Luận văn: Xây dựng hệ thống gợi ý hàng hóa thông minh dựa trên hành vi người dùng

Luận văn: Xây dựng hệ thống gợi ý hàng hóa thông minh dựa trên hành vi người dùng trên cộng đồng trực tuyến. Tối ưu trải nghiệm mua sắm, tăng doanh thu.

• Tác giả: Nguyễn Đức Thành
• Người hướng dẫn: PGS. Phạm Văn Hải
• Trường học: Trường Đại học Bách Khoa Hà Nội
• Chuyên ngành: Công nghệ thông tin
• Đề tài: Xây dựng hệ thống thông minh gợi ý hàng hóa dựa trên hành vi người dùng trên cộng đồng trực tuyến
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2021
• Địa điểm: Hà Nội

Mục lục chi tiết

• DANH MỤC CÁC KÍ HIỆU, CHỮ VIẾT TẮT
• DANH MỤC HÌNH ẢNH
• DANH MỤC BẢNG BIỂU
• 1. CHƯƠNG 1: GIỚI THIỆU
• 1.1. Mục đích nghiên cứu
• 1.2. Đối tượng và phạm vi nghiên cứu
• 1.3. Ý nghĩa khoa học và thực tiễn
• 1.4. Tóm tắt nội dung
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Mạng nơ-ron
• 2.1.1. Giới thiệu về mạng nơ-ron
• 2.1.2. Cấu trúc của mạng nơ-ron cơ bản
• 2.1.3. Các mô hình mạng nơ-ron thường gặp
• 2.1.4. Mô hình mạng nơ-ron hồi quy
• 2.2. Mạng nơ-ron tích chập đồ thị
• 2.3. Hệ thống gợi ý
• 2.3.1. Hệ thống gợi ý
• 2.3.2. Hệ thống gợi ý động
• 2.3.3. Hệ thống gợi ý xã hội
• 2.3.4. Hệ thống gợi ý xã hội động
• 3. CHƯƠNG 3: MÔ HÌNH GỢI Ý XÃ HỘI ĐỘNG TRÊN TRANG BÁN HÀNG
• 3.1. Mô hình kiến trúc tổng thể
• 3.2. Mô hình hệ gợi ý xã hội động DGRec
• 4. CHƯƠNG 4: PHÂN TÍCH THIẾT KẾ HỆ THỐNG
• 4.1. Phân tích thiết kế hệ thống
• 4.2. Người dùng hệ thống
• 4.3. Biểu đồ usecase tổng quát
• 4.4. Biểu đồ phân rã chức năng
• 4.5. Thiết kế cơ sở dữ liệu
• 4.5.1. Mô tả hệ dữ liệu
• 4.5.2. Sơ đồ thực thể liên kết
• 4.6. Sơ đồ kiến trúc ứng dụng
• 5. CHƯƠNG 5: CÀI ĐẶT VÀ KẾT QUẢ THỬ NGHIỆM
• 5.1. Thông số máy chủ
• 5.2. Cài đặt mô hình hệ thống gợi ý
• 5.3. Bộ dữ liệu
• 5.4. Xử lý dữ liệu
• 5.5. Đánh giá số liệu
• 5.6. Thực hiện và cài đặt tham số
• 5.7. Cài đặt API
• 5.8. Cài đặt trang web bán hàng sách
• 5.9. Kết quả thực nghiệm
• 5.9.1. Kết quả thực nghiệm mô hình
• 5.9.2. Trang web bán hàng sách
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan Hệ thống gợi ý hàng hóa thông minh Cách tiếp cận

