Bối cảnh và vấn đề nghiên cứu

Phân tích ảnh hưởng trong môi trường mạng xã hội là một chủ đề nghiên cứu liên ngành trong khoa học xã hội và công nghệ thông tin. Cùng với sự mở rộng của các nền tảng trực tuyến như Facebook, Twitter, Amazon hay Netflix, việc nhận diện các thực thể có sức ảnh hưởng đem lại giá trị ứng dụng trong nhiều lĩnh vực: tiếp thị hướng đối tượng, hệ thống đề nghị (recommender systems), phân tích mạng xã hội, phát hiện sự kiện, tìm kiếm chuyên gia, dự đoán liên kết và xếp hạng đối tượng. Trong kinh doanh và chính trị, việc xác định đúng các cá nhân có tầm ảnh hưởng giúp doanh nghiệp định vị kênh truyền thông, hỗ trợ người tiêu dùng ra quyết định mua sắm hoặc hỗ trợ phân tích ý kiến công chúng.

Về phương diện thực nghiệm, Text REtrieval Conference (TREC) do Viện Tiêu chuẩn và Công nghệ Quốc gia Hoa Kỳ (NIST) tổ chức thường niên đã mở nhánh Blog track từ năm 2006 nhằm nghiên cứu hành vi trên blogosphere thông qua các tác vụ: tìm kiếm quan điểm (opinion-finding), phân bố blog (blog distillation) và định danh tin tức nổi bật (top news identification) trên các tập ngữ liệu chuẩn như blog06 và blog08. Dữ liệu từ Technorati (năm 2007) ghi nhận số lượng blog tăng gấp đôi sau mỗi chu kỳ sáu tháng; đến tháng 12 năm 2010, hệ thống Blogpulse đã theo dõi hơn 150.000 blog với trên 848.000 bài viết mỗi ngày, đồng thời thống kê trung bình cứ một website được tạo ra thì có 26,52 bài blog xuất hiện. Tốc độ xuất bản cao cùng sự phân tán thông tin đòi hỏi các mô hình định lượng nhằm xếp hạng thực thể một cách hệ thống.

Khóa luận tốt nghiệp của tác giả Bùi Đình Luyến (ngành Công nghệ thông tin, Trường Đại học Công nghệ – Đại học Quốc gia Hà Nội, thực hiện năm 2013 dưới sự hướng dẫn của PGS. Hà Quang Thụy và ThS. Phạm Thị Ngân) tập trung vào bài toán:

  1. Xác định thứ hạng và tìm kiếm tập các blogger có ảnh hưởng lớn nhất trong một cộng đồng blog xác định.
  2. Xây dựng mô hình tính toán điểm ảnh hưởng của blogger dựa trên tập bài viết của họ bằng cách kết hợp mô hình iFinder với họ độ đo trắc lượng thư mục h-index.
  3. Ứng dụng kỹ thuật phân thùng (binning) nhằm chuyển đổi điểm ảnh hưởng bài viết từ miền giá trị thực sang miền số nguyên dương để đáp ứng điều kiện tiên quyết của chỉ số h-index.

Đối tượng và phạm vi nghiên cứu của khóa luận được xác định cụ thể:

  • Đối tượng nghiên cứu: Hành vi tương tác và mức độ ảnh hưởng của blogger thông qua các thuộc tính của bài viết (liên kết đến, liên kết đi, bình luận, độ dài bài viết).
  • Phạm vi dữ liệu: Tập dữ liệu blog TUAW (The Unofficial Apple Weblog) do nhóm tác giả Nitin Agarwal và cộng sự chia sẻ, gồm 35 blogger với gần 10.000 bài viết xuất bản trong khoảng thời gian từ giữa tháng 2/2004 đến ngày 31/7/2007.

