Mục tiêu của luận án là nghiên cứu đề xuất các mô hình tư vấn lọc cộng tác ứng dụng các độ đo được đề xuất từ phương pháp phân tích hàm ý thống kê, khuynh hướng biến thiên hàm ý thống kê và luật kết hợp.
BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC ĐÀ NẴNG PHAN QUỐC NGHĨA HỆ TƢ VẤN DỰA TRÊN PHÂN TÍCH HÀM Ý THỐNG KẾ Chuyên ngành: Khoa học máy tính Mã số: 62.48.01.01 TÓM TẮT LUẬN ÁN TIẾN SĨ KỸ THUẬT Đà Nẵng - Năm 2018 Cơng trình hồn thành tại: ĐẠI HỌC ĐÀ NẴNG Người hướng dẫn khoa học: PGS TS Huỳnh Xuân Hiệp TS Đặng Hoài Phƣơng Phản biện 1:…………………………… …………… Phản biện 2:……………… ………………………… Phản biện 3:……………………… ………………… Luận án bảo vệ trước Hội đồng chấm luận án cấp Đại học Đà Nẵng Vào hồi… .ngày .tháng .năm…….… Có thể tìm hiểu luận án tại: - Thư viện Quốc gia - Trung tâm Thông tin – Học liệu, Đại học Đà Nẵng MỞ ĐẦU Tính cấp thiết luận án Vấn đề tải thông tin thật trở nên phổ biến với phát triển mạnh mẽ Internet mạng xã hội, lượng thông tin mà người tiếp cận ngày mở rộng Mỗi ngày, tiếp xúc với nhiều nguồn thông tin: thông tin trao đổi qua email, báo mạng Internet, đăng tải mạng xã hội, thông tin quảng cáo từ trang thương mại điện tử Với mở rộng thông tin từ Internet mạng xã hội này, việc lựa chọn thơng tin hữu ích để định người dùng máy tính thiết bị thơng minh ngày khó khăn Mơ hình tư vấn xem giải pháp hỗ trợ người dùng lựa chọn thông tin hiệu ứng dụng rộng rãi nhiều lĩnh vực Mô hình tư vấn có khả tự động phân tích thông tin, phân loại, lựa chọn cung cấp cho người dùng sản phẩm, dịch vụ quan tâm thông qua việc ứng dụng kỹ thuật thống kê trí tuệ nhân tạo Trong đó, giải thuật học máy có vai trị quan trọng Để đáp ứng nhu cầu cung cấp thông tin hỗ trợ cho người dùng, nhiều mơ hình tư vấn đề xuất như: Mơ hình tư vấn dựa lọc cộng tác, Mơ hình tư vấn dựa lọc nội dụng, Mơ hình tư vấn dựa đặc tính nhân học, Mơ hình tư vấn dựa tri thức, Mơ hình tư vấn tích hợp Tuy nhiên, với bùng nổ thông tin trang mạng xã hội dang đa sản phẩm trang thương mại điện tử nay, mơ hình tư vấn chưa đáp ứng đầy đủ yêu cầu phức tạp người sử dụng Vì thế, nghiên cứu mơ hình tư vấn tiếp tục quan tâm như: nghiên cứu tiến phương pháp thuật toán để cải thiện độ xác mơ hình tư vấn đề xuất, nghiên cứu cải tiến hệ thống để thích ứng với vấn đề bùng nổ thơng tin nghiên cứu đề xuất mơ hình tư vấn Xuất phát từ tình hình thực tiễn trên, đề tài “Hệ tư vấn dựa phân tích hàm ý thống kê” thực khuôn khổ luận án tiến sĩ chuyên ngành khoa học máy tính với mong muốn đóng góp phần vào lĩnh vực nghiên cứu mơ hình tư vấn Cụ thể mơ hình tư vấn lọc cộng tác Mục tiêu, đối tƣợng phạm vi nghiên cứu luận án 2.1 Mục tiêu nghiên cứu Mục tiêu luận án nghiên cứu đề xuất mơ hình tư vấn lọc cộng tác ứng dụng độ đo đề xuất từ phương pháp phân tích hàm ý thống kê, khuynh hướng biến thiên hàm ý thống kê luật kết hợp 2.2 Đối tương nghiên cứu Các độ đo hấp dẫn khách