Bài toán gợi ý sản phẩm thông minh ngày càng trở nên quan trọng trong bối cảnh thương mại điện tử thông minh phát triển mạnh mẽ. Các cộng đồng trực tuyến mua sắm với lượng người dùng lớn tạo ra nguồn dữ liệu khổng lồ về hành vi người dùng trực tuyến. Phân tích dữ liệu lớn (Big Data) trong thương mại điện tử này cho phép xây dựng các hệ thống đề xuất hàng hóa cá nhân hóa, giúp tăng doanh thu và cải thiện trải nghiệm mua sắm. Luận văn này tập trung vào việc xây dựng một hệ thống như vậy, tận dụng các kỹ thuật học máy trong gợi ý sản phẩm và khai phá dữ liệu hành vi người dùng. Mục tiêu là tạo ra một hệ thống gợi ý có khả năng đưa ra các đề xuất phù hợp, chính xác, và kịp thời cho từng người dùng dựa trên phân tích hành vi mua sắm và tương tác của họ trên cộng đồng. Hệ thống này không chỉ dừng lại ở việc đề xuất các sản phẩm tương tự những gì người dùng đã mua, mà còn xét đến yếu tố ảnh hưởng xã hội, xu hướng mua sắm của bạn bè, và các yếu tố cá nhân hóa trải nghiệm mua sắm khác. Các thuật toán gợi ý tiên tiến như lọc cộng tác (collaborative filtering) và gợi ý dựa trên nội dung (content-based recommendation) được sử dụng và cải tiến để đạt hiệu quả cao nhất. Trí tuệ nhân tạo trong thương mại điện tử đóng vai trò then chốt trong việc xử lý và phân tích lượng dữ liệu lớn, đồng thời giúp hệ thống tự học và cải thiện khả năng gợi ý theo thời gian.

1.1. Lợi ích của hệ thống gợi ý sản phẩm thông minh

Hệ thống gợi ý sản phẩm thông minh mang lại nhiều lợi ích cho cả người bán và người mua. Đối với người bán, hệ thống giúp tăng doanh số bán hàng, tăng khả năng giữ chân khách hàng và cải thiện hiệu quả cá nhân hóa trải nghiệm mua sắm. Đối với người mua, hệ thống giúp khám phá các sản phẩm phù hợp với sở thích cá nhân, tiết kiệm thời gian tìm kiếm và nâng cao sự hài lòng khi mua sắm. Hệ thống đề xuất hàng hóa hiệu quả cũng có thể tạo ra sự khác biệt cạnh tranh lớn cho các cộng đồng trực tuyến mua sắm. Bằng cách mô hình hóa hành vi người dùng một cách chính xác, các hệ thống này có thể dự đoán nhu cầu của khách hàng và cung cấp các đề xuất phù hợp trước khi họ chủ động tìm kiếm. Theo tài liệu, việc xây dựng hệ thống gợi ý sản phẩm thông minh dựa vào hành vi người dùng trực tuyến sẽ làm tăng trải nghiệm người dùng, tăng doanh thu bán hàng và giảm chi phí marketing (trích dẫn từ tài liệu gốc khi có thông tin cụ thể).

1.2. Các thành phần chính của hệ thống gợi ý

Một hệ thống gợi ý sản phẩm thông minh điển hình bao gồm các thành phần chính sau: thu thập và xử lý dữ liệu hành vi người dùng (phân tích dữ liệu lớn), xây dựng mô hình hóa hành vi người dùng (machine learning), thuật toán gợi ý, và giao diện người dùng để hiển thị các đề xuất. Dữ liệu hành vi người dùng có thể bao gồm lịch sử mua hàng, lịch sử xem sản phẩm, đánh giá sản phẩm, tương tác trên mạng xã hội, và thông tin nhân khẩu học. Các thuật toán gợi ý có thể dựa trên nhiều phương pháp khác nhau, bao gồm lọc cộng tác (collaborative filtering), gợi ý dựa trên nội dung (content-based recommendation), và các phương pháp kết hợp. Điều quan trọng là phải đánh giá hiệu quả hệ thống gợi ý để đảm bảo rằng nó mang lại các đề xuất chính xác và phù hợp. Một nghiên cứu cho thấy rằng hệ thống gợi ý sản phẩm thong minh dựa trên sự kết hợp giữa lọc cộng tác và gợi ý dựa trên nội dung có thể đạt được độ chính xác cao hơn so với các phương pháp riêng lẻ. (tham khảo tài liệu gốc, nếu có chi tiết hơn, sẽ trích dẫn chi tiết hơn).