Cơ sở lý thuyết và phương pháp

Khóa luận kế thừa và tích hợp các cơ sở lý thuyết, mô hình thuật toán và phương pháp đo lường trắc lượng khoa học:

  1. Khung lý thuyết về đặc trưng bài viết blog: Dựa trên quan điểm của E. Berry (2003) về các yếu tố cấu thành sức ảnh hưởng của một cá nhân (sự thừa nhận của cộng đồng, khả năng tạo ra hành động tiếp nối, sự mới mẻ của ý kiến và tính thuyết phục), mô hình iFinder của Nitin Agarwal và cộng sự (2012) cụ thể hóa bốn đặc trưng kỹ thuật số tương ứng của một bài viết:

    • Sự thừa nhận (Recognition): Đo bằng tập các liên kết trỏ đến bài viết (inlinks).
    • Nảy sinh hoạt động (Activity generation): Đo bằng số lượng bình luận (comments) phản hồi dưới bài viết.
    • Sự mới mẻ (Novelty): Đo bằng tập các liên kết tham chiếu ra ngoài (outlinks).
    • Tính thuyết phục (Persuasiveness): Đo gián tiếp thông qua độ dài của bài viết.

  2. Mô hình dòng ảnh hưởng i-graph và thuật toán lặp: Đồ thị i-graph là đồ thị có hướng biểu diễn dòng ảnh hưởng vào và ra của từng bài viết. Thay vì sử dụng mô hình PageRank thuần túy (vốn gặp hạn chế do liên kết giữa các blog có tính rời rạc và nội dung nhanh lỗi thời), mô hình iFinder sử dụng phương pháp lặp xấp xỉ liên tục (power iteration method) trên ma trận ngẫu nhiên (stochastic matrix) kết hợp với các trọng số thành phần để tính toán điểm ảnh hưởng của từng bài viết trong khoảng giá trị thực $[0, 1]$.

  3. Họ chỉ số trắc lượng khoa học (h-index family):

    • Chỉ số h-index (Hirsch, 2005): Nhà nghiên cứu có chỉ số $h$ nếu có $h$ công bố nhận được ít nhất $h$ trích dẫn. Khóa luận chuyển nghĩa sang thế giới blog: Một blogger có ảnh hưởng $h$ nếu có $h$ bài viết đạt điểm ảnh hưởng ít nhất là $h$.
    • Chỉ số g-index (Leo Egghe, 2006): Giá trị $g$ lớn nhất sao cho top $g$ bài viết có tổng điểm ảnh hưởng không nhỏ hơn $g^2$, nhằm ghi nhận đóng góp của các bài viết có điểm số vượt trội.
    • Chỉ số R-index (Bihui Jin và cộng sự, 2007): Đo độ ảnh hưởng tập trung của nhóm bài viết tốt nhất, tính bằng căn bậc hai của tổng điểm ảnh hưởng các bài viết trong vùng $h$-core: $R = \sqrt{\sum_{i=1}^h c_i}$.
    • Chỉ số $\pi$-index (Peter Vinkler, 2009): Đánh giá dựa trên tập bài viết tinh hoa có quy mô bằng $\sqrt{N}$ ($N$ là tổng số bài viết).
    • Hệ thống hàm Lotkaian: Phân tích quan hệ toán học giữa số lượng ấn phẩm và số trích dẫn dựa trên luật Lotka (1926) và luật Zipf.

  4. Phương pháp phân thùng dữ liệu (Data Binning): Để thu hẹp khoảng cách giữa điểm ảnh hưởng liên tục $[0, 1]$ từ iFinder và yêu cầu số nguyên dương $[1, \dots, N]$ của chỉ số $h$-index, nghiên cứu áp dụng hai kỹ thuật:

    • Phân thùng theo chiều rộng (Width binning / Equal-width): Chia khoảng giá trị thành các đoạn đều nhau từ 1 đến 1.000.
    • Phân thùng theo chiều sâu (Depth binning / Equal-frequency): Chia dữ liệu thành 101 thùng dựa trên phân bố tần số xuất hiện của điểm số, đảm bảo số lượng bài viết trong mỗi thùng là tương đương.

