Lọc cộng tác bằng phương pháp đồng huấn luyện (tt)

HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG - PHẠM THỊ HIÊN LỌC CỘNG TÁC BẰNG PHƯƠNG PHÁP ĐỒNG HUẤN LUYỆN Chuyên ngành: Truyền liệu mạng máy tính Mã số: 60.48.15 TÓM TẮT LUẬN VĂN THẠC SĨ KỸ THUẬT NGƯỜI HƯỚNG DẪN KHOA HỌC PGS.TS TỪ MINH PHƯƠNG HÀ NỘI - 2012 MỞ ĐẦU Hiện nay, hệ thống tư vấn (recomender system) trở thành công cụ hữu dụng phổ biến hệ thống thương mại điện tử Ví dụ Amazon.com, chacha.vn, Yahoo! news, ebay.com,…v.v Đã có nhiều nghiên cứu phương pháp sử dụng hệ tư vấn lựa chọn Và bước phát triển lĩnh vực nghiên cứu đời kỹ thuật lọc cộng tác (collaborative filtering) vào năm 1990s Lọc cộng tác phương pháp phổ biến cho việc xây dựng hệ thống tư vấn Các thuật toán lọc cộng tác thường dựa thông tin mua bán hoặclịch sử đánh giá người dùng để đưa dự đoán dựa độ tương đồng sở thích người dùng với Mặc dù, thuật toán áp dụng số hệ thống tư vấn lựa chọn đạt số thành tựu định, chúng nhiều hạn chế cần phải giải vấn đề người dùng mới, vấn đề thưa thớt liệu đánh giá, vấn đề cold-start… Trong nghiên cứu này, em trình bày phương pháp mới, là, phương pháp lọc cộng tác dựa phương pháp đồng huấn luyện Phương pháp kết hợp cách tiếp cận theo người dùng cách tiếp cận theo sản phẩm để huấn luyện liệu đánh giá Vì kết hợp khung nhìn nên phương pháp phát huy ưu điểm lọc cộng tác theo người dùng lọc cộng tác theo sản phẩm có khả khắc phục hạn chế thời cách tiếp cận túy Nội dung luận văn bố cục thành chương sau:  Chương – LỌC CỘNG TÁC Để thấy động lực cho việc nghiên cứu phương pháp mới, chương trình bày tổng quan lọc cộng tác, phương pháp lọc cộng tác hạn chế phương pháp lọc cộng tác  Chương – LỌC CỘNG TÁC BẰNG PHƯƠNG PHÁP ĐỒNG HUẤN LUYỆN Chương trình bày phương pháp đề xuất - phương pháp lọc cộng tác phương pháp đồng huấn luyện Xuất phát từ nghiên cứu phương pháp đồng huấn luyện để hiểu lợi ích có từ phương pháp này, từ nghiên cứu trình thực áp dụng phương pháp lọc cộng tác  Chương – THỬ NGHIỆM VÀ ĐÁNH GIÁ Chương dành cho việc thực kiểm thử liệu thử nghiệm Từ kết thử nghiện thu tiến hành đánh giá phương pháp, đồng thời so sánh với kết thu từ phương pháp trước Chương – LỌC CỘNG TÁC 1.1 1.2.1 Vấn đề lọc cộng tác Mơ tả tốn lọc cộng tác Lọc cộng tác cách tiếp cận thành công để xây dựng hệ thống tư vấn lựa chọn Khác với lọc theo nội dung, lọc cộng tác dựa đánh giá nhóm người dùng hợp “gu” với người dùng c để ước lượng giá trị có ích u (c, s ) sản phẩm s với người dùng c Trong kịch điển hình lọc cộng tác, có danh sách m người dùng { , , … , } danh sách n sản phẩm { , , … , } người dùng có tập sản phẩm mà người dùng đánh giá sở thích họ thu thập qua hành vi 1.2 Các phương pháp lọc cộng tác Các kỹ thuật