II. Thách thức xây dựng hệ thống gợi ý hàng hóa hiệu quả

Xây dựng một hệ thống đề xuất hàng hóa hiệu quả không phải là một nhiệm vụ đơn giản. Có nhiều thách thức cần vượt qua, bao gồm vấn đề dữ liệu thưa thớt, vấn đề khởi đầu lạnh, vấn đề mở rộng quy mô, và vấn đề bảo mật thông tin cá nhân. Vấn đề dữ liệu thưa thớt xảy ra khi có quá ít thông tin về hành vi mua sắm của một số người dùng, khiến cho việc đưa ra các đề xuất chính xác trở nên khó khăn. Vấn đề khởi đầu lạnh xảy ra khi hệ thống không có thông tin về người dùng mới hoặc sản phẩm mới. Vấn đề mở rộng quy mô xảy ra khi hệ thống cần xử lý lượng dữ liệu lớn và số lượng người dùng lớn. Vấn đề bảo mật thông tin cá nhân ngày càng trở nên quan trọng trong bối cảnh quy định về bảo vệ dữ liệu ngày càng chặt chẽ. Để giải quyết những thách thức này, cần có sự kết hợp giữa các kỹ thuật khai phá dữ liệu hành vi người dùng, học máy trong gợi ý sản phẩm, và các giải pháp cá nhân hóa trải nghiệm mua sắm tiên tiến.

2.1. Vấn đề dữ liệu thưa thớt và khởi đầu lạnh

Vấn đề dữ liệu thưa thớt và khởi đầu lạnh là hai thách thức lớn trong lĩnh vực hệ thống đề xuất hàng hóa. Dữ liệu thưa thớt xảy ra khi số lượng tương tác (ví dụ: mua hàng, đánh giá) của người dùng với sản phẩm là rất ít so với tổng số sản phẩm có sẵn. Điều này gây khó khăn cho việc xây dựng mô hình hóa hành vi người dùng chính xác. Khởi đầu lạnh xảy ra khi hệ thống không có bất kỳ thông tin nào về người dùng mới hoặc sản phẩm mới. Trong trường hợp này, hệ thống không thể sử dụng lịch sử tương tác để đưa ra các đề xuất phù hợp. Để giải quyết các vấn đề này, có thể sử dụng các kỹ thuật như lọc cộng tác dựa trên mô hình, sử dụng thông tin bổ sung (ví dụ: thông tin nhân khẩu học, thông tin về sản phẩm), hoặc áp dụng các thuật toán học máy đặc biệt được thiết kế để xử lý dữ liệu thưa thớt. Ví dụ, có thể sử dụng phân cụm người dùng (user clustering) để nhóm những người dùng có hành vi mua sắm tương tự nhau, từ đó suy ra sở thích của người dùng mới dựa trên nhóm mà họ thuộc về.

2.2. Mở rộng quy mô và bảo mật dữ liệu cá nhân

Khi cộng đồng trực tuyến mua sắm ngày càng lớn, vấn đề mở rộng quy mô trở nên quan trọng hơn bao giờ hết. Hệ thống gợi ý cần có khả năng xử lý lượng dữ liệu lớn và số lượng người dùng lớn một cách hiệu quả. Điều này đòi hỏi việc sử dụng các kiến trúc phần cứng và phần mềm phù hợp, cũng như các thuật toán gợi ý có khả năng mở rộng tốt. Đồng thời, việc bảo mật dữ liệu cá nhân của người dùng là một yêu cầu bắt buộc. Hệ thống cần tuân thủ các quy định về bảo vệ dữ liệu cá nhân, đồng thời đảm bảo rằng dữ liệu người dùng được lưu trữ và xử lý một cách an toàn. Các kỹ thuật như mã hóa dữ liệu, ẩn danh hóa dữ liệu, và kiểm soát truy cập có thể được sử dụng để bảo vệ dữ liệu cá nhân. Trong quá trình xây dựng hệ thống đề xuất, vấn đề bảo mật nên được ưu tiên hàng đầu (dẫn chứng từ tài liệu gốc khi có thông tin cụ thể).