Thiết kế và triển khai hệ thống thực nghiệm

Quá trình hiện thực hóa mô hình nghiên cứu được tiến hành trên môi trường máy tính thực nghiệm với các thành phần kỹ thuật được cấu hình như sau:

  • Hạ tầng phần cứng: Bộ vi xử lý Intel Core i5 xung nhịp 2.67 GHz, bộ nhớ trong RAM 4 GB, ổ cứng dung lượng 500 GB, hệ điều hành Microsoft Windows 7 Ultimate 64-bit (SP1).
  • Nền tảng phần mềm và thư viện:
    • Ngôn ngữ lập trình: Java SE 1.7 trên môi trường phát triển tích hợp Eclipse SDK 4.2.
    • Hệ quản trị cơ sở dữ liệu: MySQL Server 5.5 cùng công cụ quản trị MySQL Workbench 5.2.
    • Thư viện Jsoup: Dùng để phân tích cú pháp HTML và bóc tách các siêu liên kết (outlinks) từ nội dung bài viết.
    • Thư viện Jama (Java Matrix Package): Thực hiện các phép toán đại số ma trận, tính toán vector riêng và độ tương đồng Cosine (Cosine similarity).

Hệ thống cơ sở dữ liệu quan hệ được thiết kế gồm 6 bảng thực thể:

  1. post: Lưu trữ thuộc tính chi tiết của bài viết (post_id, blogger_id, tiêu đề, nội dung, ngày giờ, số lượng inlinks, số lượng outlinks, số lượng comments).
  2. matrix_a: Lưu trữ cấu trúc đồ thị liên kết giữa các bài viết gồm các cặp (post_id, post_id_outlink) kèm xác suất chuyển tiếp.
  3. blogger: Lưu thông tin định danh blogger và các trường kết quả đo lường (blogger_id, name, hindex, gindex, rindex, piindex).
  4. output: Chứa điểm số ảnh hưởng liên tục của từng bài viết sau khi mô hình hội tụ.
  5. pointint: Lưu điểm ảnh hưởng của bài viết sau khi được số nguyên hóa qua phương pháp phân thùng.
  6. ranking: Bảng tổng hợp phục vụ việc đếm số lượng bài viết (count) của từng blogger ứng với từng mức điểm số nguyên (point).

Quy trình tính toán thực nghiệm diễn ra qua hai lớp xử lý chính:

  • Chuẩn hóa ma trận liên kết: Sử dụng hàm makeStochasticMatrix() để loại bỏ những bài viết cô lập không có outlink nhằm triệt tiêu các nút tiêu tán dòng ảnh hưởng. Những dòng ma trận có toàn số 0 được bù đắp xác suất đều bằng $1/N$ ($N$ là tổng số bài viết) thông qua hàm setProbability().
  • Học mô hình và tính toán lặp: Vector ảnh hưởng ban đầu $\vec{I}0$ được gán đồng nhất giá trị $1/N$ (do API của Technorati đã dừng hoạt động). Các trọng số thực nghiệm được áp dụng cố định theo nghiên cứu gốc của Agarwal: trọng số liên kết đến $w{in} = 0,2$, trọng số liên kết đi $w_{out} = 0,1$, trọng số bình luận $w_c = 0,4$, và trọng số độ dài $w_l = 0,3$. Thuật toán dừng khi hiệu số độ tương đồng Cosine giữa hai vector trạng thái liên tiếp đạt ngưỡng thỏa mãn hoặc hết số vòng lặp chỉ định.