sử dụng cho tư vấn cộng tác phân thành loại lọc theo nhớ lọc theo mơ hình lọc kết hợp 1.3  Hạn chế phương pháp lọc cộng tác Vấn đề thưa thớt liệu đánh giá: Trong thực tế, nhiều hệ tư vấn lựa chọn thương mại thường đánh giá tập sản phẩm lớn Và để thực tư vấn xác, hệ thống phải học sở thích người dùng từ đánh người dùng thực Tuy nhiên, hệ tư vấn nào, số đánh giá đạt thường nhỏ so với số đánh giá cần dự đoán Do đó, ma trận sản phẩm người dùng sử dụng cho lọc cộng tác vô thưa thớt hiệu dự đoán tư vấn hệ thống lọc cộng tác thách thức lớn Vấn đề thưa thớt liệu xuất vài tình huống, điển hình tình sau: Vấn đề “cold – start”: Vấn đề xảy người dùng sản phẩm nạp vào hệ thống; khơng có đủ thơng tin nên khó khăn để xác định người dùng (hoặc sản phẩm) tương đồng với người dùng (hoặc sản phẩm mới) Những sản phẩm không tư vấn cho người dùng có số đánh giá người dùng cho sản phẩm Và người dùng gần nhận tư vấn tốt thiếu đánh giá cho sản phẩm thiếu thông tin lịch sử mua bán Vấn đề giảm “Coverage”: “Coverage” định nghĩa phần trăm sản phẩm mà thuật tốn đưa để tư vấn cho người dùng Vấn đề “Coverage” bị giảm xảy số đánh giá người dùng xem nhỏ nhiều so với số lượng sản phẩm có hệ thống, hệ tư vấn khơng có khả để tạo tư vấn Vấn đề “Neighbor transitivity”: Được xem vấn đề với sở liệu thưa thớt, người dùng không xác định tương đồng với nhóm người dùng chưa có đánh giá cho sản phẩm giống với nhóm người dùng đánh giá Điều làm giảm tính hiệu hệ tư vấn mà dựa việc so sánh người dùng để đưa dự đoán  Khả mở rộng: Khi số lượng người dùng sản phẩm tăng lên nhanh chóng, thuật tốn lọc cộng tác truyền thống gặp phải loạt vấn đề khả  1.4 mở rộng, với u cầu tính tốn vượt xa so với mức đáp ứng Tính đồng nghĩa: Tính đồng nghĩa muốn nói đến xu hướng số sản phẩm giống tương tự có tên khác ghi khác Hầu hết hệ thống tư vấn phát liên kết tiềm ẩn này; xem sản phẩm khác Ví dụ, sản phẩm khác “Children movie” “Children Film”, thực chất chúng sản phẩm hệ thống lọc cộng tác dựa nhớ khơng thấy điều để tính toán độ tương tự cho chúng Mục tiêu nghiên cứu đề tài Để hạn chế nhược điểm nêu trên, u cầu phải có thuật tốn học tận dụng lợi liệu chưa có nhãn có khả mở rộng tập liệu có nhãn sử dụng tập liệu chưa có nhãn Đây nội dung đề tài nghiên cứu em Trong chương để tài, em trình bày phương pháp đáp ứng yêu cầu này, vấn đề lọc cộng tác vấn đề đồng huấn luyện Phương pháp thực dựa khung nhìn riêng biệt: khung nhìn theo sản phầm khung nhìn theo người dùng Bằng cách này, phương pháp tận dụng ưu điểm cách tiếp cận theo người dùng theo sản phẩm; bên cạnh khung nhìn khắc phục nhược điểm khung lại 6 Chương – LỌC CỘNG TÁC BẰNG PHƯƠNG PHÁP ĐỒNG HUẤN LUYỆN Học nửa giám sát thu hút nhiều ý từ nhà nghiên cứu số lượng