ĐỀ TÀI NGHIÊN CỨU KHOA HỌC SINH VIÊN Xây Dựng Website Gợi Ý Kết Bạn Sử Dụng Hệ Asymmetric - Singular Value Decomposition

TRƯỜNG ĐẠI HỌC THỦ DẦU MỘT KHOA KỸ THUẬT – CÔNG NGHỆ ĐỀ TÀI NGHIÊN CỨU KHOA HỌC SINH VIÊN Xây Dựng Website Gơ ̣i Ý Kế t Ba ̣n Sử Du ̣ng Hê ̣ Asymmetric - Singular Value Decomposition Giáo viên hướng dẫn: ThS Trần Cẩm Tú Sinh viên thực hiện: Dương Thị Nguyệt Bình Dương, tháng năm 2018 UBND TỈNH BÌNH DƯƠNG CỘNG HỊA XÃ HỘI CHỦ NGHĨA VIỆT NAM TRƯỜNG ĐẠI HỌC THỦ DẦU MỘT Độc lập – Tự – Hạnh phúc THÔNG TIN VỀ SINH VIÊN CHỊU TRÁCH NHIỆM CHÍNH THỰC HIỆN ĐỀ TÀI I SƠ LƯỢC VỀ SINH VIÊN: Ảnh 3x4 Họ tên: Dương Thị Nguyệt Sinh ngày: 11 tháng 09 năm 1997 Nơi sinh: Xã Giang Sơn, huyện Đô Lương, Tỉnh Nghệ An Lớp: D15HT02 Khóa: 2015 - 2019 Khoa: Kỹ Thuật – Công Nghệ Địa liên hệ: Khu phố Khánh Tân, phường Khánh Bình, thị xã Tân Uyên, tỉnh Bình Dương Điện thoại: 0962 861 421 Email: duongnguyet907@gmail.com II Q TRÌNH HỌC TẬP (kê khai thành tích sinh viên từ năm thứ đến năm học): * Năm thứ 1: Ngành học: Hệ thống thông tin Khoa: Kỹ Thuật – Công Nghệ Kết xếp loại học tập: Khá * Năm thứ 2: Ngành học: Hệ thống thông tin Khoa: Kỹ Thuật – Công Nghệ Kết xếp loại học tập: Khá Ngày Xác nhận lãnh đạo khoa tháng 04 năm 2018 Sinh viên chịu trách nhiệm thực đề tài (ký, họ tên) (ký, họ tên) Dương Thị Nguyệt i UBND TỈNH BÌNH DƯƠNG CỘNG HỊA XÃ HỘI CHỦ NGHĨA VIỆT NAM TRƯỜNG ĐẠI HỌC THỦ DẦU MỘT Độc lập – Tự – Hạnh phúc THÔNG TIN KẾT QUẢ NGHIÊN CỨU CỦA ĐỀ TÀI Thông tin chung: - Tên đề tài: Xây Dựng Website Gơ ̣i Ý Kế t Ba ̣n Sử Du ̣ng Hê ̣ Asymmetic - Singular Value Decomposition - Sinh viên/ nhóm sinh viên thực hiện: STT Họ tên MSSV Lớp Khoa Dương Thị Nguyệt 1524801040080 D15HT02 Năm thứ/ Số năm đào tạo Kỹ Thuật – Công Nghệ 3/4 - Người hướng dẫn: Th.s Trần Cẩm Tú Mục tiêu đề tài: Tìm hiểu mơ hình Asymmetric-Singular Value Decomposition (AsymmetricSVD) áp dụng xây dựng cài đặt ứng dụng trang web gợi ý kết bạn Tính sáng tạo: - Kết hợp với thuật toán máy học (Machine Learning) vào để tài - Tiếp cận xu hướng chung sinh viên ngày Kết nghiên cứu: - Trang web gợi ý kết bạn Ngày tháng 04 năm 2018 Sinh viên chịu trách nhiệm thực đề tài (ký, họ tên) Dương Thị Nguyệt ii Nhận xét người hướng dẫn đóng góp khoa học sinh viên thực đề tài (phần người hướng dẫn ghi): Ngày tháng 05 năm 2018 Xác nhận lãnh đạo khoa Người hướng dẫn (ký, họ tên) (ký, họ tên) Trần