quan, phương pháp phân tích hàm ý thống kê mơ hình tư vấn 2.3 Phạm vi nghiên cứu Tập trung nghiên cứu phương pháp phân tích hàm ý thống kê, khuynh hướng biến thiên hàm ý thống kê, luật kết hợp mơ hình tư vấn Phƣơng pháp nghiên cứu Phân tích tổng hợp lý thuyết kết hợp với thực nghiệm Bố cục luận án Phần mở đầu Chương 1: Tổng quan Chương 2: Phân lớp độ đo hấp dẫn khách quan theo tham số hàm ý thống kê Chương 3: Mô hình tư vấn dựa số hàm ý thống kê Chương 4: Mơ hình tư vấn lọc cộng tác dựa cường độ hàm ý thống kê Chương 5: Mơ hình tư vấn lọc cộng tác dựa tương đồng hàm ý thống kê Kết luận hướng phát triển Phụ lục Đóng góp luận án - Đề xuất phương pháp phân lớp độ đo hấp dẫn khách quan theo tham số hàm ý thống kê - Đề xuất mơ hình tư vấn dựa số hàm ý thống kê - Đề xuất mơ hình tư vấn lọc cộng tác dựa cường độ hàm ý thống kê - Đề xuất mơ hình tư vấn lọc cộng tác dựa tương đồng hàm ý thống kê - Xây dựng công cụ thực nghiệm ARQAT ngôn ngữ R CHƢƠNG TỔNG QUAN Nội dung chương nghiên cứu tổng quan độ đo hấp dẫn khách quan, phương pháp phân tích hàm ý thống kê, khuynh hướng biến thiên hàm ý thống kê mơ hình tư vấn Nghiên cứu mơ hình tư vấn đề xuất phân tích ưu, nhược mơ hình Trên sở nghiên cứu này, xác định rõ nội dung nghiên cứu luận án 1.1 Phân tích hàm ý thống kê Phân tích hàm ý thống kê phương pháp phân tích bất đối xứng theo dạng liệu cho phép phát luật “nếu a sau gần b” “xem xét đến mức độ mà b đáp ứng hàm ý a” Mục đích phương pháp phát xu hướng tập thuộc tính (biến) cách sử dụng độ đo số hàm ý thống kê độ đo cường độ hàm ý thống kê Hình 1.1.1Mơ hình biểu diễn phƣơng pháp phân tích hàm ý thống kê Giả sử tập gồm đối tượng cá nhân mô tả tập hữu hạn biến (thuộc tính) nhị phân Gọi tập gồm đối tượng thỏa thuộc tính ; Gọi tính tập gồm đối tượng thỏa thuộc ̅ ; (tương ứng ̅ ) phần bù (tương ứng ); số phần tử tập ; phần tử tập ; Số phản ví dụ tượng thỏa thuộc tính ̅ số ̅ số đối không thỏa thuộc tính Gọi hai tập ngẫu nhiên có số phần tử tương ứng Trong trình chọn mẫu, biến ngẫu nhiên ̅ tuân theo phân phối Poisson với tham số ̅ cho chấp nhận ngưỡng Luật cho trước α nếu: r ̅ r ̅ r (1.2) Chúng ta xem xét trường hợp n ̅ Trong trường hợp ̅ này, biến ngẫu nhiên theo phân phối Poisson chuẩn hóa ngẫu nhiên sau: ̅ n n √n n n r ̅ n n n (1.3) Trong thực nghiệm, giá trị quan sát q định nghĩa bởi: ̅ q n ̅ n n √n n n n n ̅ ̅ n (1.4) Giá trị đo độ lệch giá trị ngẫu nhiên giá trị mong đợi a b hai biến độc lập Giá trị gọi số hàm ý thống kê Khi độ xấp xỉ điều chỉnh phù hợp (ví dụ > 4), biến ngẫu nhiên q ̅ có giá trị xấp xỉ phân phối chuẩn với giá trị trung bình phương sai Giá trị cường độ hàm ý thống kê định nghĩa bởi: luật r( ̅ ̅ ) { ∫ (1.5) ̅ Độ đo sử dụng để xác định độ không chắn phản ví dụ (counter-example) cường độ hàm ý thống kê cho trước ̅ tập E Giá trị chấp nhận với ngưỡng 1.2 Khuynh hƣớng biến thiên hàm ý thống kê Khuynh hướng biến thiên hàm ý thống kê phương pháp nghiên cứu nhằm kiểm tra tính ổn định cường độ hàm ý thống kê để thấy biến thiên nhỏ độ đo không gian lân cận tham số , Để thấy rõ khuynh hướng biến thiên hàm ý thống kê, tiến hành khảo sát độ đo số hàm ý thống kê theo tham với công thức độ đo định nghĩa (1.4) số Để quan sát biến thiên q theo biến thiên tham số , xem tham số số thực thỏa mãn bất đẳng thức sau: n sup (1.6) Trong trường hợp q xem hàm vi phân liên tục: ̅ r ̅ q (1.7) hàm tham số Để quan sát Hàm biến thiên q theo tham số cần lấy đạo hàm riêng theo tham số Trên thực tế, biến thiên nằm ước tính tăng hàm q với biến thiên q theo biến thiên thành phần tương ứng , , Vì vậy, có cơng thức: ̅ Lấy đạo hàm riêng hàm q theo ̅ ̅ (1.8) ta có cơng thức sau: (1.12) √ Từ cơng thức (1.12) cho thấy, có khuynh hướng tăng số hàm ý thống kê q có khuynh hướng tăng 1.3 Mơ hình tƣ vấn 1.3.1 Các khái niệm 1.3.2 Mơ hình tư vấn dựa lọc nội dung 1.3.3 Mơ hình tư vấn dựa lọc cộng tác 1.3.4 Mơ hình tư vấn dựa đặc tính nhân học 1.3.5 Mơ hình tư vấn dựa tri thức 1.3.6 Mơ hình tư vấn dựa luật kết hợp 1.3.7 Mơ hình tư vấn dựa phân tích hàm ý thống kê 1.3.8 Mơ hình tư vấn tích hợp 1.4 Đánh giá mơ hình tƣ vấn 1.4.1 Phương pháp xây dựng liệu đánh giá 1.4.2 Phương pháp đánh giá mơ hình tư vấn 1.5 Ứng dụng mơ hình tƣ vấn 1.6 Hƣớng phát triển mơ hình tƣ vấn 1.7 Kết luận chƣơng Đóng góp chương nghiên cứu độ đo hấp dẫn khách quan, phương pháp phân tích hàm ý thống kê Nghiên cứu mơ hình tư vấn, phân tích ưu, nhược mơ hình Đây sở để xác định nội dung nghiên cứu luận án CHƢƠNG PHÂN LỚP CÁC ĐỘ ĐO HẤP DẪN KHÁCH QUAN THEO THAM SỐ HÀM Ý THỐNG KẾ Nội dung chương trình bày độ đo hấp dẫn khách quan, phương pháp phân lớp độ đo hấp dẫn khách quan đề xuất phương pháp phân lớp độ đo dựa cách tiếp cận bất đối xứng sử dụng tham số hàm ý thống kê Kết nghiên cứu chương cơng bố cơng trình ([3]), ([4]) danh mục cơng trình cơng bố tác giả 2.1 Độ đo hấp dẫn khách quan Độ đo hấp dẫn khách quan độ đo đánh giá mẫu tri thức sở phân phối liệu Giả sử có tập hữu hạn giao dịch, với giao dịch chứa sản phẩm tập Luật kết hợp biểu diễn dạng A B hai tập phần tử rời ( ) với a thuộc tính đối tượng thuộc tập A, b thuộc tính đối tượng thuộc tập B Tập phần tử A (tương ứng B) gắn với tập giao dịch { } (tương ứng ) Tập phần tử ̅ (tương ̅ { } ứng ̅ ) gắn kết ̅ ̅ ) Mỗi luật mô tả tham (tương ứng ̅ ̅ | Khi đó, giá trị | | | | | | | số: ̅ hấp dẫn luật kết hợp dựa độ đo hấp dẫn khách quan tính dựa tham số luật ̅ n 𝑛𝐵 T A B 𝑛𝐴𝐵̅ 𝑛𝐴𝐵 𝑛𝐴 𝑛𝐴̅𝐵 Hình 2.1.2Bản số luật kết hợp 2.2 Phân lớp độ đo hấp dẫn khách quan 2.2.1 Phân lớp độ đo dựa khảo sát thuộc tính 2.2.2 Phân lớp độ đo dựa khảo sát hành vi 2.3 Phân lớp độ đo hấp dẫn khách quan theo tham số hàm ý thống kê 12 3.3 Tính số hàm ý thống kê giá trị đạo hàm riêng dựa tham số hàm ý thống kê 3.4 Mơ hình tƣ vấn dựa số hàm ý thống kê 3.4.1 