lớn ví dụ khơng có nhãn làm tăng hiệu suất cho thuật tốn học có số ví dụ nhỏ có nhãn Blum Mitchell [16] người xem xét việc thiết định toán mà tập đặc trưng ví dụ chia thành khung nhìn khác biệt Xem xét tốn lọc cộng theo cách tiếp cận đồng huấn luyện, khung nhìn xác định khung nhìn theo người dùng khung nhìn theo sản phẩm Tập nhãn xác định giá trị rõ ràng (các giá trị nằm đoạn [1,5]) Và cặp người dùng – sản phẩm mà người dùng chưa đánh giá sản phẩm mẫu huấn luyện cần xác định nhãn Trong phần chương sau mơ tả thuật tốn đồng huấn luyện, em trình bày cách tiếp cận lọc cộng tác đồng huấn luyện bao gồm: Lọc cộng tác phương pháp đồng huấn luyện theo người dùng, lọc cộng tác phương pháp đồng huấn luyện theo sản phẩm phương pháp kết hợp phương pháp trên 2.1 Phương pháp đồng huấn luyện (Co – Training) 2.1.1 Mô tả thuật toán đồng huấn luyện Thuật toán đồng huấn luyện áp dụng tập liệu có phân chia đặc trưng tự nhiên Quá trình đồng huấn luyện mơ tả hình thức sau: Q trình đồng huấn luyện thực sau [1] Cho không gian mẫu = × đó, 1, tương ứng khung nhìn khác mẫu Mỗi mẫu x cho cặp ( 1, 2) Giả sử khung nhìn đầy đủ để phân loại Cho D phân phối , cho C1, C2 lớp khái niệm định nghĩa tương ứng 1, Giả sử tất nhãn mẫu có xác suất khác phù hợp với hàm mục đích mục đích 2C2 1C1 phù hợp với hàm Hay nói cách khác, biểu thị cho khái niệm mục đích kết hợp tồn mẫu, với mẫu = ( 1, 2) quan sát với nhãn ℓ, có f(x) = f( ) = f(x ) = ℓ Trong thực tế, điều có nghĩa gán xác suất cho mẫu mà f(x1)f(x2) 2.2 Quan sát vấn đề lọc cộng tác theo người dùng Như trình bày chương 1, phương pháp lọc cộng tác theo người dùng tính tốn mức độ tương tự người dùng iU tập người dùng Si U có tối thiểu chung cho sản phẩm  S i  j  U : Pi  Pj    0  rix  ri r jx  rj  xPi  Pj uij    rix  ri r jx  r j  xPi Pj  xPi  Pj      đánh giá (2.4) if j  Si  (2.5)  , otherwise Các nhãn phân loại chắn dự đoán từ người dùng jSi theo công thức (2.4) 8  r rix  ri    r j u ij jx jK i  (2.6) u ij jK i  K i  j  S i : u ij  max 2.3  (2.7) Quan sát vấn đề lọc cộng tác theo sản phẩm Tương tự sản phẩm, phương pháp lọc cộng tác theo sản phẩm mức độ tương tự sản phẩm xP cột người dùng sản phẩm Cy giao tối thiểu  Cx  y  P : U x U y    (2.8) if y  Cx 0  r  r r  r  ix x iy y iU x Uy pxy   , otherwise 2  rix  rx rix  ry  iUx U y  iU x Uy       (2.9)  Các nhãn phân loại chắn dự đoán từ người dùng yCx theo công thức (2.8) p r | p | xy iy rix  y K x (2.10) xy yK x  K x  y  C x : p xy  max  (2.11) 2.4 Kết hợp kiểu quan sát 2.4.1 Lọc cộng tác phương pháp đồng huấn luyện theo người dùng Phương pháp lọc cộng tác đồng huấn luyện theo người dùng thực thơng qua vịng lặp t Tại bước khởi tạo t=0, ma trận dự đoán R ( 0)  (rij(0) ) lấy ma trận đánh