Cẩm Tú iii LỜI CẢM ƠN Để hoàn thành tốt đề tài nghiên cứu khoa học trước hết em xin gửi đến quý thầy, cô giáo khoa Kỹ Thuật - Công Nghệ trường Đại Học Thủ Dầu Một lời cảm ơn chân thành Em xin cảm ơn đến ban lãnh đạo nhà trường tạo điều kiện tốt để em có hội trình bày ý tưởng mình, từ áp dụng kiến thức, kỹ có để đưa ý tưởng thành sản phẩm thực tế áp dụng đời sống Đặc biệt, em xin gửi đến Trần Cẩm Tú, người tận tình hướng dẫn, giúp đỡ việc nâng cao kiến thức chuyên môn hỗ trợ em hoàn thành đề tài nghiên cứu khoa học lời cảm ơn sâu sắc Vì kiến thức thân cịn hạn chế, nên trình xây dựng đề tài nghiên cứu khoa học em khơng tránh khỏi sai sót, kính mong nhận ý kiến đóng góp từ quý thầy Em xin trân trọng cảm ơn! Bình Dương, ngày 28 tháng năm 2018 iv MỤC LỤC DANH MỤC HÌNH .vi DANH MỤC BẢNG vii CHƯƠNG 1: GIỚI THIỆU 1.1 Đặt vấn đề 1.2 Khảo sát tài liệu liên quan 1.3 Giới hạn đề tài 1.4 Phương pháp nghiên cứu 1.5 Nội dung đề tài CHƯƠNG 2: CÁC GIẢI PHÁP CÔNG NGHỆ 2.1 Công nghệ, tảng, ngơn ngữ lập trình 2.2 Tổng quan ASP.NET MVC 2.3 Tổng quan hệ gợi ý (Recommender System - RS) CHƯƠNG 3: NỘI DUNG NGHIÊN CỨU 3.1 Kỹ thuật K_Láng giềng dựa người dùng/mục tin (User/Item KNNs) (K_Nearest Neighbor) 3.2 Đánh giá độ tin cậy giải thuật 13 3.3 Thực ghiệm kết 13 3.3.1 Cơ sở liệu 13 3.3.2 Giao diện trang web 13 3.3.3 Kết kiểm tra 16 CHƯƠNG 4: KẾT LUẬN 26 4.1 Ưu điểm đề tài 26 4.2 Nhược điểm đề tài 26 4.3 Hướng phát triển đề tài 26 TÀI LIỆU THAM KHẢO 27 v DANH MỤC HÌNH Hình 1: Mơ hình MVC Hin ̀ h 2: Sơ đồ hoạt động MVC Hình 3: Ma trận biểu diễn liệu RS (User - items raiting matrix) Hin ̀ h 4: Phân tích KNN 11 Hin ̀ h 5: Quan hệ sở liệu .13 Hình 6: Màn hình đăng nhập 14 Hin ̀ h 7: Màn hình đăng kí 14 Hình 8: Trang chủ 15 vi DANH MỤC BẢNG Bảng 1: Thuật ngữ Bảng 2: Lần kiểm tra thứ .17 Bảng 3: Tỉ lệ sai số sau lần kiểm tra thứ .17 Bảng 4: Lần kiểm tra thứ hai 18 Bảng 5: Tỉ lệ sai số sau lần kiểm tra thứ hai 18 Bảng 6: Lần kiểm tra thứ ba 18 Bảng 7: Lần kiểm tra thứ tư 19 Bảng 8: Lần kiểm tra thứ năm .19 Bảng 9: Tỉ lệ sai số sau lần kiểm tra thứ năm .19 Bảng 10: Lần kiểm tra thứ sáu .20 Bảng 11: Tỉ lệ sai số sau lần kiểm tra thứ sáu .20 Bảng 12: Lần kiểm tra thứ bảy 21 Bảng 13: Tỉ lệ sai số sau lần kiểm tra thứ bảy .21 Bảng 14: Lần kiểm tra thứ tám 22 Bảng 15: Tỉ lệ sai số sau lần kiểm tra thứ tám 22 Bảng 16: Lần kiểm tra thứ chín .23 Bảng 17: Tỉ lệ sai số sau lần kiểm tra thứ chín .23 Bảng 18: Lần kiểm tra thứ mười 24 Bảng 19: Kết đo lỗi sau lần kiểm tra .25 vii CHƯƠNG 1: GIỚI THIỆU 1.1 Đặt vấn đề Sự phát triển internet đưa vào giới với lượng lớn phần tử thông tin âm nhạc, phim ảnh, sách vở, thông tin cá nhân,…với đặc tính khác Kết thơng tin khổng lồ đó, người ta cảm thấy rối rắm câu hỏi đặt “Cái thích hợp với tơi hơn?” nảy sinh tư họ hệ thống gợi ý (Recommender Systems - RS) cách hiệu để giải vấn đề Đặc biệt, sinh viên nói chung sinh viên trường đại học Thủ Dầu Một nói riêng xu hướng truy cập mạng xã hội thường xuyên kèm theo dòng trạng thái đầy tam trạng đa phần xoay quanh vấn đề tìm người bạn có sở thích, quan điểm giống để nói chuyện, chia sẻ, chơi, học tập với Trước xu vậy, chúng em nảy sinh ý tưởng tạo trang web nhằm tạo môi trường cho bạn tìm kiếm thơng tin cách dễ dàng nhanh chóng thơng qua hệ thống gợi ý 1.2 Khảo sát tài liệu liên quan Một số tài liệu liên quan q trình xây dựng website: • Tài liệu nghiên cứu liên quan thiết kế lập trình website theo mơ hình MVC • Tài liệu nghiên cứu liên quan Hệ thống gợi ý (Recommender Systems – RS) đặc biệt thuật toán Asymmetric - Singular Value Decomposition • Các trang web chuyên ngành lĩnh vực máy học 1.3 Giới hạn đề tài • Đề tài tập trung nghiên cứu thuật toán hệ gợi ý xây dựng website giới thiệu bạn dựa vào điểm số vote sở thích, tính cách, tuổi thành viên cho • Dữ liệu nhập vào việc thu thập thông tin tên, tuổi, sở thích, châm ngơn tình u… • Website dễ sử dụng trình duyệt Gợi ý tương đối xác đối tượng bạn mà người sử dụng có khả phù hợp 1.4 Phương pháp nghiên cứu • Thu thập liệu từ việc khảo sát từ bạn sinh viên trường đại học Thủ Dầu Một • Nghiên cứu cách xây dựng website thuật toán lĩnh vực máy học (Machine Learning) để xây dựng trang web gợi ý bạn Sử dụng liệu nhập vào để kiểm tra độ xác thuật tốn 1.5 Nội dung đề tài • Tìm hiểu mơ hình láng giềng, mơ hình nhân tố tiềm ẩn • Tìm hiểu mơ hình Asymmetric - Singular Value Decomposition - SDV • Sử dụng mơ hình Asymmetric - SVD xây dựng thuật tốn gợi ý theo mơ hình láng giềng • Áp dụng thuật tốn xây dựng trang web gợi ý kết bạn • Kiểm thử hệ thống với liệu lấy từ việc khảo sát thực tế với bạn sinh viên • Kết luận kết nghiên cứu nêu hướng phát triển phương pháp 3.2 Đánh giá độ tin cậy giải thuật - Có nhiều phương pháp khác sử dụng để đánh giá giải thuật như: F-Measure, Area Under the ROC Curve (AUC),… phương pháp đánh giá thích hợp cho lĩnh vực cụ thể Trong nghiên cứu cách đo lỗi phù hợp Root Mean Square Deviation (RMSD) RMSE = √ |𝐷 𝑡𝑒𝑠𝑡 | ∑ |(𝑟𝑢𝑖 − 𝑟̂) 𝑢𝑖 | 𝑢,𝑖,𝑟𝜖𝐷 𝑡𝑒𝑠𝑡 3.3 Thực ghiệm kết 3.3.1 Cơ sở liệu - Trong sở liệu, thuộc tính địa sử dụng cách lấy theo mã vùng thuộc tính sở thích phân chia theo hướng nội, hướng ngoại nên tạo điều kiện cho việc tính khoảng cách tương đồng Hình 5: Quan hệ sở liệu 3.3.2 Giao diện trang web 13 3.3.2.1 Trang đăng nhập Hin ̀ h 6: Màn hình đăng nhập 3.3.2.2 Trang đăng ký 14 Hình 7: Màn hình đăng kí 3.3.2.3 Trang chủ 15 Hiǹ h 8: Trang chủ 3.3.3 Kết kiểm tra - Kết áp dụng thuật toán ước lượng dự đốn user lên user cịn lại: Lần 1: 16 Giá trị 5 1 4 4 4 0 Users Bảng 2: Lần kiểm tra thứ Users Sai số 5.196090831 4.803909169 5.803909169 5.196090831 6.803909169 Bảng 3: Tỉ lệ sai số sau lần kiểm tra thứ Lần 2: Giá trị Users 17 0 4 4 5 0 Bảng 4: Lần kiểm tra thứ hai Users Sai số 3.796423935 2.334525355 3.796423935 2.603576065 3.796423935 Bảng 5: Tỉ lệ sai số sau lần kiểm tra thứ hai Lần 3: Giá trị 0 0 0 0 5 0 0 0 0 Users Bảng 6: Lần kiểm tra thứ ba  Sai số không xác định Lần 4: Giá trị Users 18 0 0 0 0 0 0 0 0 0 Bảng 7: Lần kiểm tra thứ tư  Sai số không xác định Lần 5: Giá trị 5 2 6 5 4 Users Bảng 8: Lần kiểm tra thứ năm Users Sai số 6.464192949 3.676144747 4.535807051 3.676144747 4.464192949 Bảng 9: Tỉ lệ sai số sau lần kiểm tra thứ năm Lần 6: Giá trị Users 1 4 7 19 2 5 6 5 8 7 8 7 9 4 10 3 Bảng 10: Lần kiểm tra thứ sáu Users Sai số 8.659749425 5.2865546 5.2865546 7.140250575 7.140250575 8.140250575 5.2865546 7.659749425 5.2865546 10 5.40728533 Bảng 11: Tỉ lệ sai số sau lần kiểm tra thứ sáu Lần 7: Giá trị Users 20 10 4 7 4 2 4 5 0 5 6 4 8 9 8 8 4 8 7 9 4 10 3 10 Bảng 12: Lần kiểm tra thứ bảy Users Sai số 8.336676612 5.056334914 5.056334914 7.463323388 7.463323388 5.056334914 8.463323388 7.336676612 5.056334914 10 5.463323388 Bảng 13: Tỉ lệ sai số sau lần kiểm tra thứ bảy Lần 8: Giá trị 21 Users 5 2 5 5 3 3 2 6 2 7 8 7 0 5 9 8 10 0 0 Bảng 14: Lần kiểm tra thứ tám Users Sai số 8.89241001197337 21.9075899880266 6.90758998802663 6.90758998802663 6.89241001197337 6.89241001197337 6.90758998802663 6.90758998802663 6.90758998802663 10 6.90758998802663 Bảng 15: Tỉ lệ sai số sau lần kiểm tra thứ tám Lần 9: 22 Giá trị Users 10 5 5 0 0 3 2 0 2 0 0 7 0 0 5 9 0 0 10 0 0 