Nội dung chính theo từng chương

Chương 1: Đặt vấn đề

Chương mở đầu hệ thống hóa bức tranh toàn cảnh về lĩnh vực khai phá dữ liệu weblog thông qua các kỳ hội thảo TREC và bộ dữ liệu blog06, blog08. Tác giả phân tích tính cấp thiết của việc nhận diện blogger có tầm ảnh hưởng trong việc định hướng dư luận, hỗ trợ chiến dịch tiếp thị và quản trị rủi ro thông tin. Nghiên cứu xác lập rõ sự cần thiết phải xây dựng một mô hình toán học lượng hóa được tầm ảnh hưởng thay vì chỉ dựa vào các chỉ số bề nổi như tần suất đăng bài hay số lượt bình luận thông thường.

Chương 2: Các công trình nghiên cứu liên quan

Chương 2 khảo cứu các hướng tiếp cận phân tích ảnh hưởng đương thời:

  • Phân tích tệp nhật ký máy chủ (log file) của M. Momma và cộng sự (2012) nhằm phát hiện liên kết ngầm giữa hành vi đọc và viết của blogger.
  • Mô hình phụ thuộc thời gian của Leonidas Akritidis và cộng sự (2011) với các chỉ số BP-index, BI-index, MEIBI-index dựa trên tuổi thọ và độ dài bài viết.
  • Thuật toán IP của Daniel M. Romero và cộng sự (2011) trên mạng Twitter dựa trên tỷ lệ chấp nhận và từ chối lan truyền thông tin.
  • Hệ thống cơ sở toán học của họ chỉ số $h$-index, gồm công thức tính toán và các mối liên hệ giữa $h$-index, $g$-index, $R$-index, $\pi$-index dưới góc độ phân bố hàm Lotkaian của Leo Egghe (2006, 2011).

Chương 3: Mô hình giải quyết bài toán

Tác giả chi tiết hóa định nghĩa toán học về blogger có ảnh hưởng dựa trên khái niệm ngưỡng $h$. Chương này trình bày chi tiết thuật toán iFinder biến đổi từ PageRank, cấu trúc dòng ảnh hưởng qua nút đồ thị $i$-graph và việc chuyển đổi công thức lặp sang dạng đại số ma trận. Đồng thời, chương 3 làm rõ quy trình kết hợp giữa iFinder, kỹ thuật phân thùng và chỉ số $h$-index, đi kèm các độ đo đánh giá chất lượng xếp hạng đối tượng như độ chính xác tại vị trí $k$ ($P@k$) và độ chính xác trung bình (MAP).

Chương 4: Thực nghiệm

Chương 4 mô tả toàn bộ quá trình thực thi trên tập dữ liệu TUAW, từ khâu làm sạch dữ liệu, xử lý liên kết bằng Jsoup, nạp bảng cơ sở dữ liệu MySQL cho đến việc cài đặt thuật toán bằng ngôn ngữ Java. Nội dung trọng tâm tập trung vào việc đối chiếu bảng xếp hạng top 5 và top 10 blogger giữa các mô hình, phân tích bản chất sai khác giữa các phương pháp phân thùng chiều rộng và chiều sâu, đồng thời kiểm tra sự biến thiên của chỉ số $g$-index qua các năm 2004, 2005, 2006 và 2007.

Kết quả và đóng góp

1. Kết quả thực nghiệm xếp hạng blogger

Kết quả thực nghiệm trên tập dữ liệu TUAW cho thấy danh sách top 5 blogger ảnh hưởng nhất thu được từ mô hình đề xuất (sử dụng phương pháp phân thùng theo chiều sâu) có sự khác biệt rõ rệt khi đối sánh với bảng xếp hạng tần suất hoạt động của chính trang TUAW và mô hình iFinder gốc:

Thứ hạng Xếp hạng hoạt động TUAW Mô hình iFinder (Nitin Agarwal et al.) Mô hình đề xuất (h-index, phân thùng chiều sâu)
1 Erica Sadun Erica Sadun Scott McNulty
2 Scott McNulty Dan Lurie C. Sample, III
3 Mat Lu David Chartier Dave Caolo
4 David Chartier Scott McNulty David Chartier
5 Micheal Rose Laurie A. Duncan Laurie A. Duncan