giá ban đầu R=(rij) Quá trình huấn luyện thực bảng 2.3 Bảng 2.3 Thuật toán lọc cộng tác phương pháp đồng huấn luyện theo người dùng Đầu vào: Khởi tạo ma trận đánh giá Đầu : Ma trận dự đoán R0 (rij(0))  (rij)   R(t )  rij(t ) Các bước tiến hành: Khởi tạo số bước lặp ban đầu: t0; Bước lặp: Repeat 2.1 Huấn luyện theo người dùng: a) Tìm S i(t ) , uij(t ) theo cơng thức (2.4), (2.5) b) Tìm K i(t ) theo cơng thức (2.7) (t ) c) Dự đốn rix theo cơng thức (2.6) 2.2 Huấn luyện theo sản phẩm: a) Tìm C x(t ) , p (xyt ) theo công thức (2.8), (2.9) b) Tìm K x(t ) theo cơng thức (2.11) (t ) c) Dự đốn rix theo cơng thức (2.10) 2.3 Tăng bước lặp: tt+1; Until Converges: khơng có nhãn phân loại bổ sung vào ma trận dự đoán 10 2.4.2 Lọc cộng tác phương pháp đồng huấn luyện theo sản phẩm Gần giống với lọc cộng tác phương pháp đồng huấn luyện theo sản phẩm, phương pháp có điểm khác trình huấn luyện thứ tự thực huấn luyện, trình huấn luyện theo sản phẩm thực trước trình huấn luyện theo người dùng Phương pháp mơ tả hình thức bảng 2.4 sau: Bảng 2.4 Thuật toán lọc cộng tác phương pháp đồng huấn luyện theo sản phẩm Đầu vào: Ma trận đánh giá Đầu : Ma trận dự đoán R0 (rij(0))  (rij)   R(t )  rij(t ) Các bước tiến hành: Khởi tạo số bước lặp ban đầu: t1; Bước lặp: Repeat 2.1 Huấn luyện theo sản phẩm: a) Tìm C x(t ) , p (xyt ) theo công thức (2.8), (2.9) b) Tìm K x(t ) theo cơng thức (2.11) (t ) c) Dự đốn rix theo cơng thức (2.10) 2.2 Huấn luyện theo người dùng: a) Tìm S i(t ) , uij(t ) theo công thức (2.4), (2.5) b) Tìm K i(t ) theo cơng thức (2.6) (t ) c) Dự đốn rix theo cơng thức (2.7) 2.3 Tăng bước lặp: tt+1; Until Converges : khơng có nhãn phân loại bổ sung vào ma trận dự đoán 11 2.5 Ví dụ minh họa Ví dụ, xem xét toán lọc cộng tác với ma trận đánh giá R = (rij) hệ gồm người dùng U = {u1, u2, u3, u4, u5} sản phẩm P = {p1, p2, p3, p4, p5, p6, p7,} Mỗi người dùng đưa đánh giá sản phẩm theo thang bậc {, 1, 2, 3, 4, 5} Giá trị rij= hiểu người dùng ui chưa đánh giá chưa biết đến sản phẩm pj Các giá trị r5,1 =? sản phẩm hệ thống cần dự đoán cho người dùng u5 Bảng 2.5 Ma trận đánh giá lọc cộng tác Người dùng Sản phẩm u1 u1 u1 u1 u2 u2 u2 u2 u3  u3  u3  u3  u4  u4  u4  u4  u5 ? u5 ? p1 p1 p1 u5 ? p1 u5 ? Ví dụ tập với người dùng cho Bảng 2.5, thực huấn luyện theo người dùng ta tìm K1={u2}, K2={u3}, K3={u2} Và giá trị dự đoán chắn điền cho u1 r13=5, r14=5 Giá trị dự đoán chắn điền cho u2 r26=2 Giá trị dự đoán chắn điền cho u3 r31=1, r35=4 12 Bảng 2.6 Ma trận đánh ước lượng theo người dùng Người dùng Sản phẩm p1 p2 p3 p4 p5 p6 p7 u1 5  u2  5 u3  5 4 u4  5   u5 ?  ? ? 4 Với K1={p5}, K3={p7}, K7={p3,p4} giá trị dự đốn chắn điền cho p1 r41 = 2, cho p5 r53=4 cho p7 r47=5 Bảng 2.7 Ma trận đánh ước lượng theo sản phẩm Sản phẩm Người dùng p1 p2 p3 p4 p5 p6 p7 u1 5  u2  5 u3  5 4 u4 5  u5 ? ? ? 