Bảng 14. Tác nhân tham gia hệ khuyến nghị
3.4.1. Biểu đồ hoạt động các quy trình liên quan
3.4.2. a. Quy trình quản lý bình luận và đánh giá sản phẩm
Hình 20. Biểu đồ hoạt động quy trình quản lý phản hồi khách hàng
- User mới và user thành viên đều có thể để lại bình luận và đánh giá cho sản phẩm trong giao diện Sản phẩm chi tiết. Thông tin phản hồi này sẽ được lưu vào CSDL ngay lập tức.
NHÃN HIỆU MÀU SAC GIÁ BÁN IPHON E (578) Xám * * SAMSUNG (125) Đò 1,00 * - 999.00 * OPPO (755) „___ Đdn vị: Triệu đổng Đen : • SONY (578) Trâng Vàng Hong
Khóa luận tốt nghiệp Ứng dụng học máy trong xây dựng hệ khuyến nghị tự động - Người quản trị hệ thống (Admin) sau khi đăng nhập thành công có thể xem tất cả các thông tin phản hồi này và có thể sửa/ xóa nếu chúng không phù hợp. CSDL được cập nhật ngay sau đó.
3.4.2. b. Biểu đồ hoạt động quy trình yêu cầu gợi ý
Hình 21. Biểu đồ hoạt động quy trình nhận gợi ý
- Người dùng cần phải đăng nhập mới sử dụng được hệ khuyến nghị
- Sau khi đăng nhập, nếu là người dùng mới (chưa có hoặc có quá ít thông tin phản hồi được lưu trong CSDL), hệ thống sẽ yêu cầu người dùng nhập thêm sở thích để tìm kiếm những sản phẩm phù hợp.
- Nếu là người dùng thành viên và thường xuyên để lại bình luận, đánh giá: Hệ thống
gợi sẽ tự động tính toán và đưa ra danh sách sản phẩm đề xuất cho người dùng.
3.5. Các trường hợp của hệ thống3.5.1. Khởi động nguội (cold-start) 3.5.1. Khởi động nguội (cold-start)
3.5.1. a. Người dùng mới
Người dùng mới là những người dùng vừa mới đăng kí tài khoản nên chưa có đánh giá hoặc quá ít độ tương tự với những người dùng khác và đưa ra được gợi ý cho những người dùng này.
φ Đối với các người dùng mới được thêm vào hệ thống hoặc người dùng có quá ít đánh giá (có số lượng đánh giá trong CSDL nhỏ hơn hoặc bằng 3): Yêu cầu nhập thêm sở
Hoàng Thái Hạnh - Lớp K18HTTTC 43
Khóa luận tốt nghiệp Ứng dụng học máy trong xây dựng hệ khuyến nghị tự động thích/ những đặc điểm của sản phẩm mình đang quan tâm để hệ thống có thêm cơ sở đưa ra được sản phẩm liên quan.
ĐỂ Hệ thống gợi ỷ sàn phẩm hiểu quả, vui lòng nhập thông tin sàn phẩm bạn đang quan tâm
Hình 22. Giao diện chức năng thêm sở thích để nhận gợi ý cho người dùng mới
3.5.1. b. Sản phẩm mới
Sản phẩm mới là sản phẩm mới được thêm vào hệ thống nên chưa được người dùng nào đánh giá hoặc được đánh giá quá ít. Điều này cũng rất khó khăn để hệ thống có thể đưa được gợi ý hiệu quả cho người dùng.
^ Đưa các sản phẩm (được người dùng khác đánh giá dưới 3 lần) xuất hiện ở trang chủ và gán nhãn sản phẩm mới “New” và điểm đánh giá là 0 (thể hiện là sản phẩm chưa được đánh giá) để gây chú ý được với nhiều người dùng và có thể có được nhiều đánh giá hơn.
