- Một là, đề xuất hai mức độ quan trọng hàm ý thống kê mới KnnUIR và KnnIIR dùng để dự đoán xếp hạng của người cần tư vấn. KnnUIR và KnnIIR được dựa trên một số mức độ quan trọng hàm ý thống kê có sẵn và kết hợp nhiều yếu tố tác động đến việc dự đoán xếp hạng; qua đó cải thiện hiệu quả tư vấn. - Hai là, đề xuất ba mô hình tư vấn mới SIR, UIR và IIR có thể áp dụng cho cả dữ liệu nhị phân và dữ liệu phi nhị phân. Những mô hình này sử dụng các mức độ quan trọng hàm ý thống kê có sẵn, KnnUIR và KnnIIR tương ứng để gợi ý cho người dùng danh sách các mục dữ liệu phù hợp. Các mô hình đề xuất được đánh giá theo tính chính xác của gợi ý và của xếp hạng dự đoán trên cả dữ liệu nhị phân và phi nhị phân. Kết quả thực nghiệm cho thấy hiệu quả tư vấn những các mô hình này cao hơn của những mô hình hiện có được so sánh. - Ba là, phát triển công cụ phần mềm Interestingnesslab dùng cho thực nghiệm. Công cụ này cài đặt các hàm tiện ích và các mô hình tư vấn đề xuất bằng ngôn ngữ R. Các hàm tiện ích được sử dụng để xây dựng, tích hợp và đánh giá các mô hình tư vấn đề xuất. - Bốn là, thu thập tập dữ liệu nhị phân DKHP có thể dùng để đánh giá hiệu quả hệ tư vấn. Tập DKHP lưu thông tin đăng ký học phần của các sinh viên công nghệ thông tin bậc đại học.