..
ĐẠI HỌC THÁI NGUYÊN
TRƢỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG
LÊ THANH HUYỀN
PHƢƠNG PHÁP LỌC CỘNG TÁC VÀ ỨNG DỤNG
TRONG HỆ THÔNG TIN TƢ VẤN
LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH
THÁI NGUYÊN - 2015
Số hóa bởi Trung tâm Học liệu – ĐHTN
http://www.lrc.tnu.edu.vn
ĐẠI HỌC THÁI NGUYÊN
TRƢỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG
LÊ THANH HUYỀN
PHƢƠNG PHÁP LỌC CỘNG TÁC VÀ ỨNG DỤNG
TRONG HỆ THÔNG TIN TƢ VẤN
Chuyên ngành: Khoa học máy tính
Mã số: 60.48.01.01
LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH
Ngƣời hƣớng dẫn khoa học: PGS.TS ĐOÀN QUANG BAN
THÁI NGUYÊN - 2015
Số hóa bởi Trung tâm Học liệu – ĐHTN
http://www.lrc.tnu.edu.vn
i
LỜI CAM ĐOAN
Tôi xin cam đoan luận văn này c a t
is h
ng
n th n tôi t m hi u, nghi n c u
n c a PGS TS Đoàn Văn an
c ch
ng tr nh o ch nh
n th n tôi lập tr nh c c k t qu là hoàn toàn trung th c
kh o đ
c tr ch
c tài liệu tham
n và ch th ch đ y đ .
Tác giả
Lê Thanh Huyền
Số hóa bởi Trung tâm Học liệu – ĐHTN
http://www.lrc.tnu.edu.vn
ii
LỜI CẢM ƠN
Tôi xin
y t l i c m n ch n thành t i tập th c c Th y cô Viện ông
nghệ thông tin - Viện Hàn L m Khoa h c và công nghệ Việt Nam c c Th y cô
gi o Đ i h c ông nghệ thông tin và truy n thông - Đ i h c Th i Nguy n đ
ch ng tôi trong su t qu tr nh h c tập ch
ng tr nh cao h c t i tr
y
ng.
Đ c iệt tôi xin ày t l ng i t n s u sắc t i Th y gi o PGS TS
Đoàn Văn
an đ quan t m đ nh h
ch nh s a qu
nh
n
ng và đ a ra nh ng g p
g i
u cho tôi trong qu tr nh làm luận văn t t nghiệp
đ ng nghiệp gia đ nh và ng
i th n đ quan t m gi p đ
ng
chia
s v i tôi trong su t qu tr nh làm luận văn t t nghiệp
đ c gắng nh ng chắc chắn s không tr nh kh i nh ng thi u s t v
vậy r t mong nhận đ
luận văn đ
c s đ ng g p
ki n c a c c Th y
ô và c c
nđ
c hoàn thiện h n
Tôi xin ch n thành c m n
Th i Ngu n th ng n m
5
L Th nh Hu ền
Số hóa bởi Trung tâm Học liệu – ĐHTN
http://www.lrc.tnu.edu.vn
iii
MỤC LỤC
Trang
LỜI AM ĐOAN ................................................................................................. i
M N ..................................................................................................... ii
LỜI
MỤC LỤC ......................................................................................................... iii
DANH MỤC CÁC CHỮ VIẾT TẮT .................................................................. vi
DANH MỤC CÁC B NG ................................................................................. vii
DANH MỤC CÁC HÌNH ................................................................................. viii
MỞ ĐẦU .......................................................................................................... 1
Chƣơng 1: PHƢƠNG PHÁP LỌC TIN ........................................................ 4
11
c ph
1 1 1 Ph
ng ph p l c thông tin ................................................................ 4
ng ph p l c tin theo nội dung ....................................................... 4
1.1.1.1 Bài toán l c theo nội dung .................................................................. 4
1112
1 1 2 Ph
c ph
ng ph p ph p l c theo nội dung .......................................... 5
ng ph p l c tin theo cộng tác ....................................................... 6
1.1.2.1 Bài toán l c cộng tác........................................................................... 6
1122
1 1 3 Ph
c ph
ng ph p l c cộng tác............................................................ 7
ng pháp l c tin k t h p ............................................................... 11
1.1.3.1 Bài toán l c k t h p .......................................................................... 11
1132
c ph
ng ph p l c k t h p ........................................................... 12
1.1.4. Ứng dụng c a c c ph
ng ph p l c tin .............................................. 13
1.2. Hệ th ng thông tin t v n ...................................................................... 13