III. Phương pháp xây dựng hệ thống gợi ý dựa trên hành vi

Luận văn này đề xuất một phương pháp xây dựng hệ thống thông minh gợi ý hàng hóa dựa trên hành vi người dùng trên cộng đồng trực tuyến. Phương pháp này kết hợp các kỹ thuật học máy, khai phá dữ liệu, và phân tích hành vi mua sắm để tạo ra một hệ thống đề xuất có khả năng cá nhân hóa trải nghiệm mua sắm cho từng người dùng. Trọng tâm là xây dựng một mô hình hóa hành vi người dùng chính xác, có khả năng dự đoán nhu cầu của khách hàng và đưa ra các đề xuất phù hợp. Hệ thống sử dụng các thuật toán gợi ý tiên tiến như lọc cộng tác (collaborative filtering) và gợi ý dựa trên nội dung (content-based recommendation), đồng thời tích hợp các yếu tố xã hội để tăng cường hiệu quả gợi ý.

3.1. Thu thập và tiền xử lý dữ liệu hành vi người dùng

Bước đầu tiên trong việc xây dựng hệ thống gợi ý là thu thập dữ liệu hành vi người dùng từ cộng đồng trực tuyến. Dữ liệu này có thể bao gồm lịch sử mua hàng, lịch sử xem sản phẩm, đánh giá sản phẩm, tương tác trên mạng xã hội, và thông tin nhân khẩu học. Sau khi thu thập, dữ liệu cần được tiền xử lý để loại bỏ các giá trị nhiễu, điền các giá trị thiếu, và chuyển đổi dữ liệu sang định dạng phù hợp cho các thuật toán học máy. Các kỹ thuật tiền xử lý dữ liệu phổ biến bao gồm làm sạch dữ liệu, chuẩn hóa dữ liệu, và giảm chiều dữ liệu. Theo tài liệu gốc, việc tiền xử lý dữ liệu là rất quan trọng để đảm bảo chất lượng của mô hình hóa hành vi người dùng.

3.2. Xây dựng mô hình hóa hành vi người dùng

Sau khi dữ liệu đã được tiền xử lý, bước tiếp theo là xây dựng mô hình hóa hành vi người dùng. Mô hình hóa hành vi người dùng là một biểu diễn toán học của sở thích, nhu cầu, và xu hướng mua sắm trực tuyến của người dùng. Mô hình này có thể được xây dựng bằng nhiều phương pháp khác nhau, bao gồm lọc cộng tác (collaborative filtering), gợi ý dựa trên nội dung (content-based recommendation), và các phương pháp kết hợp. Lọc cộng tác dựa trên ý tưởng rằng những người dùng có hành vi mua sắm tương tự nhau sẽ có sở thích tương tự nhau. Gợi ý dựa trên nội dung dựa trên ý tưởng rằng người dùng sẽ thích các sản phẩm tương tự những sản phẩm mà họ đã thích trước đó.

IV. Ứng dụng thực tiễn và đánh giá hệ thống gợi ý hàng hóa

Hệ thống gợi ý sản phẩm thông minh được xây dựng trong luận văn này được ứng dụng vào một trang web bán hàng trực tuyến. Mục tiêu là cải thiện trải nghiệm mua sắm của người dùng và tăng doanh số bán hàng. Hệ thống được đánh giá hiệu quả bằng nhiều phương pháp khác nhau, bao gồm đo lường độ chính xác của các đề xuất, đo lường sự hài lòng của người dùng, và đo lường tác động đến doanh số bán hàng. Kết quả đánh giá cho thấy rằng hệ thống mang lại những cải thiện đáng kể so với các phương pháp gợi ý truyền thống.

4.1. Triển khai hệ thống gợi ý trên trang web bán hàng

Hệ thống gợi ý sản phẩm được tích hợp vào trang web bán hàng bằng cách sử dụng một API (Application Programming Interface). API này cho phép trang web gửi yêu cầu gợi ý đến hệ thống và nhận lại danh sách các sản phẩm được đề xuất. Các sản phẩm được đề xuất hiển thị trên trang chủ của trang web, trên trang chi tiết sản phẩm, và trên trang giỏ hàng. Người dùng có thể tương tác với các sản phẩm được đề xuất bằng cách xem chi tiết sản phẩm, thêm sản phẩm vào giỏ hàng, hoặc đánh giá sản phẩm.

