng
- Số năm tham gia cũng cho thấy đây là nhà bán hàng lâu năm và có kinh nghiệm dé bán những sản phẩm tốt:
+ Nếu số năm tham gia là 2021 thì đạt 50 điểm.
+ Nếu số năm tham gia là 2020 thi đạt 60 điểm.
+ Nếu số năm tham gia là 2019 thì đạt 70 điểm.
+ Nếu số năm tham gia là 2018 thì đạt 80 điểm.
+ Nếu số năm tham gia là 2017 thì đạt 90 điểm.
Product cancel rate: Tỷ lệ hủy hàng của nhà bán hàng
- Tỉ lệ hùy hàng cũng là một tiêu chí cho thấy độ uy tín của nhà bán hàng đối với từng sản phẩm của họ.
+ Nếu tỉ lệ hủy hàng từ 0% thì đạt 100 điểm.
+ Nếu tỉ lệ hủy hàng từ 0% đến 20% thì đạt 80 điểm.
+ Nếu tỉ lệ hủy hàng từ 20% đến 40% thì đạt 60 điểm.
+ Nếu tỉ lệ hủy hàng từ 40% đến 60% thì đạt 40 điểm.
+ Nếu tỉ lệ hủy hàng từ 60% đến 80% thì đạt 20 điểm.
+ Nêu tỉ lệ hủy hàng từ 80% trở lên thì đạt 0 điểm.
2.1.5.8 Product return rate: Tỷ lệ trả hang của nhà bán hàng
- Tỉ lệ trả hàng cũng là một tiêu chí cho thấy độ uy tín của nhà bán hàng đối với từng sản pham của họ.
+ Nếu tỉ lệ trả hàng từ 0% thì đạt 100 điểm.
+ Nếu tỉ lệ trả hàng từ 0% đến 20% thi đạt 80 điểm.
+ Nếu tỉ lệ trả hàng từ 20% đến 40% thì đạt 60 điểm.
+ Nếu tỉ lệ trả hàng từ 40% đến 60% thì đạt 40 điểm.
+ Nếu tỉ lệ trả hàng từ 60% đến 80% thì đạt 20 điểm.
+ Nêu tỉ lệ trả hàng từ 80% trở lên thì đạt 0 điểm.
Product return rate: Tỷ lệ trả hàng của nhà bán hàng 1Ó 2.1.5.9 Repaid if fake product: Trả hàng nếu sản phẩm là hàng giả
- Tra hàng nếu là hàng giả là một tiêu chí giúp người dùng yên tâm hơn khi chọn lựa sản phẩm của nhà bán hàng mà không sợ hàng giả.
- nhà bán hàng có chương trình trả hàng nếu là hàng giả sẽ đạt 100 điểm.
Phân loại, đánh giá nhà bán hàng -ccceeesrererrrrrrrrrrrrrrrrrrer LZ 2.3 Thu thập dữ liệu ecceeeeerrrreerririirirrraarroa LO 2.4 Thư viện hỗ trợ craw] dữ liệu eeececeereeeeeeseeereeerreserreeerseeeer.e TỔ 2.5 Xử lý ngôn ngữ tự nhiên 2.5.1 Tổng quan xử lý ngôn ngữ tự nhiên - essesseeeeeex 24 2.5.2 Xử lý ngôn ngữ tự nhiên trong Python 2.6 Các kỹ thuật Machine Learning phân tích .-c-e-ceecccccceseseree 2D 2.6.1 Logistics regression 2.6.1.1 Mô tả Logistics regression .eeeceeeeeeeieiiieiiiii LO 2.6.1.2 Cách hoạt động của Logistics regTeSSION - -. LO 2.6.1.3 Ứng dụng của Logistic Regression xử lý review
- Việc phân loại được thực hiện theo kết quả của tổng xếp hạng Các nhà bán hàng được phân loại theo tổng điểm dat được Có bốn lớp định giá cũng cho thay các hành động cần thiết liên quan đến phát trién nhà bán hàng.
Phân lớp xếp hạng | Số điểm đánh giá Kết luận
Xếp hạng (A) Từ 85 đến 100 điểm | Nhà bán hàng thuộc giai đoạn quan sát hiện tại vào loại tốt nhất Thỏa thuận mục tiêu chỉ trong những trường hợp đặc biệt cân thiệt.
Xếp hạng (B) Từ 70 đến 84 điểm | Các yêu cầu chủ yếu được thực hiện Một số van đề đã phát hiện cho thay khả năng cải thiện Các hành động đã chọn và lịch trình thời gian sẽ được thông báo bởi nhà bán hàng.
Xếp hạng (C) Từ 50 đến 69 điểm | Nhà bán hàng hầu hết không đáp ứng các yêu cầu và các điểm yếu đáng ké được phát hiện Các biện pháp và hành động dự kiến bao gồm cả lịch trình thời gian cho việc thực hiện sẽ được công bố trong vòng 3 tuân.
Xếp hạng (D) Dưới 50 diém Nhà bán hàng không đáp ứng các yêu cau.
Một hợp tác tiếp theo sẽ được làm rõ.
Thông báo về các hành động khắc phục, trong đó cho thây các cải tiến có thể theo dõi, trong vòng một tuần là bắt buộc.
Table 2.5 Phân loại và xếp hạng nhà bán hàng
Bộ dữ liệu của chúng tôi được tiến hành thu thập từ những thông tin được hiển thị trên trang thương mại điện tử https://tiki.vn/ bao gồm tat cả thông tin liên quan đến nhà bán hàng, thông tin sản pham, những bình luận của khách hàng Từ đó chúng tôi có thê đánh giá nhà bán hàng.