Định nghĩa mơ hình tư vấn dựa số hàm ý thống kê Mơ hình tư vấn dựa số hàm ý thống kê định nghĩa sau: Trong đó: { } tập n người dùng; { } tập m thuộc tính cho người dùng, { } tập thuộc tính điều kiện, { } tập thuộc tính định; { } tập luật kết hợp chọn cho mơ hình; hàm tính tốn để tìm luật { } có giá trị tư vấn cho người dùng kết hợp u dựa độ đo số hàm ý thống kê đạo hàm riêng theo tham số hàm ý thống kê 3.4.2 Thuật toán tư vấn dựa số hàm ý thống kê Input: - Tập liệu giao dịch; - Tập giá trị thuộ tính đ ều kiện ( ) củ n ười dùng ; Output: Tập luật kết hợp hỗ trợ lựa chọn giá trị thuộc tính định; Begin ước 1: Sinh tập luật kết hợp dựa thuộc tính định từ tập liệu giao dịch ước 2: định giá trị tham số hàm ý thống kê cho tập luật kết hợp: Với luật kết hợp dựa thuộc tính định thuộc tập luật định giá trị tham số >; định giá trị tham số >; định giá trị tham số >; định giá trị tham số ̅ >; 13 ước 3: Tính giá trị số hàm ý thống kê giá trị đạo hàm riêng dựa tham số hàm ý thống kê: Với luật kết hợp dựa thuộc tính định thuộc tập luật RU ; ; ; ; ; ước 4: Chọn tập luật tư vấn ho n ười dùng : Với luật kết hợp dựa thuộc tính định thuộc tập luật Nếu ( < Tập giá trị >) luật kết hợp vào tập luật tư vấn ho n ười dùng >; ; ; End 3.5 Thực nghiệm 3.5.1 Dữ liệu thực nghiệm Mơ hình thực nghiệm hai tập liệu: tập Lenses UCI tập liệu tuyển sinh đại học, cao đẳng quy Trường Đại học Trà Vinh (DVT-Data) 3.5.2 Đánh giá độ xác mơ hình tập liệu chuẩn 14 Bảng 3.17 Kết tƣ vấn với thuộc tính điều kiện {i1=1, i2=2, i3=2, i4=1} Từ kết tư vấn bảng 3.17, người dùng có xem xét dựa giá trị thuộc tính định để đưa định cuối có sử dụng kính áp trịng hay khơng 3.5.3 Đánh giá độ xác mơ hình tập liệu thực Mơ hình đưa kết có chứa mã ngành học thí sinh đăng ký 10 lần chạy Đặc biệt, hầu hết kết tư vấn dựa luật liên quan đến khối thi điểm thi môn khối thi Đây đặc điểm phù hợp với yêu cầu thực tế công tác tư vấn tuyển sinh 3.6 Kết luận Đóng góp chương đề xuất mơ hình tư vấn dựa số hàm ý thống kê luật kết hợp Điểm khác biệt mơ hình dựa vào giá trị thuộc tính điều kiện để tính tốn giá trị thuộc tính định đối tượng CHƢƠNG MƠ HÌNH TƢ VẤN LỌC CỘNG TÁC DỰA TRÊN CƢỜNG ĐỘ HÀM Ý THỐNG KÊ Chương đề xuất mơ hình cho mơ hình tư vấn lọc cộng tác dựa tiếp cận bất đối xứng Mơ hình tư vấn lọc cộng tác sử dụng luật kết hợp độ đo cường độ hàm ý thống kê Trong đó, mơ hình sử dụng tập luật kết hợp có độ ngạc nhiên cao sinh dựa ma trận xếp hạng độ đo cường độ hàm ý thống kê 15 Kết nghiên cứu chương công bố công trình (12) danh mục cơng trình cơng bố tác giả 4.1 Luật kết hợp dựa cƣờng độ hàm ý thống kê 4.1.1 Định nghĩa luật kết hợp dựa cường độ hàm ý thống kê { } tập n người dùng; { } tập m sản phẩm; { } ma trận xếp hạng người dùng cho sản phẩm với dòng biểu diễn cho người dùng ( ), cột biểu diễn cho sản phẩm ( ); giá trị xếp hạng người dùng cho sản phẩm ; tập sản phẩm xếp