Khóa luận tốt nghiệp Ứng dụng học máy trong xây dựng hệ khuyến nghị tự động
Hình 23. Giao diện chức năng gợi ý sản phẩm mới cho người dùng
3.5.2. Tự động gợi ý
Trong trường hợp này người dùng đang muốn nhận gợi ý đã đanh giá khá nhiều lần các sản phẩm trên trang web => Có thể áp dụng phương pháp Lọc cộng tác để đưa ra danh sách sản phẩm một các tự động cho người dùng này.
Cụ thể, khi người dùng hiện hành ấn muốn nhận gợi ý thì hệ thống sẽ tính toán và đưa ra danh sách sản phẩm mà tập K láng giềng đã đánh giá cao mà người dùng hiện hành chưa đánh giá những sản phẩm đó bao giờ.
NHỮNC NGƯỜI CÓ SỞ THlCH CIÓNC BẠN CŨNG QUAN TÂM ĐẾN
IPHONE 7 PLUS 32CB SONY XPERIA XAl ULTRA SONY XPERIA XZ DUAL OPPO A83
19,990,OOOd 6,490,OOOd 9,990,OOOd 4,990,OOOd
20,490,OOOd 6,990,OOOd 10,490.000d 5,490,OOOd
4444 4444 4444 4444
ς? ς? ς? ς?
Hình 24. Giao diện chức năng đưa ra gợi ý tự động
Khóa luận tốt nghiệp Ứng dụng học máy trong xây dựng hệ khuyến nghị tự động KẾT LUẬN
Trong khuôn khổ khóa luận này, em đã trình bày được một số điểm như sau:
Chương 1: Giới thiệu hoàn cảnh ra đời, nội dung cũng như vai trò và ý nghĩa thực tiễn của bài toán “Ứng dụng học máy trong xây dựng hệ khuyến nghị cho website Di động Việt”.
Chương 2:
- Trình bày khái niệm hệ khuyến nghị và 3 thông tin quan trọng trong hệ gợi ý là người dùng (user), mục tin (item) và phản hồi (feedback của người dùng trên mục tin đó).
- Trình bày tổng quan về 3 hướng tiếp cận thông thường của hệ khuyến nghị: Lọc nội dung, Lọc cộng tác và Hỗn hợp (Lai) và nêu ưu điểm, nhược điểm của mỗi hướng.
- Tổng quan về các khía cạnh khác như vai trò và chức năng của hệ khuyến nghị. - Những thách thức khi xây dựng một hệ khuyến nghị (Vấn đề khởi động nguội và vấn đề dữ liệu thưa).
Chương 3:
- Tổng hợp kiến thức về học máy. - Phân loại học máy:
+ Phân loại dựa theo phương thức học gồm có: Học có giám sát, học không giám sát, học bán giám sát và học tăng cường.
+ Phân loại dựa theo chức năng và liệt kê tên các thuật toán chính phân loại theo khía cạnh này.
- Nghiên cứu ứng dụng của học máy trong Hệ khuyến nghị, kèm theo bài toán ví dụ và lập trình minh họa bằng ngôn ngữ Python cho thuật toán Lọc cộng tác người láng giềng sẽ sử dụng trong chương 4.
Chương 4:
- Xây dựng được một trang web bằng ngôn ngữ PHP & MySQL với đầy đủ chức năng cơ bản của 1 website bán hàng.
- Từ yêu cầu bài toán, đề xuất xây dựng một hệ khuyến nghị bán hàng cho website Di động Việt để giải quyết được vấn đề người dùng mới và sản phẩm mới, cụ thể:
+ Đối với các người dùng mới được thêm vào hệ thống hoặc người dùng có quá ít đánh giá (có số lượng đánh giá trong CSDL nhỏ hơn hoặc bằng 3): Yêu cầu nhập thêm sở thích/ những đặc điểm của sản phẩm mình đang quan tâm để hệ thống có thêm cơ sở đưa ra được sản phẩm liên quan.
Khóa luận tốt nghiệp Ứng dụng học máy trong xây dựng hệ khuyến nghị tự động + Đối với sản phẩm mới: Đưa các sản phẩm (được người dùng khác đánh giá dưới 3 lần) xuất hiện ở trang chủ và gán nhãn sản phẩm mới “New” và điểm đánh giá là 0 (thể hiện là sản phẩm chưa được đánh giá) để gây chú ý được với nhiều người dùng và có thể có được nhiều đánh giá hơn.
Ý nghĩa khoa học và ý nghĩa thực tiễn của bài toán
a. Ý nghĩa khoa học: Nghiên cứu và trình bày các bước trong quá trình đưa ra dự đoán gợi ý sản phẩm đến người dùng, các yếu tố ảnh hưởng đến chất lượng, nhằm cải thiện được kết quả gợi ý sản phẩm phù hợp với yêu cầu thực tế của người dùng.
b. Ý nghĩa thực tiễn: Đáp ứng nhu cầu thực tiễn về một Hệ khuyến nghị hỗ trợ hiệu quả trong việc tìm kiếm sản phẩm cho website thương mại điện tử. Việc kết hợp tìm kiếm sản phẩm với tìm hiểu hành vi người dùng sẽ mang lại hiệu quả cao trong lĩnh vực quảng cáo hay marketing.
Tuy khóa luận nghiên cứu và trình bày được rất nhiều nhược điểm trong Hệ khuyến nghị đã xây dựng được như CSDL nghèo nàn nên có thể độ chính xác của hệ thống không cao, giao diện chưa được đẹp mắt hay gợi ý sản phẩm chưa được triệt để cho người dùng. Em sẽ cố gắng khắc phục những điểm yếu này để hoàn thiện hệ thống hơn. Trong tương lai có thể phát triển tiếp đề tài theo hướng gợi ý sản phẩm dựa theo ngữ nghĩa (khách hàng mua sản phẩm cho đối tượng nào, mua vào dịp nào,...) và gợi ý các phụ kiện liên quan mà người dùng hay mua chung với điện thoại.
STT
(1)
Ngày tháng
(2)
GVHD trao đổi công việc cần thực hiện (3)
Kết quả thực hiện của sinh viên
______________(4)______________
1 28/02 Gặp GVHD để trao đổi công việc sắp tới.
Đã lên gặp GVHD để trao đổi và góp ý về đề tài dự định.
2 08/03 Góp ý về đề tài dự định nghiên cứu.
Đã tiếp thu ý kiến và tìm hiểu lại đề tài.
3 12/3 Gặp GVHD để trao đổi và chốt đề tài khóa luận.
Đã chốt được đề tài khóa luận. 4 14/03 Trao đổi về đề cương khóa luận. Hoàn thành đề cương chi tiết. 5 26/03 Tạo thư mục trên dropbox để theo
dõi tiến độ sinh viên. Đã tạo và share thư mục cho giảngviên hướng dẫn.
Khóa luận tốt nghiệp Ứng dụng học máy trong xây dựng hệ khuyến nghị tự động TÀI LIỆU THAM KHẢO
[1] Nguyen Thai Nghe (2013), An introduction to factorization technique for building recommendation systems, Journal of Science - University of Da Lat.
[2] R.Baeza & F.Silvestri (2009), Web Query Log Mining, ACM SIGIR Conference tutorial.
[3] Michael J. Pazzani & Daniel Billsus (2007), Content-based Recommendation Systems, Rutgers University, ASBIII, 3 Rutgers Plaza New Brunswick..
[4] Robin Burke (2002), Hybrid Web Recommender Systems, School of Computer Science, Telecommunications and Information Systems, DePaul University, 243 S.Wabash Ave.Chicago, Illinois, USA.
[5] Xiaoyuan Su & Taghi M.Khoshgoftaar (2009), A Survey of Collaborative Filtering Techniques, Department of Computer Scienceand Engineering, Florida Atlantic University.
[6] Francesco Ricci, Lior Rokach, BrachaShapira, Paul Bkantor (2010), Recommender Systems Handbook, Springer New York Dordrecht Heidelberg London.
[7] Tom M. Mitchell (1997), Machine Learning, McGraw-Hill Science. [8] Jason Brownlee (2013), A Tour of Machine Learning Algorithms.