1.2.1. Ki n trúc tổng quan c a hệ th ng l c thông tin.................................. 13
1.2.2. L c thông tin và các hệ t v n ............................................................ 15
Chƣơng 2: MỘT SỐ PHƢƠNG PHÁP LỌC CỘNG TÁC ...................... 17
2.1. L c cộng tác d a trên s n phẩm. ........................................................... 17
2.1.1.Thuật to n t nh độ t
ng t ................................................................. 19
Số hóa bởi Trung tâm Học liệu – ĐHTN
http://www.lrc.tnu.edu.vn
iv
2 1 1 1 Độ t
ng t Cosine........................................................................... 19
2 1 1 2 Độ t
ng t t
2 1 1 3 Độ t
ng t
ng quan ................................................................... 20
osine đi u ch nh. ........................................................ 21
2.1.2.Tính toán d đo n và t v n ................................................................ 23
2.1.2.1 Công th c d đo n
a tr n trung nh đ nh gi s n phẩm lân cận .... 23
2.1.2.2 Công th c d đo n
a trên tổng tr ng s . ...................................... 24
2.1.2.3 Công th c d đo n
a trên tổng tr ng s v i đ nh gi trung
c a ng
nh
i dùng ............................................................................................. 25
2.1.2.4 Công th c d đo n
a trên tổng tr ng s v i trung
nh đ nh gi
lên s n phẩm ................................................................................................. 26
2.1.3. Thuật toán l c cộng tác d a trên s n phẩm ........................................ 27
2 1 3 1 Độ t
ng t Cosine........................................................................... 28
2.1.3.2 Độ t
ng t
osine đi u ch nh ......................................................... 28
2.1.3.3 D đo n
a tr n trung
2.1.3.4 D đo n
a trên tổng tr ng s ........................................................ 29
2.1.3.5 D đo n
a trên tổng tr ng s v i trung nh đ nh gi l n ng i dùng . 30
2 1 4 Đ nh gi c c y u t
2 1 4 1 Đ nh gi ch t l
2.1.4.2 Các y u t
nh đ nh gi s n phẩm lân cận ................. 29
nh h ởng đ n độ chính xác k t qu t v n ..... 31
ng c a hệ th ng t v n ......................................... 31
nh h ởng đ n độ ch nh x c t v n................................ 31
2.2. L c cộng tác d a tr n mô h nh đ th .................................................... 32
2 2 1 Ph
ng ph p i u diễn đ th ............................................................. 32
2 2 2 Ph
ng pháp d đo n tr n đ th ng
i dùng - s n phẩm ................. 34
2 2 2 1 T ch đ th Ng
i dùng-S n phẩm thành c c đ th con ................ 35
2 2 2 2 Ph
ng ph p
đo n tr n đ th có tr ng s
2 2 2 3 Ph
ng ph p
đo n tr n đ th các c nh có tr ng s âm G- ........ 39
2 2 2 4 Ph
ng ph p
đo n theo t t c đ nh gi ...................................... 41
ng G+ ................. 37
2.3. L c cộng tác d a vào l c đ ng hu n luyện ........................................... 43
Số hóa bởi Trung tâm Học liệu – ĐHTN
http://www.lrc.tnu.edu.vn
v
2.3.1. Mô t thuật to n đ ng hu n luyện ...................................................... 44
2.3.2. Thuật toán l c cộng tác bằng ph
ng
ng ph p đ ng hu n luyện theo
i dùng .................................................................................................... 44
2.3.3 L c cộng tác bằng ph
ng ph p đ ng hu n luyện theo s n phẩm..... 46
Chƣơng 3: XÂY DỰNG HỆ THÔNG TIN TƢ VẤN SẢN PHẨM SỮA
DÀNH CHO NGƢỜI TIÊU DÙNG ............................................................ 51
3.1. Phát bi u bài toán................................................................................... 51
3.2. Phân tích thi t k hệ th ng t v n s n phẩm s a................................... 51
3.2.1. Phân tích các yêu c u.......................................................................... 51
3.2.2. Thi t k hệ th ng t v n s n phẩm s a. ............................................. 53
3.3. Xây d ng ch
ng tr nh ng dụng.......................................................... 54
3.4. K t luận. ................................................................................................... 56
KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN ................................................... 57
TÀI LIỆU THAM KHẢO ............................................................................ 57
Số hóa bởi Trung tâm Học liệu – ĐHTN
http://www.lrc.tnu.edu.vn
vi
DANH MỤC CÁC CHỮ VIẾT TẮT
KÝ HIỆU
DIỄN GI I
IF
Information Filtering (L c thông tin)
IR
Information Retrieval (Truy v n thông tin)
RS
Recommender System (Hệ th ng t v n)
u
User (Ng
i
Item (S n phẩm)
Số hóa bởi Trung tâm Học liệu – ĐHTN
i dùng)
http://www.lrc.tnu.edu.vn
vii
DANH MỤC CÁC BẢNG
Trang
B ng 1.1.Ví dụ v ma trận đ nh gi c a l c cộng tác ....................................... 7
B ng 2.1. B ng đ nh gi ng
i dùng v i các s n phẩm ................................. 18
B ng 2.2. B ng t nh độ t
ng t theo công th c Cosine ................................ 20
B ng 2.3. B ng t nh độ t
ng t theo công th c t
B ng 2.4. B ng t nh độ t
ng t theo công th c osine đi u ch nh .............. 22
B ng 2.5. B ng d đo n và t v n theo ph
B ng 2.6. B ng d đo n và t v n theo ph
ng quan ......................... 21
ng ph p t nh trung nh
đo n . 24
ng pháp Weigth Sum ............... 25
B ng 2.7. B ng d đo n và t v n theo ph ng ph p tổng tr ng s v i đ nh giá
trung bình c a ng i dùng và s dụng độ t ng t Ajusted Cosine. ...... 26
B ng 2.8. B ng d đo n và t v n theo ph
ng ph p tổng tr ng s v i đ nh
giá trung bình s n phẩm và s dụng độ t
ng t Ajusted Cosine. .... 27
B ng 2.9. Ma trận đ nh gi R ......................................................................... 33
B ng 2.10. Ma trận X bi u diễn đ nh đ th Ng
i dùng- S n phẩm ............ 33
B ng 2.12. Ma trận X+ bi u diễn c c đ nh gi th ch h p .............................. 36
B ng 2.12. Ma trận X- bi u diễn c c đ nh gi không th ch h p ..................... 36
B ng 2.13: Ng
i dùng và s n phẩm .............................................................. 48
B ng 2.14: B ng giá tr đ nh gi theo ng
i dùng. ........................................ 48
B ng 2.15: B ng giá tr đ nh gi theo s n phẩm ............................................ 49
Số hóa bởi Trung tâm Học liệu – ĐHTN
http://www.lrc.tnu.edu.vn
viii
DANH MỤC CÁC HÌNH
Trang
Hình 1.1. Ki n trúc tổng quát c a hệ th ng l c thông tin. .............................. 14
Hình 2.1. Mô hình hệ th ng l c cộng tác d a trên s n phẩm ......................... 31
Hình 2.2. Đ th ng
i dùng - s n phẩm......................................................... 34
Hình 2.3. Đ th G bi u diễn c ch đ nh gi th ch h p.................................... 36
Hình 2.4. Đ th G bi u diễn c ch đ nh gi không th ch h p......................... 37
Hình 3.3: Giao diện ch
Hình 3.4: Ng
i
ng tr nh
đo n s n phẩm s a. ............................. 55
ng đăng nhập vào hệ th ng. ............................................. 55
Hình 3.5: Hệ th ng l c cộng tác d a vào bộ nh ........................................... 55
Hình 3.6: Hệ th ng l c cộng tác d a vào đ th ............................................. 56
Số hóa bởi Trung tâm Học liệu – ĐHTN
http://www.lrc.tnu.edu.vn
1
MỞ ĐẦU
Xã hội loài ng
i ch ng ki n s ph t tri n m nh m và sôi động c a
thông tin trong m i l nh v c đ c biệt là s gia tăng không ngừng l
ng thông
tin khổng l đ n từ hàng trăm k nh truy n hình, hàng triệu ăng h nh s ch
báo, t p chí, tài liệu thông qua các hệ th ng giao d ch điện t . Vì vậy ng
i
dùng s g p kh khăn trong việc l a ch n thông tin h u ch Nhi u nhà khoa
h c m y t nh tr n th gi i nhiệt t nh h ởng ng và quan t m nghi n c u
ph
ng ph p h n ch
nh h ởng c a v n đ quá t i thông tin đ i v i ng
i
ng th c đẩy một l nh v c nghiên c u m i đ là l c thông tin.
L c thông tin (Infomation Filtering) [1] là l nh v c nghiên c u quá
trình l c b nh ng thông tin không thích h p và cung c p thông tin thích h p
đ n v i m i ng
i dùng. L c thông tin đ
qu h n ch tình tr ng quá t i thông tin đ
c xem là một ph
ng ph p hiệu
c quan tâm nhi u nh t hiện nay.
Hệ t v n (Recommender System) [1,2] là hệ th ng có kh năng t
động phân tích, phân lo i, l a ch n và cung c p cho ng
i dùng nh ng thông
tin, hàng hóa hay d ch vụ mà h quan tâm. Hệ t v n đ
c xem nh một bi n
th đi n hình có vai trò quan tr ng trong l c thông tin. Nhi u hệ t v n đ
đ
c th
ng m i hóa và tri n khai thành công, tiêu bi u là hệ t v n c a các
hãng Amazon.com, Netflix.com, Procter & Gamble.
Hệ t v n đ
c xây d ng d a trên hai kỹ thuật l c thông tin chính: L c
theo nội dung (Content-Based Filtering) và l c cộng tác (Collaborative
Filtering) [1]. L c theo nội dung khai thác nh ng khía c nh li n quan đ n nội
dung thông tin s n phẩm ho c ng
i
ng đ từng s dụng hay truy nhập
trong quá kh đ t o n n t v n. Trái l i, l c cộng tác khai thác nh ng khía
c nh li n quan đ n thói quen sở thích c a ng
đ ng ng
i s dụng s n phẩm c a cộng
i dùng có cùng sở th ch đ t o nên t v n.
Số hóa bởi Trung tâm Học liệu – ĐHTN
http://www.lrc.tnu.edu.vn
2
So v i l c theo nội dung, l c cộng tác không ph i phân tích, bóc tách,
hi u đ nh ch mục cho c c đ c tr ng nội dung s n phẩm, l c cộng tác có th
l c hiệu qu trên nhi u d ng s n phẩm kh c nhau nh hàng h a s a, nh, tài
liệu. Chính vì vậy tác gi đ l a ch n đ tài “Phương ph p lọc cộng tác và
ứng dụng trong hệ thông tin tư vấn” đ th c hiện trong khuôn khổ luận văn
th c s chuy n ngành khoa h c máy tính.
Đối tƣợng và phạm vi nghiên cứu
- Nghiên c u ph
ng ph p l c cộng tác d a trên bộ nh
l c cộng tác d a trên mô hình và ph
ph
ng pháp
ng ph p l c cộng tác k t h p bộ nh và
mô hình.
- Nghiên c u l c cộng tác d a trên s n phẩm v i thuật to n t nh độ t
ng
t , l c cộng tác d a tr n mô h nh đ th v i thuật toán d a tr n mô h nh đ th
ng
i dùng - s n phẩm nhằm c i thiện độ chính xác c a l c thông tin cho hệ
t v n và thuật toán l c bằng ph
ng
ng ph p đ ng hu n luyện theo s n phẩm và
i dùng Đ c biệt xây d ng ng dụng hệ thông tin t v n s n phẩm s a
ành cho ng
i tiêu dùng.
Hƣớng nghiên cứu củ đề tài
Tập trung nghiên c u hai v n đ chính.
1. Trình bày c c ph
ng ph p l c thông tin, ng dụng c a c c ph
ng
pháp l c thông tin, hệ th ng thông tin t v n v i ki n trúc tổng quan c a hệ
th ng l c thông tin, l c thông tin và các hệ t v n.
2. Nghiên c u l c cộng tác d a trên s n phẩm v i thuật to n t nh độ
t
ng t , l c cộng tác d a tr n mô h nh đ th v i thuật toán d a trên mô hình
đ th ng
i dùng - s n phẩm nhằm c i thiện độ chính xác c a l c thông tin
cho hệ t v n và thuật toán l c bằng ph
phẩm và ng
ng ph p đ ng hu n luyện theo s n
i dùng.
Phƣơng pháp nghi n cứu
Số hóa bởi Trung tâm Học liệu – ĐHTN
http://www.lrc.tnu.edu.vn
3
- Nghiên c u lý thuy t: Nghiên c u các khái niệm v l c thông tin,
trong đ đi s u vào nghi n c u l c cộng tác. Nghiên c u thuật toán tính
độ t
ng t
ph
ng ph p i u diễn đ th và ph
ng ph p l c d a vào
l c đ ng hu n luyện.
- Nghiên c u th c nghiệm: Xây d ng ph n m m ng dụng hệ thông tin
t v n s n phẩm s a ành cho ng
i tiêu dùng.
Ý nghĩ kho học củ đề tài
- Khai th c đ
c thuật to n t nh độ t
- Khai th c ph
đ th ng
ng t .
ng pháp bi u diễn đ th và ph
ng ph p
đo n tr n
i dùng.
- Khai th c đ
c thuật toán l c đ ng hu n luyện theo s n phẩm và l c
đ ng hu n luyện theo ng
i dùng.
Bố cục luận văn
h
ng 1: Ph
ng ph p l c tin.
Trình bày tổng quan v c c ph
ng ph p l c thông tin và hệ th ng
thông tin t v n.
h
ng 2: Một s ph
ng ph p l c cộng tác.
Trình bày thuật toán l c cộng tác d a trên s n phẩm, thuật toán d a
tr n mô h nh đ th ng
h
ng 3: h
i dùng - s n phẩm và thuật to n đ ng hu n luyện.
ng tr nh ng dụng.
Xây d ng ch
ng tr nh ng dụng s n phẩm s a ành cho ng i tiêu dùng.
Số hóa bởi Trung tâm Học liệu – ĐHTN
http://www.lrc.tnu.edu.vn
4
Chƣơng 1
PHƢƠNG PHÁP LỌC TIN
1.1. Các phƣơng pháp lọc thông tin
L c thông tin (Information Filtering) [1] là l nh v c nghiên c u quá
trình l c b nh ng thông tin không thích h p và cung c p thông tin thích h p
đ n v i m i ng
i dùng. L c thông tin đ
qu h n ch tình tr ng quá t i thông tin đ
3 ph
c xem là một ph
ng ph p hiệu
c quan tâm nhi u nh t hiện nay.
ng ph p l c thông tin.
1.1.1. Phương pháp lọc tin theo nội dung
L c theo nội ung là ph
ng ph p th c hiện d a trên việc so sánh nội
dung thông tin hay mô t hàng hóa, nhằm tìm ra nh ng s n phẩm t
nh ng gì mà ng
i
ng đ từng quan tâm đ gi i thiệu cho h nh ng s n
ng ph p ti p cận cho l c theo nội dung có ngu n g c
phẩm này [3]. Các ph
từ l nh v c truy v n thông tin trong đ m i s n phẩm đ
một h s s n phẩm, m i ng
ng Ph
ng t v i
ng ph p
i dùng đ
c bi u diễn bằng
c bi u diễn bằng một h s ng
i
đo n nội dung nguyên b n c a s n phẩm th c hiện
d a vào việc xem xét các h s s n phẩm có m c độ phù h p cao v i h s
ng
i dùng.
1.1.1.1 Bài toán lọc theo nội dung
Bài toán l c theo nội ung đ
c phát bi u nh sau
ho P = {p1, p2,..,
pN} là tập g m N s n phẩm. Nội dung s n phẩm p∈ P đ
Content(p) đ
c bi u diễn thông qua tập K đ c tr ng nội dung c a P. Tập các
đ c tr ng s n phẩm p đ
th c hiện mục đ ch
c xây d ng bằng các kỹ thuật truy v n thông tin đ
đo n nh ng s n phẩm kh c t
ng t v i p.
Cho U = { u1, u2,.., uM} là tập g m M ng
dùng u∈ U, g i ContentBasedProfile(u) là h s ng
ng
c ký hiệu là
i dùng. V i m i ng
i dùng u. H s c a
i dùng u th c ch t là l ch s truy cập ho c đ nh gi c a ng
Số hóa bởi Trung tâm Học liệu – ĐHTN
i
iđ đ iv i
http://www.lrc.tnu.edu.vn
5
các s n phẩm. ContentBasedProfile(u) đ
nội dung các s n phẩm mà ng
c xây d ng bằng cách phân tích
i dùng u đ từng truy nhập ho c đ nh gi
a
trên các kỹ thuật truy v n thông tin.
Bài toán l c theo nội dung khi đ là
nội dung thích h p v i ng
h s ng
đo n nh ng s n phẩm m i có
i dùng d a trên tập h s s n phẩm Content(p) và
i dùng ContendBasedProfile(u).
1.1.1.2 C c phương ph p ph p lọc theo nội dung
L c theo nội ung đ
c ti p cận theo hai xu h
ng: L c d a trên bộ
nh và l c d a trên mô hình.
Lọc nội dung dựa vào bộ nhớ
L c nội dung d a vào bộ nh là ph
s s n phẩm và tập h s ng
Trong ph
ng đ th c hiện hu n luyện và d đo n
ng ph p này c c s n phẩm m i đ
c h s ng
h s ng
i
ng ph p s dụng toàn bộ tập h
c tính toán và so sánh v i t t
i dùng. Nh ng s n phẩm m i có m c độ t
i dùng s đ
c dùng đ t v n cho ng
ng t cao nh t v i
i dùng này.
Lọc nội dung dựa vào mô hình
L c nội dung d a tr n mô h nh là ph
phẩm và tập h s ng
ng ph p s dụng tập h s s n
i dùng đ xây d ng nên mô hình hu n luyện. Mô hình
d đo n sau đ s s dụng k t qu c a mô hình hu n luyện đ sinh ra t v n
cho ng
i dùng. Trong cách ti p cận này, l c nội dung có th s dụng các kỹ
thuật h c m y nh m ng Bayes, phân cụm, cây quy t đ nh, m ng n ron nh n
t o đ t o nên d đo n
Pazzani và Billsus [9] s dụng bộ phân lo i Bayes d a trên nh ng đ nh
gi “thích” ho c “không thích” c a ng
Trong đ
ph
ng ph p
cl
i
ng đ phân lo i các s n phẩm.
ng xác su t s n phẩm pj có thuộc l p Ci hay
không d a vào tập c c đ c tr ng nội dung k1j,..,knj c a s n phẩm đ
P( Ci| k1j&k2j & .. &knj )
Số hóa bởi Trung tâm Học liệu – ĐHTN
(1.1)
http://www.lrc.tnu.edu.vn
6
Panzanni và Billsus gi thi t c c đ c tr ng nội dung xu t hiện độc lập nhau, vì
vậy xác su t ở tr n t
ng ng v i:
P( Ci) ∏ P(kxj| Ci)
x: là ng
i dùng ch y từ 1
Vì P(kxj| Ci) và P(Ci) có th
vậy, s n phẩm pj đ
j)
(1.2)
cl
n
ng d a vào tập d liệu hu n luyện. Do
c xem là thuộc l p Ci n u xác su t P( Ci| k1j&k2 j & .. &kn
có giá tr cao nh t thuộc l p này.
Solombo[5] đ xu t mô hình l c thích nghi, trong đ ch tr ng đ n việc
quan sát m c phù h p c a t t c các s n phẩm.
1.1.2. Phương pháp lọc tin theo cộng tác
Không gi ng nh l c theo nội dung, l c cộng tác khai thác nh ng khía
c nh li n quan đ n thói quen sở thích c a ng
d đo n c c s n phẩm m i cho ng
i s dụng s n phẩm đ đ a ra
i dùng này. So v i l c theo nội dung, l c
cộng tác không ph i phân tích, bóc tách, hi u, đ nh ch mục cho c c đ c
tr ng nội dung s n phẩm. Chính vì vậy, l c cộng tác có th l c hiệu qu trên
nhi u d ng s n phẩm kh c nhau nh hàng hóa, s a, nh, tài liệu [4]. Cùng
trên một hệ t v n ng
i dùng s đ
c t v n nhi u lo i m t hàng khác nhau
cho dù các m t hàng này có th bi u diễn tr n không gian c c đ c tr ng nội
dung khác nhau.
1.1.2.1 Bài toán lọc cộng tác
Ký hiệu U= {u1, u2 … uN} là tập g m N ng
pM} là tập g m M s n phẩm mà ng
i dùng, P= {p1, p2,..,
i dùng có th l a ch n. M i s n phẩm
pi∈ P có th là hàng hóa, s a, nh, t p chí, tài liệu, sách, báo, d ch vụ ho c b t
kỳ d ng thông tin nào mà ng
i dùng c n đ n.
Ti p theo, ký hiệu R={rij}, i = 1..N, j = 1..M là ma trận đ nh gi trong
đ m i ng
i dùng ui∈ U đ a ra đ nh gi c a mình cho một s s n phẩm pj∈
P bằng một tr ng s rij. Giá tr rij ph n ánh m c độ a th ch c a ng
Số hóa bởi Trung tâm Học liệu – ĐHTN
i dùng ui
http://www.lrc.tnu.edu.vn
7
đ i v i s n phẩm pj. Giá tr rij có th đ
ki n ng
c thu thập tr c ti p bằng cách h i ý
i dùng ho c thu thập gián ti p thông qua c ch ph n h i c a ng
dùng. Giá tr rij = Ø trong tr
ng h p ng
i
i dùng ui ch a đ nh gi ho c ch a
bao gi bi t đ n s n phẩm pj.
V i một ng
th i ng
i dùng c n đ
i dùng c n đ
c t v n ua (đ
c t v n hay ng
c g i là ng
i dùng hiện
i dùng tích c c), bài toán l c
cộng tác là bài toán d đo n đ nh gi c a ua đ i v i nh ng m t hàng mà u a
ch a đ nh gi (r aj = Ø) tr n c sở đ t v n cho ua nh ng s n phẩm đ
c
đ nh gi cao
B ng 1.1 th hiện một ví dụ v i ma trận đ nh gi R = (rij) trong hệ g m
5 ng
ng
i dùng U = {u1, u2, u3, u4, u5} và 4 s n phẩm P= {p1, p2, p3, p4}. M i
i dùng đ u đ a ra c c đ nh gi c a mình v các s n phẩm theo thang bậc
{Ø, 1, 2, 3, 4, 5}. Giá tr rij = Ø đ
c hi u là ng
i dùng ui ch a đ nh gi
ho c ch a bao gi bi t đ n s n phẩm pj. Các giá tr r5,2 = ? là s n phẩm hệ
th ng c n d đo n cho ng
i dùng u5.
Bảng 1.1.Ví dụ v ma trận đ nh gi c a l c cộng tác
p1
p2
p3
p4
u1
2
1
3
5
u2
4
2
1
Ø
u3
3
Ø
2
4
u4
4
4
Ø
Ø
u5
4
?
5
5
Ma trận đ nh gi R= (rij) là thông tin đ u vào duy nh t c a c c ph
pháp l c cộng tác. D a trên ma trận đ nh gi c c ph
hiện hai tác vụ: D đo n quan đi m c a ng
các s n phẩm mà h ch a đ nh gi
ng
ng ph p l c cộng tác th c
i dùng hiện th i (Active User) v
đ ng th i đ a ra một danh sách các s n
phẩm có đ nh gi cao nh t phân bổ cho ng
i dùng hiện th i.
1.1.2.2 C c phương ph p lọc cộng tác
Số hóa bởi Trung tâm Học liệu – ĐHTN
http://www.lrc.tnu.edu.vn
8
ng gi ng nh l c theo nội dung, l c cộng tác ti p cận theo hai xu
h
ng chính: L c cộng tác d a trên bộ nh và l c cộng tác d a trên mô hình.
M i ph
ng ph p ti p cận có nh ng u đi m và h n ch riêng, khai thác các
m i liên hệ trên ma trận đ nh gi ng
ph
ng ph p đ
i dùng. Cách ti p cận cụ th m i
c th c hiện nh sau.
Lọc cộng tác dựa trên bộ nhớ
c ph
ng ph p l c d a trên bộ nh s dụng toàn bộ ma trận đ nh gi
đ sinh ra d đo n c c s n phẩm cho ng
là ph
Ph
ng ph p h c l
ng ph p đ
i dùng hiện th i. V th c ch t đ y
i hay h c d a trên ví dụ đ
c th c hiện theo hai
c s dụng trong h c máy.
c: Tính toán m c độ t
ng t và
c t o nên d đo n
• T nh to n m c độ t
tr ng s gi a hai ng
•
ng t
i dùng x và y (ho c gi a hai s n phẩm x và y).
đo n: Đ a ra
đo n cho ng
đ nh tập láng gi ng c a ng
t v nđ
sim(x, y): Mô t kho ng cách, s liên quan, hay
i dùng c n đ
c t v n bằng cách xác
i dùng này. Tập láng gi ng c a ng
c xác đ nh d a trên m c độ t
ng t gi a các c p ng
i dùng c n
i dùng ho c
s n phẩm.
Việc tính toán m c độ t
ng t gi a hai ng
xét d a vào tập s n phẩm c hai ng
toán m c độ t
ng
i dùng x và y đ
i dùng đ u đ nh gi T
ng t gi a hai s n phẩm x và y đ
i dùng cùng đ nh gi c hai s n phẩm Sau đ
đ xác đ nh m c độ t
ng t gi a hai ng
Chú ý rằng c hai ph
c xem
ng t , việc tính
c xem xét d a vào tập
s dụng một độ đo cụ th
i dùng ho c s n phẩm.
ng ph p l c theo nội dung và l c cộng tác đ u
s dụng độ đo cosin gi ng nhau trên tập các s n phẩm. Tuy nhiên, l c theo
nội dung s dụng độ t
ng t cosin cho các véc t c a tr ng s đ
theo độ đo t n su t và t n su t xu t hiện ng
gi a hai véc t
i u diễn đ nh gi c a ng
c tính
c, l c cộng tác s dụng cosin
i dùng.
Lọc cộng tác dựa vào mô hình
Số hóa bởi Trung tâm Học liệu – ĐHTN
http://www.lrc.tnu.edu.vn
9
Khác v i ph
ng ph p
ph
a trên bộ nh
ng ph p l c d a trên mô
hình [2] s dụng tập đ nh giá đ xây d ng mô hình hu n luyện. K t qu c a
mô hình hu n luyện đ
c s dụng đ sinh ra d đo n quan đi m c a ng
dùng v các s n phẩm ch a đ
c h đ nh gi Ưu đi m c a c a ph
này là mô hình hu n luyện c k ch th
i
ng ph p
c nh h n r t nhi u so v i ma trận
đ nh gi và th c hiện d đo n nhanh Mô h nh ch c n cập nhật l i khi có
nh ng thay đổi l n và ch th c hiện l i ph n xây d ng mô hình.
Mô hình mạng Bayes
Mô hình m ng Bayes [6] bi u diễn m i s n phẩm nh một đ nh c a đ
th , tr ng thái c a đ nh t
s n phẩm đ đ
ng ng v i giá tr đ nh gi c a ng
c đ nh gi
u trúc c a m ng đ
hu n luyện. Breese [6] đ xu t ph
c phận bi t từ tập d liệu
ng ph p m ng
cộng t c trong đ nh ng đ nh gi ch a i t đ
i dùng đ i v i
ayes đ n gi n cho l c
c tính toán theo công th c
(1.3). Breese gi thi t các giá tr đ nh gi đ
c xem xét nh nh ng s nguyên
nằm gi a 0 và n. Đ nh gi ch a bi t c a ng
i dùng u đ i v i s n phẩm p là
ru,p đ
c
cl
ng thông qua nh ng đ nh gi tr
G i Pu= { p’∈ P| rup’ ≠ Ø} Khi đ
v i s n phẩm p đ
c đ c a ng
đ nh gi ch a i t c a ng
i dùng u.
i dùng u đ i
c tính theo công th c
i Prr
n
rup = E(rup) =
i 0
up
i rup' , p' Pu
(1.3)
Billsus và Pazzani [9] chuy n đổi d liệu có nhi u m c đ nh giá thành d liệu
nh ph n Khi đ
ma trận đ nh gi đ
c chuy n đổi thành ma trận bao g m
đ c tr ng nh phân. Việc chuy n đổi này làm cho việc s dụng mô hình m ng
r trở nên thuận tiện h n Tuy nhi n k t qu phân lo i theo c c đ c tr ng nh
phân không ph n nh đ ng c c ộ d liệu th c
Mô hình phân cụm
Một cụm là tập các đ i t
ng d liệu có các ph n t trong cụm gi ng
nhau nhi u nh t, và khác nhau nhi u nh t đ i v i các ph n t thuộc các cụm
khác
c ph
ng ph p ph n cụm cho l c cộng t c đ
Số hóa bởi Trung tâm Học liệu – ĐHTN
c s dụng đ phân
http://www.lrc.tnu.edu.vn
10
chia tập ng
i dùng (ho c tập s n phẩm) thành các cụm ng
phẩm) có sở th ch t
cụm nào s đ
ng t nhau Khi đ
i dùng (ho c s n phẩm) thuộc
c d đo n và t v n các s n phẩm đ
cụm đ [7] Độ đo
d liệu th
ng
ng đ
ng đ
cl
i dùng (ho c s n
c đ nh gi cao trong
ng m c độ gi ng nhau gi a c c đ i t
c s dụng là kho ng cách Minkowski và độ t
ng
ng quan
Pearson.
Cho hai đ i t
ng d liệu X = (x1, x2,..,xn), Y = (y1, y2,..,yn). Khi
đ kho ng c ch Minkowski đ
c đ nh ngh a theo công th c
n
d(X,Y) =
q
x y
i 1
Trong đ
i
q
i
n là s chi u c a X và Y; xi, yi là giá tr thành ph n th
ic a
ng N u q =1, thì d(X,Y) là kho ng cách
X và Y; q là một s nguyên
Minkowski. N u q =2, thì d(X,Y)là kho ng cách Euclid.
Sarwar và Herlocker [7] cùng các cộng s s dụng các kỹ thuật phân
cụm chia tập ng
i dùng thành các cụm Ph
thuật toán d a trên bộ nh nh độ t
ng ph p
đo n s dụng các
ng quan Pearson đ th c hiện trên m i
cụm d liệu.
Si và Jin [8] đ xu t mô hình phân cụm bằng mô hình pha trộn linh
ho t (Flexible Mixture Mo el) Ph
ng
ng ph p ph n cụm đ ng th i cho c
i dùng và s n phẩm và cho phép m i ng
i dùng ho c s n phẩm có th
thuộc nhi u cụm khác nhau, sau đ mô h nh h a c c cụm ng
i dùng và các
cụm s n phẩm độc lập nhau đ th c hiện d đo n K t qu th nghiệm đ
ch ng t ph
t
ng ph p cho l i k t qu t t h n so v i ph
ng quan Pearson và mô h nh đ nh h
ng ph p
a trên độ
ng (Aspect Model).
Mô hình ngữ nghĩa ẩn:
Mô hình ng ngh a ẩn cho l c cộng tác d a vào các kỹ thuật th ng kê,
trong đ c c tham i n ẩn đ
phá ra cộng đ ng ng
c thi t lập trong một mô hình h n h p đ khám
i dùng phù h p v i m u h s thích h p.
Số hóa bởi Trung tâm Học liệu – ĐHTN
http://www.lrc.tnu.edu.vn
- Xem thêm -