Bảng 16: Lần kiểm tra thứ chín Users Sai số 5.03167970912881 3.03167970912881 5.03167970912881 4.76832029087119 5.03167970912881 3.03167970912881 5.03167970912881 4.76832029087119 4.76832029087119 10 4.76832029087119 Bảng 17: Tỉ lệ sai số sau lần kiểm tra thứ chín Lần 10: 23 Giá trị Users 10 0 5 0 0 0 3 0 0 0 0 0 0 2 0 0 0 0 0 0 0 0 0 0 9 0 0 0 0 10 0 0 0 0 0 Bảng 18: Lần kiểm tra thứ mười  Sai số không xác định - Kết độ đo lỗi RMSE qua lần thử thu bảng sau: 24 Lần kiểm tra Tỉ lệ lỗi (%) 7.9 8.57 Không xác định Không xác định 4.71 1.84 5.38 3.8 4.1 10 Không xác định Bảng 19: Kết đo lỗi sau lần kiểm tra - Sau 10 lần kiểm tra độ tin cậy thuật tốn chúng tơi có nhận xét sau: o Nếu tập kiểm tra với số lượng tỉ lệ lỗi cao so với việc ta xét tập kiểm tra nhiều o Nếu tập kiểm tra đem vào mà tỉ lệ đánh giá người dùng q khơng đảm bảo tính xác thực thuật tốn o Do ta rút được: Khi đem tất tập kiểm tra vào bắt buộc người người dùng phải đánh giá hết (Khơng đánh giá mình) Lúc độ tin cậy thuật tốn tương đối xác 25 CHƯƠNG 4: KẾT LUẬN 4.1 Ưu điểm đề tài Đề tài xây dựng thành công website gợi ý kết bạn với ưu điểm: o Giao diện website gợi ý kết bạn thân thiện dễ sử dụng o Kết hợp với thuật toán máy học (Machine Learning) vào để tài o Sáng tạo thêm phương pháp đo khoảng cách đối tượng thông qua trường thuộc tính quê quán người dùng hay sở thích… Từ gợi ý người quê quán, sở thích ưu tiên 4.2 Nhược điểm đề tài Đề tài có số nhược điểm sau: o Đề tài hạn chế chức o Dữ liệu nhập vào theo phiếu khảo sát thực tế, số lượng mẫu tin o Không đủ thời gian cho người dùng thực nghiệm nên chưa xác minh tính hiệu của thuật toán 4.3 Hướng phát triển đề tài o Tăng số lượng liệu o Đa dang thuộc tính liệu o Áp dụng Crawler Tool vào việc lấy dữu liệu trực tiếp từ thông tin FaceBook, Zalo… vào việc kết nối sở liệu o Đa dạng chức nhắn tin, gọi điện … o Nghiên cứu sử dụng thêm thuật tốn tìm nhân tố tiềm ẩn ma trận 26 TÀI LIỆU THAM KHẢO [1] Tên tác giả, tên tác phẩm, năm • Chuong - NTNghe-He thong goi y - Ky thuat va Ung dung [2] Tên website: • https://en.wikipedia.org/wiki/Recommender_system • https://sj.ctu.edu.vn/ql/docgia/download/baibao-7145/05CNTT_NGUYEN%20HUNG%20DUNG(36-51).pdf • http://fit.uet.vnu.edu.vn/dmss2016/files/lecture/DangHoangVuLecture.pdf • https://viblo.asia/p/he-thong-goi-y-va-cac-huong-tiep-canjvEla6DN5kw • https://machinelearningcoban.com 27