Nguyên nhân dẫn đến sự khác biệt về vị trí xếp hạng được tác giả lý giải thông qua phân tích các đặc trưng thống kê của từng blogger:

Tên blogger Tổng số bài viết Số bài viết $\ge$ 100 điểm Điểm số cao nhất Số lượng bài tại điểm cao nhất Ngưỡng điểm $h$-index Giá trị $h$-index
Erica Sadun 236 5 23 17 23 17
Scott McNulty 2.251 24 32 44 46 43
Mat Lu 45 0 61 6 61 6
David Chartier 1.339 27 52 33 52 33
Micheal Rose 54 1 68 5 68 5
Dan Lurie 107 4 46 7 46 7
Laurie A. Duncan 927 12 36 28 36 28
Dave Caolo 1.426 10 17 35 42 34
C. Sample, III 1.056 8 19 53 43 39
  • Hiện tượng Erica Sadun: Đứng đầu ở cả TUAW và iFinder nhưng không lọt vào top 5 của mô hình đề xuất. Nguyên nhân do iFinder xếp hạng dựa trên việc blogger sở hữu bài viết có điểm số cao nhất (đỉnh nhọn ảnh hưởng), trong khi mô hình $h$-index đòi hỏi sự bền vững của toàn bộ tập bài viết. Erica Sadun chỉ có 236 bài viết và ngưỡng $h$-index tối đa chỉ đạt 17. Ngược lại, Laurie A. Duncan dù xếp cuối top 5 đề xuất nhưng có tới 927 bài viết và đạt chỉ số $h$-index là 28.
  • Hiện tượng Dan Lurie, Mat Lu, Micheal Rose: Có thứ hạng cao trong iFinder hoặc mức độ tích cực trên TUAW nhờ một vài bài viết nổi bật, nhưng do tổng số lượng bài viết quá ít (lần lượt là 107, 45 và 54 bài), ngưỡng $h$-index bị giới hạn ở mức rất thấp (tương ứng là 7, 6 và 5).

2. Tác động của phương pháp phân thùng

Nghiên cứu so sánh hai phương pháp phân thùng dữ liệu để làm rõ mức độ phụ thuộc của kết quả xếp hạng vào kỹ thuật tiền xử lý:

Blogger (ID) Họ tên blogger $h$-index (Chiều rộng) $g$-index (Chiều rộng) $R$-index (Chiều rộng) $h$-index (Chiều sâu) $g$-index (Chiều sâu) $R$-index (Chiều sâu)
2 Scott McNulty 23 71 47,36 43 98 65,86
10 Victor Agreda, Jr. 4 10 6,93 7 18 11,67
  • Điểm số của blogger khi phân thùng theo chiều rộng thấp hơn đáng kể so với phân thùng theo chiều sâu do dữ liệu bài viết bị phân cụm rời rạc khi dàn đều trên khoảng $[1, 1000]$. Phân thùng theo chiều sâu phân bổ đều bài viết vào 101 thùng tần số, phản ánh tương quan vị trí hợp lý hơn.
  • Cả hai phương pháp phân thùng đều duy trì một danh sách top 5 đồng nhất (gồm Scott McNulty, C. Sample, III, Dave Caolo, David Chartier, Laurie A. Duncan), chỉ có sự hoán đổi thứ tự nội bộ giữa các vị trí. Điều này khẳng định tính ổn định của mô hình đề xuất đối với nhóm blogger có tầm ảnh hưởng cốt lõi.