hạng người dùng ; tập sản phẩm xếp hạng người dùng Luật kết hợp dựa độ đo cường độ hàm ý thống kê định nghĩa: Trong hai tập rời với Gọi Luật chấp nhận với ngưỡng cường độ hàm ý thống kê: với Trong định nghĩa cơng thức (1.5) 4.1.2 Thuật tốn sinh luật kết hợp dựa cường độ hàm ý thống kê Input: Tập liệu huấn luyện n ưỡng giá trị ườn độ hàm ý thống kê; Output: Tập luật kết hợp dự độ đo ườn độ hàm ý thống kê; Begin ước 1: Sinh tập từ đến k phần tử ; ; ; ước 2: Sinh tập không rỗng cho tập ứng viên 16 Với tập ứng viên I thực ; ước 3: Sinh luật kết hợp vớ n ưỡn ườn độ hàm ý thống kê Với tập s khác rỗng s thuộc I thực thao tác sau: ; Nếu giá trị ườn độ hàm ý luật kết hợp r n ưỡng ( ) ; End 4.2 Mơ hình tƣ vấn lọc cộng tác dựa cƣờng độ hàm ý thống kê 4.2.1 Định nghĩa mơ hình tư vấn dựa cường độ hàm ý thống kê { } tập n người dùng; Gọi { } tập m sản phẩm; { } tập liệu huấn luyện, với giá trị xếp hạng người dùng cho sản phẩm ; giá { } tập liệu kiểm tra, với trị xếp hạng người dùng cho sản phẩm ; { } tập luật kết hợp sinh từ tập liệu huấn luyện dựa độ đo cường độ hàm ý thống kê; giá trị kiểm { } ma trận logic, với tra logic luật người dùng , người dùng có xếp hạng cho sản phẩm thuộc vế trái luật , ngược lại ; { } tập luật kết hợp chọn cho người dùng Kết tư vấn cho người dùng tập sản phẩm thuộc vế phải tập luật sản phẩm chưa người dùng xếp hạng { } 4.2.2 Thuật toán tư vấn dựa cường độ hàm ý thống kê Input: - Tập luật kết hợp sinh từ tập liệu huấn luyện, - Tập liệu kiểm tra; Output: Kết tư vấn cho từn n ười dùng tập liệu kiểm tra; 17 Begin ước 1: Tạo ma trận logic dựa tập luật kết hợp tập liệu kiểm tra t = ; l = ; { { }, với } { }; Với luật kết hợp họn thực Với mỗ n ười dùng tập kiểm tra thực ế ậ ậ ả ả ộ đượ ế ườ ậ ê ê ộ ế ì N ược lại ước 2: Chọn luật kết hợp cho từn n ười dùng cần tư vấn Với mỗ n ười dùng tập kiểm tra thực Với luật kết hợp họn thực Nếu ( ; ước 3: Chọn sản ph m cần tư vấn cho từn n ười dùng Với mỗ n ười dùng tập kiểm tra thực ; ; End 4.2.3 Đánh giá độ xác mơ hình 4.3 Thực nghiệm 4.3.1 Dữ liệu thực nghiệm Phần thực nghiệm thực hai tập liệu khác nhau: tập liệu xếp hạng dạng số thực (MovieLens) tập liệu xếp hạng dạng nhị phân (MSWeb) 18 4.3.2 So sánh độ xác mơ hình liệu xếp hạng dạng nhị phân liệu xếp hạng dạng số thực Kết đánh giá độ xác mơ hình dựa ba độ đo Precision, Recall Fmeasure (Hình 4.2) cho thấy mơ hình cho kết tư vấn tập liệu xếp hạng dạng nhị phân có độ xác cao so với kết tư vấn tập liệu xếp hạng dạng số thực Hình 4.2 Biểu đồ cho thấy mơ hình có độ xác cao liệu xếp hạng dạng nhi phân 4.3.3 Độ xác mơ hình so với mơ hình tư vấn lọc cộng tác khác Để đánh giá hiệu mơ hình đề xuất (IIR) so với mơ hình lọc cộng tác khác, luận án tiến hành so sánh độ xác mơ hình đề xuất với độ xác mơ hình tư vấn lọc cộng tác: Mơ hình tư vấn lọc cộng tác dựa người dùng (UBCF), Mơ hình tư vấn lọc cộng tác dựa sản