4 Như vậy, trình lọc cộng tác đồng huấn luyện với bước lặp bổ sung giá trị đánh giá thiếu vào tập liệu huấn luyện 13 Chương – THỬ NGHIỆM VÀ ĐÁNH GIÁ Việc cài đặt thuật toán nêu phần trước trình bày chương này; thuật tốn lọc cộng tác dựa theo người dùng, lọc cộng tác dựa theo sản phẩm lọc cộng tác phương pháp đồng huấn luyện Các kết xác định so sánh dựa độ đo: độ nhạy, độ tính xác Fmeasure 3.1 3.1.1 Dữ liệu thử nghiệm Mô tả tập liệu kiểm thử Với thử nghiệm, sử dụng tập liệu Movielens nhóm nghiên cứu GroupLens Tập liệu Movielens chứa liệu đánh giá rõ ràng cho phim Bao gồm 100000 đánh giá thực 943 users 1682 items Các phim nhận giá trị đánh giá khoảng từ đến Dữ liệu lọc, với người dùng có 20 đánh giá khơng có thông tin đầy đủ loại bỏ khỏi tập liệu người dùng đánh giá 20 phim 3.1.2 Thiết lập tham số kiểm thử Vì tập trung vào hiệu phương pháp giai đoạn bắt đầu, có số lượng nhỏ đánh giá có sẵn, nên thuật tốn thực thử nghiệm theo tập liệu nhỏ A, B C tạo từ liệu u1.base, u2 base,u3.base u1.test, u2.test, u3.test Mô tả tập liệu trình bày bảng 3.2 14 Bảng 3.2 Thiết lập tham số kiểm thử Dataset Số người dùng Số sản phẩm Số đánh giá thực A 30 30 126 B 50 60 325 C 70 50 318  Thuật toán lọc cộng tác dựa người dùng: kiểm tra đắn cài đặt thuật tốn sử dụng ba kích thước hàng xóm K = Và kiểm nghiệm với tập 20 người dùng – 20 sản phẩm, 50 người dùng – 60 sản phẩm, 70 người dùng – 50 sản phẩm tập liệu MovieLens  Thuật toán lọc cộng tác dựa sản phẩm thiết lập tham số giống thuật toán lọc cộng tác dựa theo người dùng  Thuật toán lọc cộng tác phương pháp đồng huấn luyện dựa người dùng, thuật toán lọc cộng tác phương pháp đồng huấn luyện dựa sản phẩm thuật toán kết hợp thực với thiết định giống với thuật toán lọc cộng tác 3.2 Phương pháp thử nghiệm Trước tiên, toàn liệu thử nghiệm chia thành hai phần, phần Utr sử dụng làm liệu huấn luyện, phần lại Ute sử dụng để kiểm tra Tập Utr chứa 80% đánh giá tập Ute chứa 20% đánh giá Dữ liệu huấn luyện sử dụng 15 để xây dựng mơ hình theo thuật tốn mơ tả Với người dùng i thuộc tập liệu kiểm tra, đánh giá (đã có) người dùng chia làm hai phần Oi Pi Oi coi biết, Pi đánh giá cần dự đốn từ liệu huấn luyện Oi 3.2.1 Độ đo Ba độ đo sử dụng thử nghiệm thuật tốn độ xác, độ nhạy F – measure Ba độ đo tính theo cơng thức sau: Precision (tính xác) phần trăm số sản phẩm tư vấn xác[7] Pr ecision  | S1  S | | S1 | (3.2) Recall phần trăm số sản phẩm xác tư vấn [7] Re call  | S1  S | S2 (3.3) F – measure kết hợp độ xác recall tường sử dụng dể để tối ưu có mâu thuẫn độ nhạy độ xác: F  measure   Pr ecision  Re call Pr ecision  Re call (3.4) 16 