3. Tác động của yếu tố thời gian tới thứ hạng blogger

Khảo sát chỉ số $g$-index theo từng năm từ 2004 đến 2007 ghi nhận xu hướng tăng trưởng của độ đo nhưng không đồng nghĩa với việc giữ vững thứ hạng:

Blogger Năm 2004 ($g$-index / Hạng) Năm 2005 ($g$-index / Hạng) Năm 2006 ($g$-index / Hạng) Năm 2007 ($g$-index / Hạng)
Laurie A. Duncan 43 / Hạng 3 87 / Hạng 4 94 / Hạng 5 94 / Hạng 5
Barb Dybwad 51 / Hạng 2 74 / Hạng 6 74 / Hạng 12 74 / Hạng 12

Mặc dù chỉ số $g$-index tích lũy của blogger luôn tăng hoặc giữ nguyên theo thời gian, thứ hạng thực tế lại suy giảm (ví dụ: Barb Dybwad giảm từ hạng 2 năm 2004 xuống hạng 12 năm 2007) do tốc độ gia tăng điểm ảnh hưởng của các blogger khác trong cùng cộng đồng diễn ra nhanh hơn.

4. Đóng góp khoa học của khóa luận

  • Đề xuất giải pháp khắc phục nhược điểm của mô hình iFinder vốn chỉ tập trung vào bài viết đơn lẻ có sức ảnh hưởng cá biệt, chuyển sang đánh giá toàn diện năng lực xuất bản của blogger dựa trên toàn bộ tập bài viết.
  • Thiết lập phương pháp luận sử dụng phân thùng dữ liệu để làm cầu nối ứng dụng các chỉ số trắc lượng khoa học thuần số nguyên ($h$-index, $g$-index, $R$-index, $\pi$-index) vào các bài toán khai phá dữ liệu web có miền giá trị thực liên tục.

Hạn chế và hướng nghiên cứu tiếp

Khóa luận tự xác định các hạn chế kỹ thuật và đề xuất các định hướng hoàn thiện:

  • Lọc bình luận rác (Spam comments): Mô hình hiện tại coi mọi bình luận đều phản ánh sự tương tác tích cực. Việc chưa tích hợp bộ lọc spam có thể dẫn đến việc bài viết nhận nhiều phản hồi rác bị tính sai lệch điểm nảy sinh hoạt động.
  • Đánh giá tính thuyết phục của văn bản: Tiêu chí thuyết phục hiện được quy đổi đơn giản qua độ dài ký tự của bài viết theo thiết kế nguyên bản của iFinder. Hướng nghiên cứu tiếp theo cần áp dụng các kỹ thuật xử lý ngôn ngữ tự nhiên, phân tích cấu trúc lập luận và ngữ nghĩa văn phong để phản ánh đúng chất lượng nội dung.
  • Yếu tố suy giảm theo thời gian: Mô hình tĩnh chưa tích hợp trực tiếp tham số thời gian vào công thức tính dòng ảnh hưởng tại từng chu kỳ, khiến các bài viết cũ có thể duy trì ảnh hưởng lâu hơn thực tế.

Giá trị tham khảo

Khóa luận là tài liệu tham khảo cho sinh viên, học viên cao học và nhóm nghiên cứu thuộc các chuyên ngành Công nghệ thông tin, Khoa học dữ liệu, Hệ thống thông tin và Khai phá dữ liệu mạng xã hội:

  • Phương diện mô hình hóa: Cung cấp phương pháp tích hợp chỉ số trắc lượng thư mục ($h$-index, $g$-index) vào các bài toán xếp hạng thực thể trên không gian mạng xã hội phi học thuật.
  • Phương diện kỹ thuật triển khai: Cung cấp giải pháp mẫu về việc sử dụng thư viện Jama trong tính toán đại số ma trận lớn bằng Java, kỹ thuật bóc tách liên kết HTML qua Jsoup và thiết kế lược đồ quan hệ trong MySQL phục vụ các bài toán xử lý đồ thị liên kết.
  • Phương diện phân tích dữ liệu: Cung cấp kinh nghiệm thực nghiệm về sự khác biệt giữa hai kỹ thuật phân thùng theo chiều sâu và phân thùng theo chiều rộng khi xử lý dữ liệu thực tế bị lệch phân bố.