phẩm (IBCF) Mơ hình lọc cộng tác dựa luật kết hợp (AR) Kết so sánh trình bày hình 4.3 19 Hình 4.3 So sánh độ xác mơ hình tƣ vấn Kết cho thấy mơ hình tư vấn dựa cường độ hàm ý thống kê có độ xác cao hai tập liệu thực nghiệm Đặc biệt, liệu nhị phân (MSWeb), mơ hình có độ xác vượt xa so với mơ hình cịn lại 4.4 Kết luận chƣơng Đóng góp chương đề xuất mơ hình tư vấn lọc cộng tác dựa cường độ hàm ý thống kê Thực nghiệm mơ hình hai tập liệu chuẩn so sánh kết đánh giá với mơ hình tư vấn lọc cộng tác hiệu khác Kết thực nghiệm cho thấy việc sử dụng luật kết hợp bất đối xứng dựa phương pháp phân tích hàm ý thống kê làm tăng độ xác mơ hình tư vấn lọc cộng tác CHƢƠNG MƠ HÌNH TƢ VẤN LỌC CỘNG TÁC DỰA TRÊN TƢƠNG ĐỒNG HÀM Ý THỐNG KÊ Chương trình bày bước xây dựng độ đo tương đồng dựa tiếp cận bất đối xứng cho mơ hình tư vấn lọc cộng tác dựa người dùng Độ đo tương đồng hai người dùng xây dựng dựa luật kết hợp độ đo cường độ hàm ý thống kê Kết nghiên cứu chương công bố cơng trình (7), (8) danh mục cơng trình cơng bố tác giả 20 5.1 Độ đo tƣơng đồng dựa cƣờng độ hàm ý thống kê 5.1.1 Độ đo tương đồng hàm ý thống kê hai người dùng Giá trị tương đồng hàm ý thống kê hai người , xác định công thức sau: u u ∑ r Trong đó: u u : giá trị tương đồng hai người dùng u u ; - r : giá trị cường độ hàm ý thống kê luật kết hợp r ; - - : số lượng luật kết hợp tập luật kết hợp sinh từ liệu xếp hạng hai người dùng u u 5.1.2 Thuật toán đo độ tương đồng hàm ý thống kê hai người dùng Input: Dữ liệu xếp hạng củ h n ười dùng u u ; Output: Giá trị tươn đồng giữ h n ười dùng u u ; Begin ước 1: Sinh luật kết hợp từ ma trận xếp hạng củ n ười dùng ước 2: Chọn luật kết hợp ho h n ười dùng u u ; ; ̅ ; ước 3: định tham số ̅ cho luật họn Với luật tập luật kết hợp họn định tham số , , , ̅ >; ước 4: Tính giá trị ườn độ hàm ý thống kê cho tập luật kết hợp họn Với luật kết hợp tập luật họn ; ước 5: ính độ tươn đồng giữ h n ười dùng u u ( u u ) ; ̅ ; 21 End 5.2 Mô hình tƣ vấn lọc cộng tác dựa tƣơng đồng hàm ý thống kê 5.2.1 Định nghĩa mơ hình tư vấn dựa tương đồng hàm ý thống kê Mô hình tư vấn lọc cộng tác dựa tương đồng hàm ý thống kê định nghĩa sau: Trong đó: { } tập n người dùng hệ thống; { } tập m sản ph m hệ thống; { } ma trận xếp hạng củ n ười dùng cho sản ph m, giá trị xếp hạng củ n ười dùng cho sản ph m ; hàm tính tốn để tìm sản ph m cần tư vấn ho n ười dùng (với { }) 5.2.2 Thuật toán tư vấn lọc cộng tác dựa tương đồng hàm ý thống kê Input: - Tập n ười dùng U; Tập sản ph m I, Ma trận xếp hạng R; - N ười dùng cần tư vấn ; Output: Các sản ph m tư vấn ho n ười dùng : { }; Begin ước 1: định nh sá h n ườ n tươn đồng vớ n ười dùng Với mỗ n ười dùng thực định giá trị tươn đồng bằn độ đo tươn đồng hàm ý thống kê: >; ; 22 ; ước 2: Tính giá trị xếp hạng dự đốn ho sản ph m < định sản ph m mà n ười dùng hư xếp hạng >; ; ước 3: Chọn sản ph m tư vấn ho n ười dùng