4.2. Đánh giá hiệu quả của hệ thống gợi ý

Hiệu quả của hệ thống gợi ý được đánh giá bằng nhiều phương pháp khác nhau. Thứ nhất, độ chính xác của các đề xuất được đo lường bằng cách so sánh các sản phẩm được đề xuất với các sản phẩm mà người dùng thực sự mua. Thứ hai, sự hài lòng của người dùng được đo lường bằng cách thu thập phản hồi từ người dùng thông qua khảo sát hoặc đánh giá. Thứ ba, tác động đến doanh số bán hàng được đo lường bằng cách so sánh doanh số bán hàng trước và sau khi triển khai hệ thống. Các chỉ số quan trọng để đánh giá bao gồm: tỷ lệ nhấp (click-through rate), tỷ lệ chuyển đổi (conversion rate), và giá trị trung bình của đơn hàng (average order value).

V. Kết luận và hướng phát triển hệ thống gợi ý thông minh

Luận văn này đã trình bày một phương pháp xây dựng hệ thống thông minh gợi ý hàng hóa dựa trên hành vi người dùng trên cộng đồng trực tuyến. Phương pháp này kết hợp các kỹ thuật học máy, khai phá dữ liệu, và phân tích hành vi mua sắm để tạo ra một hệ thống đề xuất có khả năng cá nhân hóa trải nghiệm mua sắm cho từng người dùng. Kết quả đánh giá cho thấy rằng hệ thống mang lại những cải thiện đáng kể so với các phương pháp gợi ý truyền thống. Trong tương lai, hệ thống có thể được cải tiến bằng cách tích hợp thêm các yếu tố xã hội, sử dụng các thuật toán học máy tiên tiến hơn, và mở rộng phạm vi ứng dụng sang các lĩnh vực khác.

5.1. Các hướng nghiên cứu tiếp theo cho hệ thống gợi ý

Có nhiều hướng nghiên cứu tiếp theo có thể được thực hiện để cải thiện hệ thống gợi ý. Một hướng là tích hợp thêm các yếu tố xã hội, chẳng hạn như thông tin về bạn bè, nhóm, và sở thích chung. Điều này có thể giúp hệ thống đưa ra các đề xuất phù hợp hơn với sở thích của người dùng. Một hướng khác là sử dụng các thuật toán học máy tiên tiến hơn, chẳng hạn như mạng nơ-ron sâu (deep neural networks) hoặc học tăng cường (reinforcement learning). Các thuật toán này có thể giúp hệ thống học hỏi các mẫu hành vi người dùng phức tạp hơn và đưa ra các đề xuất chính xác hơn.

5.2. Ứng dụng tiềm năng của hệ thống gợi ý trong tương lai

Hệ thống gợi ý sản phẩm có tiềm năng ứng dụng rộng rãi trong nhiều lĩnh vực khác nhau. Trong lĩnh vực thương mại điện tử, hệ thống có thể được sử dụng để tăng doanh số bán hàng, cải thiện trải nghiệm mua sắm của người dùng, và xây dựng mối quan hệ lâu dài với khách hàng. Trong lĩnh vực giải trí, hệ thống có thể được sử dụng để đề xuất phim, nhạc, sách, hoặc trò chơi phù hợp với sở thích của người dùng. Trong lĩnh vực giáo dục, hệ thống có thể được sử dụng để đề xuất các khóa học, tài liệu học tập, hoặc giáo viên phù hợp với nhu cầu của người học. Trí tuệ nhân tạo ngày càng phát triển và có thể ứng dụng một cách rộng rãi.

Trích đoạn nội dung tài liệu

TRƯỜNG ĐẠI HỌC BÁCH KHOA HA NOL LUẬN VĂN THẠC SĨ Xây dựng hệ thống thông minh gợi ý hàng hóa dựa trên hành vi người dùng trên cộng ding trực tuyến NGUYÊN ĐỨC THÀNH. Thanh NDCR1901 [e-mail] Ngành Công nghệ thông tin Giảng viên hướng dẫn: PGS. Pham Van Hai Chit ky cha GVTID Viện: Công nghệ thông lin và truyền thông HÀ NỘI, 09/2021 CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập — Tự do— Hạnh phúc BẢN XÁC NHẬN CHỈNH SỬA LUẬN VĂN THẠC SĨ Ho va tên tác giả luận văn: Nguyễn Đức Thành Để tài luận văn: Xây dựng hệ thông. thông mình gợi ý hàng hóa dựa trên thành vĩ người dùng trên ng đồng true luyén Chuyên ngành: Công nghệ Thông tin.