2.4 Thư viện hỗ trợ crawl dữ liệu
+ BeautifulSoup là một thư viện Python dùng dé lấy dữ liệu ra khỏi các file
+ Nó hoạt động cùng với các parser (trình phân tích cú pháp) cung cấp cho ban các cách đề điều hướng, tìm kiếm và chỉnh sửa trong parse tree (cây phân tích được tao từ parser).
+ Nhờ các parser này nó đã giúp các lập trình viên tiết kiệm được nhiều giờ làm việc.
- Dưới đây là một số cách đơn giản dé điều hướng trong cấu trúc dữ liệu:
+ Đầu tiên ta cần install thư viện của Beautiful Soup:
[1] Praveen Kumar Anwla (2020), Web Scraping using Selenium with Python
+ Import thư viện Request và BeautifulSoup dé có thé Run website. import requests from bs4 impoprt BeautifulSoup req=requests get ‘https://en.wikipedia.org/wiki/Python `) soup = BeautifulSoup(req.text, “Ixml”’)
+ Từ đó Beautiful Soup có thé lay được các thông tin hiển thị trên website đó. soup.title
# Python (programming language) - Wikipedia soup.title string
+ Hoặc khi muốn lay thông tin nội dung của văn ban của một thé
ta dùng thuộc tinh contents. print(soup.p.contents)
# [Python, ' is a widely used’ the full list]
+ Selenium là một trong những công cụ kiêm thử phần mềm tự động mã nguồn mở (open source test automation tool) mạnh nhat hién nay cho viéc kiểm thử ứng dung Weblll,
+ Selenium script có thể chạy được trên hầu hết các trình duyệt như IE, Mozilla FireFox, Chrome, Safari, Opera; va hầu hết các hệ điều hành như Windows,
+ Selenium WebDriver (Selenium 2): là thư viện cho phép người dung lập trình (scripting) test script trên các ngôn ngữ lập trình khác nhau như Python, Java, C#, Ruby
[1] Praveen Kumar Anwla (2020), Web Scraping using Selenium with Python
+ Selenium Python bindings cung cấp một API đơn giảm để viết functional/acceptance test sử dung selenium webdriver.
+ Thông qua Selenium Python API bạn có thé truy cập tat cả các chức năng cua selenium webdriver một cách trực quan Hiện tại hỗ trợ Python version
+ Đề bắt đầu sử dụng Selenium, cần phải cài đặt thư viện selenium và cài đặt phần mềm WebDriver tùy theo trình duyệt sử dụng. pip install selenium
+ Import thư viện và phần mềm cần thiết trước khi khởi động website. from selenium import webdriver driver = webdriver Chrome(executable_path="C:\chromedriver.exe")
+ Khởi tao URL website va crawl kết hợp với BeautifulSoup dé lay được data mong muôn tu website.
Vi dụ đoạn mẫu bên dưới là sự kết hợp giữa BeautifulSoup Selenium dé lay được ID sản phẩm từ url tiki:
* Khởi tạo url tiki và dùng selenium khởi động website: url_tiki= ‘https://tiki.vn/binh-giu-nhiet-lock-lock-rigatumbler-897ml- p11488920.html’ driver get(url_tiki) ¢ Tim vi trí của đoạn source html: driver find_element_by_xpath('#/html/head/meta[21]') page_source=(driver.page_source)
* Sử dung BeautifulSoup dé tìm vi trí có thẻ tên là ‘meta’ và name=*al:android:url' dé lay được giá trị cần thiết soup = bs(page_source, "lxml") for link in soup.find_all('meta',{"name": "al:android-url"}):
20 allLinkID append(link get(‘content')) print(allLinkID)
+ Pandas là một thư viện mã nguồn mở được xây dựng dựa trên NumPy, sử dụng thao tác và phân tích dit liệu, được thiết kế dé cho phép bạn làm việc với dữ liệu được gắn nhãn hoặc quan hệ theo cách trực quan hon |",
* Có thể xử lý tập dữ liệu khác nhau về định dạng: chuỗi thời gian, bảng không đồng nhất, ma trận dữ liệu.
* Khả năng import dữ liệu từ nhiều nguồn khác nhau như CSV, DB/SQL
* Có thê xử lý vô số phép toán cho tập dữ liệu: subsetting, slicing, filtering, merging, groupBy, re-ordering, and re-shaping
* Xử ly, phân tích dit liệu tốt như mô hình hoá va thống kê
+ Pandas có ba cấu trúc dữ liệu và nó được xây dựng dựa trên thư viện Numpy vậy nên chúng hoạt động rất nhanh và hiệu quả: Series, DataFrame, Panel.
2.5 Xử lý ngôn ngữ tự nhiên
2.5.1 Tông quan xử lý ngôn ngữ tự nhiên
- Xử ly ngôn ngữ tự nhiên (Natural Language Processing — NLP) là một nhánh của trí tuệ nhân tạo được tập trung vào các ứng dụng trên ngôn ngữ cua con ngƯỜi.
- Trong trí tuệ nhân tạo thi xử lý ngôn ngữ tự nhiên là một trong những phần khó nhất vì nó liên quan đến hiểu ngôn ngữ công cụ hoàn hảo nhất của tư duy và giao tiếp.
[1] Praveen Kumar Anwla (2020), Web Scraping using Selenium with Python
- Xử lý ngôn ngữ chính là xử lý thông tin khi thông tin đầu vào là “dữ liệu ngôn ngữ” (dữ liệu cân biên đôi), tức dữ liệu “văn bản” hay “tiêng nói”.