3.2.2 Mô tả cài đặt thuật toán lọc cộng tác dựa theo người dùng Để đưa dự đoán sản phẩm x, giả sử vector đầu vào chứa tất sản phẩm tập liệu khác x Một vài người dùng chưa đánh giá cho số sản phẩm đó, ma trận khoảng cách tính thơng qua sản phẩm mà người dùng tích cực i người dùng j tập liệu đánh giá Trong thử nghiệm này, khoảng cách tính theo độ tương quan Pearson: 0   rix  ri r jx  r j  xPi  Pj uij     rjx  rj   rix  ri xPi  Pj  xPi  Pj     if j  Si    , otherwise Giao diện cài đặt chương trình kiểm thử 17 Hình 3.1 Thiết định kiểm thử Hình 3.2 Cài đặt kiểm thử thuật toán lọc cộng tác theo người dùng 18 3.2.3 Mơ tả cài đặt thuật tốn lọc cộng tác dựa theo sản phẩm Tương tự, với thuật toán lọc cộng tác dựa theo sản phẩm, dự đoán đánh giá người dùng i cho sản phẩm x dựa đánh giá người dùng i cho sản phẩm y tương đồng với sản phẩm x Độ tương quan Pearson tính theo phương trình: if y  Cx 0  rix  rx riy  ry  iUx U y pxy   , otherwise 2  r  r r  r ix x ix y  iUx U y  iU x U y        Giao diện cài đặt chương trình kiểm thử Hình 3.3 Cài đặt kiểm thử thuật tốn lọc cộng tác theo sản phẩm 19 3.2.4 Mô tả cài đặt thuật toán phương pháp đồng huấn luyện Việc thực cài đặt thuật toán lọc cộng tác phương pháp đồng huấn luyện thực theo cách tiếp cận là: lọc cộng tác phương pháp đồng huấn luyện dựa theo người dùng lọc cộng tác phương pháp đồng huấn luyện dựa theo sản phẩm Điểm khác biệt cách tiếp cận thứ tự thực q trình huấn luyện theo người dùng huấn luyện theo sản phẩm Cụ thể, thuật toán thực theo thủ tục trình bày chi tiết bảng 2.3 bảng 2.4 Giao diện cài đặt chương trình kiểm thử: Hình 3.4 Cài đặt kiểm thử thuật tốn lọc cộng tác phương pháp đồng huấn luyện 20 3.3 Kết thử nghiệm Các kết kiểm thử cài đặt thuật toán tổng hợp bảng 3.3 Bảng 3.3 Bảng kết kiểm thử thuật toán lọc cộng tác Tập liệu Phương pháp A B C Độ nhạy 0.953 0.928 0.987 Độ xác 0.844 0.856 0.86 F - measure 0.895 0.89 0.919 Độ nhạy 0.153 0.157 0.097 Độ xác 0.255 0.241 0.205 F - measure 0.191 0.19 0.123 Độ nhạy 0.988 0.942 0.978 Độ xác 0.857 0.856 0.86 F - measure 0.918 0.897 0.919 Độ nhạy 0.388 0.277 0.342 Độ xác 0.337 0.256 0.298 F - measure 0.361 0.266 0.318 Độ đo Lọc cộng tác theo người dùng Lọc cộng tác theo sản phẩm Lọc cộng tác phương pháp đồng huấn luyện theo người dùng Lọc cộng tác phương pháp đồng huấn luyện theo sản phẩm 21 3.4 So sánh đánh giá Trong thử nghiệm ban đầu, phương pháp lọc cộng tác dựa theo người dùng, lọc cộng tác dựa theo sản phẩm phương pháp lọc cộng tác phương pháo đồng huấn luyện so sánh qua kết thử nghiệm Các kiểm thử thực thuật tốn với tập liệu có độ lớn khác Căn vào kết kiểm thử cách tiếp cận phương pháp đồng huấn luyện theo người dùng làm việc tốt so với phương pháp lọc