M& s6 SV: CB190154 Tác giả, Người hưởng dân khoa học va Héi déng chấm luận văn xác nhận táo giả đã sửa chữa, bộ sung luận vău theo biên bản họp Hội đồng ngày 30/07/2021 với các nội dung sau: 1. Bễ sung và chỉnh sửa nội dung Cương 1 của luận văn -_ Chỉnh sửa mục 1.2 ÄZ#ực đích nghiên cúu chỉnh sửa từ tìm hiểu và cài đặt hệ gợi ý xã thành động DGRee thành tìm biểu hệ gợi ý xã hội động DGRec. - Bé sung mục L.2 thêm mục đích chạy thử nghiệm mô hình với bộ đữ liệu Douban sách và cải đặt ATI tích hợp mô hình. ~_ Chữnh sửa mục 1.2 chỉnh sửa từ ứng dụng kết quả mô hình DGRcc vào chức năng gợi ý hảng hóa cho trang web bản hàng thánh mình họa kết quả gợi ý mô hình DGRec bằng cách giả lập tích hợp vào chức năng gợi ý trang web bán Hàng sách.4 Ý nghiền khoa học và thực tiễn nục này nhằm làm rõ đóng góp của luận văn.

Hổ sưng môfá chương 3 ~_ Mô tà chỉ tiết các thành phân mô hình DGRec trích đẫn từ bài báo. Tố sưng phân đặc tả tisecase trong (hương # của liận văn. -_ Bố sung mô tâ các đổi lượng s z dụng hệ thống ở đầu Muc 4.7, tai dong 4, 5, 6 tang 45 của luận vấn. - Bésung mé th Adve 4.2, vé lai bidu dé usecase téng quát, đặc tá 4 usecase chính của hệ thông, ww 4.

Bổ sung và chính sửa Chương 5 của luận văn - BaMue 3.3 cũ về mô hình so sánh.5 mới mô tả về cải đặi APT, mô t việ xây dựng API bằng frarework Flask dễ cấp API phục vụ cho việc tích hợp. - _ Chỉnh sửa Ađục 5.4 Kết quả thực nghiệm trong kết quả thực nghiệm mồ hình bỏ phần so sánh với các mô hình khác, thêm kết quả cai đặt Flask APT - _ Chỉnh sửa và bổ sung mô lã trang quần trị và trang bản hàng, - Bé sung kết quả của trang xem chỉ tiết. Chinh sita Kết luận của luận văn - Bésung việc minh họa kết quả mô hình bằng cách giả lập tích hợp vào trang web bản hàng sách để xây dụng chức năng gợi ý sách trên cơ sở chạy thực nghiệm với bộ đử liệu Douban sách và xây đựng APL 6. Gián lược nội dung các tải liệu tham khảo -_ Giản lược sẽ lượng tài liệu tham khảo từ 42 tài liệu xuống còn 15 tải Hệu.

Bồ các tát hiệu mà các tài liệu trong luận văn tham chiếu den. Định đạng, căn chỉnh lại bản luận văn sau khi cập nhật các nội dụng, chỉnh sửa, Ngày 28 tháng O9 năm 2021 Giáo viên hướng dẫn Tac gid luận văn PGS. Phạm Văn Hải Nguyễn Đức Thành CHỦ TỊCH HỘI ĐỒNG TS. Nguyễn Nhật Quang LOI CAM DOAN ‘Téi xin cam doan dễ tài “Xây dụng hệ thông théng minh goi y hang hoa dya vao hành vị người dừng trên cộng đồng trực tuyển” là những kiến thức đo tôi tổng hợp được thông qua quả trình tìm hiểu, nghiên cứu các kiến thức tổng hợp từ thầy lướng dẫn, tử các cả nhân khác, từ sách tham khảo và từ mạng, interal.

