Thông tin tài liệu
Hệ thống gợi ý Recommendation System Nhóm – INT3507 Thành viên: Nguyễn Trần Nhật Anh: 19020240 Nguyễn Tiến Đàn : 19020240 Trường Hoàng Sơn : 19020420 Nội dung Tổng quan Phương pháp Đối tượng, mục tiêu, ý nghĩa Các phương pháp sử dụng Demo sản phẩm Chạy sản phẩm Các vấn đề Cấu trúc liệu Tổng kết Kết luận hệ thống Tổng quan Đối tượng, mục tiêu, ý nghĩa Tổng quan Đối tượng Mục tiêu Website bán sách online Sử dụng phương pháp lọc cộng tác để đưa gợi ý Ý nghĩa Tăng doanh thu, trải nghiệm người dùng Phương pháp Phương pháp, công nghệ sử dụng Phương pháp lọc cộng tác Phương pháp lọc cộng tác phương pháp phân tích liệu người dùng để tìm mối tương quan đối tượng người dùng Chuẩn hóa liệu Chuẩn hóa liệu cách trừ trung bình cộng cột khiến trong cột có giá trị dương âm • Những giá trị dương: user thích item • Những giá trị âm: user khơng thích item • Những giá trị 0: chưa xác định Tìm mức độ giống user Sử dụng cosine_similarity, tức hàm tính cos góc vector u1 u2 Vector u1 u2 tương ứng với user user Dự đoán đánh giá người dùng • Trong đó: N(u, i) tập hợp k user có mức độ giống cao với user xét mà đánh giá sản phẩm dự đoán • yi,uj là đánh giá k user với sản phẩm dự đốn • sim(u, uj) giá trị mức độ giống k user với user xét Recommend sản phẩm Sau dự đoán đánh giá, để recommend sản phẩm cho user ta cần chọn sản phẩm mà user chưa đánh có điểm dự đốn đánh giá lớn Ở dự án: recommend sản phẩm có điểm dự đốn cao cho user Cơng nghệ ứng dụng Sử dụng thuật tốn xây dựng ma trận tính toán độ tương tự người dùng FrontEnd HTML, CSS, JS BackEnd Database NodeJS, Python MySQL ORM Sequelize Các vấn đề Cấu trúc liệu Lược đồ sở liệu Tổng kết Kết luận hệ thống Kết luận Điểm yếu • Khơng thể gợi ý khách hàng chưa có liệu lịch sử tương tác mặt hàng • Trên thực tế, số lượng users lớn số lượng items nhiều • Ma trận đánh giá mức độ giống user lớn, khiến cho việc lưu trữ ma trận nhiều trường hợp không khả thi • Rất nhiều cột ma trận có vài phần tử khác Lý users thường lười đánh giá • Một user thay đổi đánh giá rate thêm items, trung bình cộng đánh vector chuẩn hoá tương ứng với user thay đổi nhiều • Kéo theo đó, việc tính tốn ma trận mức độ giống nhau, vốn tốn nhiều nhớ thời gian, cần thực lại 5 Demo sản phẩm Chạy sản phẩm Thanks! ... MySQL ORM Sequelize Các vấn đề Cấu trúc liệu Lược đồ sở liệu Tổng kết Kết luận hệ thống Kết luận Điểm yếu • Khơng thể gợi ý khách hàng chưa có liệu lịch sử tương tác mặt hàng • Trên thực tế, số... pháp Đối tượng, mục tiêu, ý nghĩa Các phương pháp sử dụng Demo sản phẩm Chạy sản phẩm Các vấn đề Cấu trúc liệu Tổng kết Kết luận hệ thống Tổng quan Đối tượng, mục tiêu, ý nghĩa Tổng quan Đối tượng... bán sách online Sử dụng phương pháp lọc cộng tác để đưa gợi ý Ý nghĩa Tăng doanh thu, trải nghiệm người dùng Phương pháp Phương pháp, công nghệ sử dụng Phương pháp lọc cộng tác Phương pháp lọc cộng
Ngày đăng: 30/12/2021, 12:09
Xem thêm:
