Đánh giá chung

Cùng một bài toán, Foursquare và LARS đã có cách tiếp cận giải quyết vấn đề khá khác nhau.

Về việc khai thác vị trí địa lí để đƣa ra kết quả tƣ vấn, Foursquare, với những yêu cầu của một ứng dụng thực tế, đã cố gắng tìm ra các đặc trƣng tốt nhất để thực hiện việc xếp hạng tƣ vấn trong phạm vi cụ thể của ứng dụng. Trái lại, các tác giả của LARS đã xác định đƣợc hai đặc trƣng chung của các đánh giá theo vị trí là “preference locality” và “travel locality” từ đó đề xuất ra hai kĩ thuật khai thác một cách hiệu quả thông tin về vị trí khi đƣa ra tƣ vấn.

Về vấn đề tốc độ truy vấn trên dữ liệu địa lí, đã đƣợc Foursquare giải quyết bằng những phƣơng pháp mang tính “kĩ thuật”, ngƣợc lại LARS đề xuất ra một kĩ thuật truy vấn hiệu quả dựa trên Tƣ tƣởng về “travel locality” [Levandoski et al. 2012].

26

3.5 Hướng phát triển

Với phát triển của các công nghê ̣ mới nhƣ kĩ thuâ ̣t đi ̣nh vi ̣ (RFID hoặc Wi-Fi beacon-based và GPS), ... và sự hấp dẫn đáng kinh ngạc của các thiết bị di động , đã có nhiều nghiên cƣ́u và dƣ̣ án đang cố gắng áp dụng công nghệ tƣ vấn vào thị trƣờng này . Các loại hình dịch vụ mới xuất hiện ngày càng nhi ều và tinh vi hơn.

Tuy nhiên, các lĩnh vực nghiên cứu này chƣa đƣợc định hình một cách rõ ràng và sẽ khó rõ ràng trong tƣơng lai vì khó mà xác đi ̣nh đƣợc các đă ̣c tính của mô ̣t thiết bi ̣ di đô ̣ng đƣợc ƣu chuô ̣ng , thiết bi ̣ nào sẽ chiếm thi ̣ phần lớn nhất. Chẳng ha ̣n, ta thấy rất nhiều nghiên cƣ́u đƣợc thƣ̣c hiê ̣n để khắc phu ̣c ha ̣n chế của thiết bị di động nhƣ màn hình nhỏ , khả năng tính toán kém ...., tất cả nhƣ̃ng ha ̣n chế này có thể đƣơ ̣c khắc phu ̣c mô ̣t cách nhanh chóng và làm cho mô ̣t số reasearch trở nên lỗi thời [Ricci, 2011]. Mă ̣c dù vâ ̣y, vẫn có mô ̣t số lĩnh vƣ̣c tro ̣ng tâm đáng lƣu ý, bao gồm [Ricci, 2011]:

 Khám phá nhu cầu của ngƣời dùng (Elicitation of the user’s preferences). Viê ̣c thu nhâ ̣n nhanh và chính xác nhu cầu của ngƣời dùng vẫn còn là một vấn đề mở . Hê ̣ thống tƣ vấn di đô ̣ng , đă ̣c biê ̣t là nhƣ̃ng hê ̣ thống liên quan đến ngƣ̃ cảnh (context) sẽ cần nhiều thông tin về nhu cầu và sở thích của ngƣời dùng hơn nƣ̃a, nhƣng la ̣i không có mô ̣t giao diê ̣n linh hoa ̣t để hỗ trợ nhiê ̣m vu ̣ này . Viê ̣c suy luâ ̣n ngầm (implicit) các sở thích, nhu cầu tƣ̀ hành vi của ngƣời dùng (user’s behavior), là một giải pháp dễ thấy nhất. Tuy nhiên, nhƣ̃ng giao diê ̣n mới nhƣ âm thanh (dƣ̣a trên nhâ ̣n diê ̣n gio ̣ng nói ), hình ảnh, video (dƣ̣a trên ƣ́ng du ̣ng thƣ̣c tế ảo tăng cƣờng ...) sẽ tạo ra một kênh giao tiếp hiệu quả hơn. Sƣ̉ du ̣ng nhƣ̃ng kĩ thuâ ̣t mới này , thông tin đầu ngƣời dùng bao gồm cả tƣơng tác với không gian , ví dụ , cƣ̉ chỉ, nét mặt..., (the interaction with the space) sẽ khắc phục một vài hạn chế của

cách tƣơng tác cổ điển (với bàn phím).

 Tƣ vấn chủ đô ̣ng dƣ̣a trên cảm biến (Proactive and sensor based recommendations ). Không có hê ̣ thống tƣ vấn nào đƣợc xét đến ở trên có khả năng chủ đô ̣ng làm gián đoa ̣n hoa ̣t đô ̣ng của ngƣời dùng với các tƣ vấn không đƣợc yêu cầu , nhƣng có liên quan . Có quá nhiều rủ i ro cho viê ̣c làm phiền ngƣời dùng. Tuy nhiên, sƣ̣ xuất hiê ̣n của các bô ̣ cảm biến sinh trắc ho ̣c thế hê ̣ mới , đáng tin câ ̣y có thể làm tăng tính khả thi và tiê ̣n lợi của loa ̣i hình này. Viê ̣c này có thể cách ma ̣ng hóa vai trò của RSs từ công cụ tìm kiếm và hỗ trợ ra quyết định trở thành công cụ khám phá thông tin

(information discovery) và giải trí đồng thời.

 Giải thích các tƣ vấn (Explanations of recommendations ). Đây là chủ đề ít đƣợc nghiên cƣ́u và rõ ràng là cần thiết trong một kịch bản sử dụng mobile . Giải thích phải dựa trên mô tả của sản phầm , và điều này khá khó với kích thƣớt màn hình của thiết bị di động.

 An ninh và bảo mật thông tin và bộ nhớ của ngƣời dùng (Security and privacy and the user memory). Ngƣời sử dụng điện thoại di động mô ̣t mă ̣t phải cung cấp thông tin để khám phá dịch vụ mới và đồng thời phải đƣợc che giấu sự riêng tƣ và bảo mật c ủa mình khỏi những nguy hiểm tiềm tàng từ các chƣơng trình và di ̣ch vu ̣ nguy hiểm.

27

 Portable recommender systems. Điểm cuối cùng đề cập đến khả năng thƣ̣c hiê ̣n và di chuyển các RS và qua các thiết bi ̣ và nền tảng khác nhau. Ngƣời sử dụng trong thực tế nên có thể thƣ̣c hiê ̣n mô ̣t dịch vụ thông tin bằng cách sử dụng một loạt các thiết bị (điện thoại, máy tính xách tay và máy ảnh kỹ thuật số) và nhƣ̃ng hoa ̣t đô ̣ng đã thƣ̣c hiê ̣n, nhƣ̃ng di ̣ch vu ̣ đã sƣ̉ du ̣ng, với những thiết bị và giao diê ̣n này nên đƣợc tích hợp la ̣i với nhau . Ngƣời sử dụng phải đƣợc nhâ ̣n diê ̣n và phục vụ một cách thích hợp bất cứ thiết bị gì đƣ ợc sử dụng, và các hành động thực hiện với một thiết bị nên là một phần của quá trình cá nhân hoá toàn bộ dịch vụ.

28

Phần 4. Các nguyên tắc sáng tạo được vận dụng trong xây

dựng FourSquare

(01) Nguyên tắc “tách khỏi”

- Khi xếp hạng các kết quả trả về, các nhà phát triển đã lựa chọn ra những tiêu chuẩn quan trọng nhất để đánh trọng số: khoảng cách địa điểm với ngƣời sử dụng, mức độ rating của cộng đồng với các địa điểm và một vài yếu tố khác. Các yếu tố đƣợc đánh giá với trọng số khác nhau.

(02) Nguyên tắc phẩm chất cu ̣c bô ̣

- Các địa điểm đang đƣợc ngƣời dùng di chuyển tới sẽ đƣợc đánh dấu trên bản đồ.

(03) Nguyên tắc kết hợp

- Kết hợp tính cộng tác trên mạng xã hội, thông tin vị trí địa lí trên các thiết bị di động để đƣa ra tƣ vấn cho ngƣời sử dụng thiết bị.

(04) Nguyên tắc phản đối xứng

- Màn hình hiển thị của ứng dụng trên các thiết bị khác nhau (laptop, điên thoại) sẽ tự động điểu chỉnh để có chế độ hiển thị hợp lí.

(05) Nguyên tắc thực hiê ̣n sơ bô ̣

- Để việc truy vấn cơ sở dữ liệu địa lí đƣợc thực hiện với tốc độ nhanh, trƣớc đó các địa điểm đã đƣợc đánh chỉ mục và .

kiê ̣n làm viê ̣c để không phải nâng lên hay ha ̣ xuống các đối tƣợng.

(06) Nguyên tắc sử dụng trung gian

- Yêu cầu: nâng cao hiệu suất hệ thống khi lục lại lịch sử “check-in” của những ngƣời bạn tại tất cả những địa điểm là một nhiệm vụ khó khả thi với số lƣợng ngƣời dùng và địa điểm hiện có của FourSquare. Chẳng hạn, ngƣời sử dụng có 50 bạn bè, và ngữ liệu ban đầu là 250 địa điểm, mỗi ngƣời bạn “check-in” khoảng 2 lần thì có khả năng hê thống sẽ phải thực hiện truy vấn trên 250 000 “check-in”.

- Giải pháp: Xây dựng vùng “cache” đặc biệt lƣu trữ các dữ liệu đã đƣợc tính toán về mối tƣơng tác giữa ngƣời dùng và các địa điểm, bao gồm cả số lần “check-in”. [ Moore, 2011]

29

TÀI LIỆU THAM KHẢO

[Bridge et al., 2006] Bridge, D., G¨ oker, M., McGinty, L., and Smyth, B. (2006). Case-based recommender systems.The Knowledge Engineering review, 20(3):315–320.

[Burke, 2007] Burke, R. (2007). Hybrid web recommender systems. In The Adaptive Web, pages 377–

408. Springer Berlin / Heidelberg.

[Fousquare, 2012] About foursquare. Truy cập ngày 15 tháng 4 năm 2012, từ https://foursquare.com/about/

[Herlocker et al., 1999] Herlocker, J. L., Konstan, J. A., Borchers, A., and Riedl, J. (1999). An algorithmic frame-work for performing collaborative filtering. In SIGIR ’99: Proceedings of the 22nd Annual International ACM SIGIR Conference on Research and Development in Information Retrieval,

August 15-19, 1999, Berkeley, CA, USA, pages 230–237.

[Koren, 2008] Koren, Y. (2008). Factorization meets the neighborhood: a multifaceted collaborative filtering model. In Li, Y., Liu, B., and Sarawagi, S., editors, KDD, pages 426–434. ACM.

[Levandoski et al. 2012] Levandoski, J. Sarwat, M. Eldawy, A. and Mokbel, M.(2012). LARS: A Location-Aware Recommender System. To appear in Proceedings of the IEEE International Conference on Data Engineering, Washington D.C., April 2012

[Manning, 2008] Manning, C. (2008). Introduction to Information Retrieval. Cambridge University Press, Cambridge.

[ Moore, 2011] Moore, J. (2011). Building a recommendation engine, foursquare style. Truy cập ngày 10 tháng 04 năm 2012, từ http://engineering.foursquare.com.

[Pazzani và Billsus , 2007] Pazzani, M. J. and Billsus, D. (2007). Content-based recommendation systems. In [Brusilovsky et al., 2007], pages 325–341.

[Ricci, 2011] F. Ricci (2011). Mobile Recommender Systems. International Journal of Information

Technology and Tourism, 12(3):205-23.

[Virrantaus et al. 2001] Virrantaus, K., Markkula, J., Garmash, A., Terziyan, Y.V., 2001. Developing GIS-Supported Location Based Services. In: Proc. of WGIS’2001 – First International Workshop on Web Geographical Information Systems., Kyoto, Japan. , 423–432.

[Xiao and Benbasat, 2007] B. Xiao, I. Benbasat (2007). E-Commerce Product Recommendation Agents: use, characteristics, and impact. MIS Quarterly Vol. 31 No. 1, pp. 137-209.