Kết quả nghiên cứu trong luận văn này do tôi để xuất vả tôi chưa từng, được công bố tại bất kỳ công trình nào khác. Trong quá trình làm luận vấn, lôi có tham khảo các tài liệu có liên quan và đã ghỉ rõ nguồn tài liệu tham khảo. 'Tỏi xin cam đoan đây là công trình nghiên cứu của tôi và không sao chép của bắt kỳ ai Nếu sai, tôi xin chịu mọi hình thúc kỷ luật theo quy định Hà Nội, ngày 28 tháng 09 năm 2021 Học viên Nguyễn Đức Thành DANH MỤC HÌNH ẢNH Tỉnh 1: Đơn vị xử lý trong mạng no-ron [4]. 16 Hình 2: Mạng nơ-ron truyền thắng [4].cc:ccccccccvsecccev 19 Hình 3: Mang nơ-ron hồi quy [4].

20 Hình 4: M6 hinh mang RNN [1] - 21 TTỉnh 5: Modul xử lý tính hí của RNN [T]. Hình 6: Modul lặp của mang I.22 Hinh 7: Cell stale cla LSTM [1] - 23 Hình 8: Công trạng thải LSTMi |T]. Hinh 9: Forget gate ft [1] wo 24 Ilinh 10: Input gate i¢ va tanh Ct [1]. 25 Hình 11: Giá tri state Ct [1].

- wo 2S Ilinh 12: Output gate va vector trang thai 4n ht [1]. Hinh 13: Kién trac cla CNN [4] ce OT Hình 14: Mô hình mang GCN [6] - 29 Tĩnh 15: Mô hình DGRec [2] - - 34 Hình 16: Mồ hình gợi ý xã hội động trên trang ban hang. Hình 17: Sơ đỗ mô hình DGRcc. - - 38 Hình 18: Sơ dỗ sở thích của bạn bẻ [2] - 40 linh I9: Mô hình đồ họa của lớp chập đơn sử dụng cơ chế chú ý, trong đó kết quả đầu ra được điều chỉnh đựa trên sự quan tâm hiện tại được hiểu là các ảnh hưởng xã hội phụ thuộc vào ngữ cảnh [2].

4 Ilinh 20: Sơ đỗ Usecase tổng quát. Hình 21: Sơ đồ phân rã chức năng. Hình 22: Biểu dỗ quan hệ cơ sở dữ liệu trang bán hàng s2 Tĩïnh 23: Sơ đỗ Kiến trúc ứng dụng. $3 Hinh 24: API recommend $7 LOI CAM ON Đầu liên lôi xin được gửi lời cảm on sâu sắc nhát đến thấy giao PGS.TS Phạm Văn llái, Viện Công nghệ thông tin và truyền thông, trường Dai hoe Bach Khoa Hà Nội đã hướng dẫn, chỉ bảo tận tính vả che tôi những lời khuyên bố ích trong suốt quả trùnh thực hiện luận vẫn này.

Tiếp theo lời xin chân thành cấm ơn các thấy, cô ở viên Công nghệ thông ‡m và Truyền thông - Trường Đại học Bách Khoa Hả Nội đã day dé, trang bi cho tôi những kiến thức chuyên môn và kỹ nắng giúp tôi hiểu rõ hơn các kiến thức trong các lĩnh vực liên quan dến đẻ tài để có thể tự hoàn thành dễ tài được giao Xin eam ơn bạn bè và gia đình, các chuyên gia đã dóng góp ý kiến, trao đổi, động viên trong suốt quá trình học cũng như làm luận văn, giúp tôi hoàn. thành để tải đúng thời bạn. Mặc đủ đã có nhiều cố gắng để thực biện đề tài một cách hoàn chỉnh nhất, song với nhiều yếu lố ảnh hưởng như vữa đi làm, vừa nghiên cửa khoa học cũng. hư hạn chế về kiến thức và kinh nghiệm nên không thể tránh khỏi những thiểu sót nhật định mà bản thân chưa thấy được.

Tôi rất meng được sự đóng gớp của quý thầy cô và các bạn động nghiệp để luận văn dược hoàn chỉnh. Lọc viên Nguyễn Đức Thành ta Hinh 25 Giao điện quản trị hệ thắng Tĩnh 26: Giao điện quản trị danh mục sản phẩm. Hình 27: Giao điện quản lý sản phẩm. Hình 28 Giao điện quân lý khách hàng, Tĩnh 29 Trang chủ bán hàng Hình 30: Danh sách mặt hàng gợi y.