Câu hỏi thường gặp

1. Khóa luận sử dụng tập dữ liệu nào để kiểm chứng thực nghiệm và quy mô dữ liệu ra sao?
Nghiên cứu sử dụng tập dữ liệu The Unofficial Apple Weblog (TUAW) do nhóm tác giả Nitin Agarwal chia sẻ, bao gồm 35 blogger với gần 10.000 bài viết xuất bản từ giữa tháng 2/2004 đến ngày 31/7/2007. Dữ liệu gồm 11 trường thông tin như tiêu đề, thời gian, tác giả, thẻ phân loại, nội dung, liên kết ra ngoài, liên kết cố định, liên kết đến và URL bình luận.

2. Điểm khác biệt cốt lõi giữa mô hình đề xuất và mô hình iFinder gốc là gì?
Mô hình iFinder gốc đánh giá mức độ ảnh hưởng của blogger chủ yếu dựa vào một hoặc một vài bài viết có điểm số cao nhất của họ. Ngược lại, mô hình đề xuất đánh giá dựa trên toàn bộ tập bài viết của blogger thông qua họ chỉ số $h$-index, đòi hỏi blogger phải có số lượng bài viết chất lượng cao đủ lớn và ổn định để đạt được thứ hạng cao.

3. Tại sao tác giả phải thực hiện bước phân thùng dữ liệu trước khi tính chỉ số h-index?
Điểm ảnh hưởng của bài viết do thuật toán lặp iFinder tính toán nằm trong đoạn số thực liên tục $[0, 1]$. Trong khi đó, định nghĩa của họ chỉ số $h$-index quy định số trích dẫn (hoặc điểm số bài viết) phải là các giá trị nguyên dương. Bước phân thùng đóng vai trò ánh xạ các giá trị thực liên tục thành các mức giá trị nguyên dương rời rạc $[1 \dots N]$.

4. Vì sao blogger Erica Sadun đứng đầu bảng xếp hạng của cả TUAW và iFinder nhưng lại vắng mặt trong top 5 của mô hình đề xuất?
Erica Sadun sở hữu một số bài viết có sức ảnh hưởng vượt trội giúp blogger này đứng đầu mô hình iFinder, nhưng tổng số lượng bài viết xuất bản chỉ có 236 bài, khiến ngưỡng tối đa để đạt chỉ số $h$-index bị giới hạn ở mức 17. Các blogger trong top 5 của mô hình đề xuất đều có khối lượng xuất bản lớn hơn nhiều (từ 927 đến 2.251 bài) và đạt ngưỡng $h$-index từ 28 đến 43.

5. Khóa luận sử dụng các công nghệ và thư viện phần mềm cụ thể nào để xây dựng chương trình?
Hệ thống được phát triển trên ngôn ngữ Java SE 1.7 (IDE Eclipse SDK 4.2), lưu trữ dữ liệu trên hệ quản trị cơ sở dữ liệu quan hệ MySQL Server 5.5 (giao diện MySQL Workbench 5.2), sử dụng thư viện Jsoup để bóc tách liên kết outlinks từ HTML và thư viện Jama để thực hiện các phép toán trên ma trận và tính toán độ tương đồng Cosine.

Kết luận

Khóa luận tốt nghiệp của tác giả Bùi Đình Luyến đã giải quyết trọn vẹn bài toán lượng hóa sức ảnh hưởng của blogger bằng việc tích hợp mô hình đồ thị dòng ảnh hưởng iFinder với họ chỉ số trắc lượng khoa học $h$-index. Bằng việc ứng dụng phương pháp phân thùng dữ liệu theo chiều sâu, nghiên cứu đã chuyển đổi thành công miền điểm số thực sang miền giá trị nguyên rời rạc, khắc phục nhược điểm phụ thuộc vào các bài viết cá biệt của các mô hình xếp hạng trước đây. Kết quả thực nghiệm trên gần 10.000 bài viết của cộng đồng TUAW đã chứng minh tính ổn định của mô hình đề xuất và làm rõ quy luật biến động thứ hạng dưới tác động của thời gian xuất bản.