cộng tác theo người dùng cách tiếp cận phương pháp đồng huấn luyện theo sản phẩm làm việc tốt so với phương pháp lọc cộng tác theo sản phẩm Theo kết kiểm thử, cách tiếp cận phương pháp đồng huấn luyện theo sản phẩm thực chưa tốt phương pháp lọc cộng tác theo người dùng, điều lý giải do: thứ nhất, số lượng đánh giá chắn mà trình lọc cộng tác theo sản phẩm bổ sung thêm ảnh hưởng tính thưa thớt liệu đánh giá tập liệu kiểm thử Thứ 2, việc xác định điểm dừng cài đặt thuật toán dựa vào số lượng đánh giá chắn bổ sung vào ma trận huấn luyện Trường hợp khơng có thêm đánh giá bổ sung thuật tốn dừng 22 KẾT LUẬN Phương pháp lọc cộng tác phương pháp đồng huấn luyện, trình bày báo cáo này, cách tiếp cận mới; kết hợp cách quan sát: quan sát theo người dùng quan sát theo sản phẩm để huấn luyện liệu đánh giá Trong đó, q trình quan sát theo người dùng bổ sung nhãn phân loại chắn cho q trình tính tốn mức độ tương tự cặp sản phẩm Ngược lại, trình quan sát theo sản phẩm bổ sung nhãn phân loại chắn cho q trình tính tốn mức độ tương tự cặp người dùng Bằng cách này, phương pháp đảm bảo rằng, trường hợp liệu đầu vào thưa thớt đánh giá hệ thống đưa tư vấn có ích Trong thử nghiệm ban đầu, phương pháp lọc cộng tác dựa theo người dùng, lọc cộng tác dựa theo sản phẩm phương pháp lọc cộng tác phương pháp đồng huấn luyện so sánh qua kết thử nghiệm dựa độ đo độ nhạy, độ xác F – measure Các kiểm thử thực thuật tốn với tập liệu có độ lớn khác Căn vào kết kiểm thử cách tiếp cận lọc cộng tác phương pháp đồng huấn luyện làm việc tốt cách tiếp cận lọc cộng tác túy Đặc biệt, trường hợp thưa thớt đánh giá Tuy nhiên, qua kết kiểm thử cho thấy số trường hợp phương pháp lọc cộng tác đồng huấn luyện 23 khơng đem lại lợi ích cho tư vấn Vì vậy, số hướng nghiên cứu xa cần thực hiện, là, thứ việc thực khung nhìn người dùng sản phẩm, số trường hợp làm giảm hiệu thuật toán Thứ 2, vấn đề xác định trình theo người dùng hay trình theo sản phẩm thực trước với hệ thống cụ thể để đem lại lợi ích cao từ việc sử dụng liệu chưa có đánh giá với hiệu tốt Thứ 3, cân liệu có nhãn chưa có nhãn để phương pháp đạt kết tốt  ... CỘNG TÁC BẰNG PHƯƠNG PHÁP ĐỒNG HUẤN LUYỆN Chương trình bày phương pháp đề xuất - phương pháp lọc cộng tác phương pháp đồng huấn luyện Xuất phát từ nghiên cứu phương pháp đồng huấn luyện để hiểu... 2.4.2 Lọc cộng tác phương pháp đồng huấn luyện theo sản phẩm Gần giống với lọc cộng tác phương pháp đồng huấn luyện theo sản phẩm, phương pháp có điểm khác q trình huấn luyện thứ tự thực huấn luyện, ... 0.361 0.266 0.318 Độ đo Lọc cộng tác theo người dùng Lọc cộng tác theo sản phẩm Lọc cộng tác phương pháp đồng huấn luyện theo người dùng Lọc cộng tác phương pháp đồng huấn luyện theo sản phẩm 21