Hình 31: Xem sách theo danh myc. Hình 32 Trang chỉ tiết quyền sách 10 LOI CAM ON Đầu liên lôi xin được gửi lời cảm on sâu sắc nhát đến thấy giao PGS.TS Phạm Văn llái, Viện Công nghệ thông tin và truyền thông, trường Dai hoe Bach Khoa Hà Nội đã hướng dẫn, chỉ bảo tận tính vả che tôi những lời khuyên bố ích trong suốt quả trùnh thực hiện luận vẫn này. Tiếp theo lời xin chân thành cấm ơn các thấy, cô ở viên Công nghệ thông ‡m và Truyền thông - Trường Đại học Bách Khoa Hả Nội đã day dé, trang bi cho tôi những kiến thức chuyên môn và kỹ nắng giúp tôi hiểu rõ hơn các kiến thức trong các lĩnh vực liên quan dến đẻ tài để có thể tự hoàn thành dễ tài được giao Xin eam ơn bạn bè và gia đình, các chuyên gia đã dóng góp ý kiến, trao đổi, động viên trong suốt quá trình học cũng như làm luận văn, giúp tôi hoàn. thành để tải đúng thời bạn.

Mặc đủ đã có nhiều cố gắng để thực biện đề tài một cách hoàn chỉnh nhất, song với nhiều yếu lố ảnh hưởng như vữa đi làm, vừa nghiên cửa khoa học cũng. hư hạn chế về kiến thức và kinh nghiệm nên không thể tránh khỏi những thiểu sót nhật định mà bản thân chưa thấy được. Tôi rất meng được sự đóng gớp của quý thầy cô và các bạn động nghiệp để luận văn dược hoàn chỉnh. Lọc viên Nguyễn Đức Thành ta MUC LUC MUC LUC.

DANH MỤC CÁC Ki HIEU, CHU’ VIET TAT. DANH MUC HINH ANI DANH MUC BANG BIE CIIVONG 1-— GIGI TITEU.Mục dích nghiên cứu. Đối tượng và phạm vỉ nghiên cứu .Y nghĩa khoa học và thực tiễn. Tóm tắt nội dung - .--14 CHƯƠNG 2 - CƠ SỞ LÝ THUYÉ 2.

Mang no-ron. Giới thiêu về mạng ng-ron 2. Cấu trúc của mạng nơ-ron cơ bản. Các mô hình mạng nơ-ron thưởng gặp 19 2.4, Mô hình mạng nơ-ron hồi quy.

Mạng nơ-ron tích chập đỗ thị. Mạng nơ ren tích chập S26 2. Mạng nơ-ron tích chập để thị we 29 2. Hệ thông gợi ý.

Hệ thống gợiý. lIệthống gợiý động. IIệ thông gợi ý xã hội. Hệ thống gợi ý xã hội đông ¬- CHƯƠNG 3 ~ MÔ HỈNH GỢI Ý XÃ HỘI ĐỌNG TRÊN TRANG BẢN HÀNG.

Mô hình kiến trúc tổng thể 3. Mô hình hệ gợi ý xã hội động DGRec. CHƯƠNG 4— PHẪN TÍCH THIẾT KẾ HỆ THONG. Phân tích thiết kế hệ thống 45 4.

Người dùng hệ thông. Biểu dé usecase tổng quát 413. Biểu dỗ phân rã chức năng -. Thiết kế cơ sở dữ liệu.1, Mô tả bệ dữ liệu.

Sơ đề thực thể liên kết - —- 4.3 Sơ đỗ kiến trúc ứng dụng .82 CHUONG 5 - CAI DAT VA KET QUÁ THỬ NGHIỆM. Théng sé may chủ. Cài dặt mô hình hệ thống gơi ÿ -. Bộ dữ liệu - - 54 5.

Xử lý dit liéu 5. Đánh giá số liệu. Thực hiển và cải dặt tham số -. Cải đặt API 5.

Cài đặt trang web bán hàng sách .4 Kết quả thực nghiệm S57 3. Kết quả thực nghiệm mô hình. Trang web bán hàng sách. TÀI LIỆU THAM KIIÃO.