[9] Koren, Y. (2010), Factor in the neighbors: Scalable and accurate collaborative filtering, ACM Transactions on Knowledge Discovery from Data (TKDD), 4(1), 1.
[10] Feng, M., Heffernan, N., & Koedinger, K. (2009), Addressing the assessment challenge with an online system that tutors as it assesses, 19(3), P243-266.
[11] Ekstrand, Michael D., John T. Riedl, and Joseph A. Konstan (2011),
Collaborative filtering recommender systems’”, Foundations and Trends® in Human- Computer Interaction 4.2, P81-173.
Hoàng Thái Hạnh - Lớp K18HTTTC
Khóa luận tốt nghiệp Ứng dụng học máy trong xây dựng hệ khuyến nghị tự động
HỌC VIỆN NGÂN HÀNG
KHOA HỆ THỐNG THÔNG TIN QUẢN LÝ
NHẬT KÝ THỰC TẬP
Họ và tên: Hoàng Thái Hạnh
Lớp/Khóa: K18 Mã SV: 18A4040059
Email: thaihanhhoang97@gmail.com Điện thoại: 0941940076 Đề tài thực tập: Ứng dụng học máy trong xây dựng hệ khuyến nghị.
Giảng viên hướng dẫn: TS. Đinh Trọng Hiếu.
Cơ quan thực tập: Công ty Cổ phần Công nghệ và Dịch vụ EPR. Địa chỉ cơ quan: T12, B4, 21, Phạm Ngọc Thạch, Đống Đa, Hà Nội. Điện thoại: (+84) 024 6327.3888 - (+84) 024 6296.6662
6 30/03 - Tìm hiểu về hệ khuyến nghị. - Tìm hiểu về học máy vầ ứng dụng của học máy vào hệ khuyến nghị.
- Tìm hiểu mã nguồn mở PredictioIO và cách sử dụng. - Làm chương 1
- Hoàn thiện chương 1.
- Đang triển khai phần lý thuyết chương 2, 3 dựa theo những gì đã tìm hiểu được.
- Chưa cài đặt được phần mềm PredictionIO.
7 05/04 - Báo cáo tiến độ.
- Tiếp tục tìm hiểu thêm các cơ
sở lý thuyết.
- Xây dựng dữ liệu đầu vào. - Xây dựng nền tảng trang web
để chạy phần mềm.
-Tìm hiểu nguyên lý cơ bản trong phần mềm PredictionIO và
- Chỉnh sửa và triển khai tiếp nội dung chương 2, 3.
- Xây dựng sơ bộ dữ liệu đầu vào. - Xây dựng sơ bộ giao diện và 1 số chức năng chính của trang web bằng ngôn ngữ PHP& MySQL.
8 13/04 - Báo cáo tiến độ.
- Trao đổi về các khó khăn
và hỗ
trợ sinh viên.
- Xong bộ dữ liệu đầu vào.
- Đánh giá lại mức độ khả thi của bài toán.
9 25/04 - Báo cáo tiến độ.
- Hoàn thiện chương 2, 3.
- Hoàn thiện phần nội dung chương 2,3 để check Turnitin - Đang triển khai phần code Python minh họa cho thuật toán sử dụng trong chương 4.
- Hoàn thiện tiếp trang web. 10 09/05 - Báo cáo tiến độ.
- Hoàn thành phần viết quyển báo cáo - Hoàn thành nốt phần nội dung - Phân tích các quy trình chính trong bài toán.
- Hoàn thành các nội dung trong báo cáo khóa luận.
11 17/05 - Chỉnh sửa một số câu từ trong
bản báo cáo
- Chỉnh sửa phần kết luận
cần viết
- Đã chỉnh sửa bản báo cáo. - Tiếp tục hoàn thiện phần demo bài toán.
12 23/05 Hoàn thiện bản báo cáo khóa luận.
Hoàn thiện bản báo cáo khóa luận.
Hoàng Thái Hạnh - Lớp K18HTTTC
Khóa luận tốt nghiệp Ứng dụng học máy trong xây dựng hệ khuyến nghị tự động