Tính cấp thiết của luận án Với sự gia tăng nhanh chóng của thông tin trên Web thì cần thiết phải có công cụ giúp ngƣời dùng lựa chọn các thông tin trực tuyến phù hợp với mình. Thông thƣờng khi cần tìm thông tin về một sản phẩm nào đó, giải pháp đƣợc hầu hết ngƣời dùng sử dụng là đƣa câu hỏi vào máy tìm kiếm (Search engine) thay vì tìm đến những trang Web hoặc diễn đàn chuyên ngành. Máy tìm kiếm tiến hành tìm kiếm thông tin dựa trên các từ khóa (Keyword) đƣợc ngƣời dùng gõ vào và trả về một danh mục của các trang Web có chứa từ khóa mà nó tìm đƣợc. Do vậy việc sử dụng máy tìm kiếm sẽ hiệu quả khi ngƣời dùng biết họ thực sự muốn tìm cái gì.
Trong trƣờng hợp khi ngƣời dùng không xác định đƣợc chính xác cái mình muốn tìm thì yêu cầu về lọc thông tin một cách có hiệu quả và tin cậy là rất cần thiết. Để đáp ứng nhu cầu này, các hệ thống tƣ vấn đã ra đời, ví dụ một số hệ tƣ vấn đã đƣợc thƣơng mại hóa và triển khai thành công, tiêu biểu là hệ tƣ vấn của các hãng Amazon, eBay, Netflix, Youtube … Hệ tƣ vấn (Recommender System) đƣợc xem nhƣ một hệ thống lọc tích cực, có chức năng hỗ trợ đƣa ra quyết định, nhằm mục đích cung cấp cho ngƣời sử dụng những gợi ý về thông tin, sản phẩm và dịch vụ phù hợp nhất với yêu cầu và sở thích riêng của từng ngƣời tại từng tình huống (ngữ cảnh). Cụ thể, hệ tƣ vấn cung cấp một giải pháp giảm tải thông tin bằng cách đƣa ra dự đoán đánh giá mức độ thích của ngƣời dùng với sản phẩm mới và cung cấp một danh sách ngắn các sản phẩm (trang web, bản tin, phim, video…) mà nhiều khả năng ngƣời dùng sẽ quan tâm [1]. Trên thực tế, hệ tƣ vấn không chỉ hƣớng đến vấn đề giảm tải thông tin cho mỗi ngƣời dùng mà nó còn là yếu tố quyết định đến thành công của các hệ thống thƣơng mại điện tử [1][2].
Hệ tƣ vấn đang ngày càng trở thành một lĩnh vực nghiên cứu quan trọng từ sau khi xuất hiện bài báo đầu tiên về lọc cộng tác vào giữa những năm 90 [3]. Đã có rất nhiều công việc đƣợc thực hiện cả trong ngành công nghiệp và nghiên cứu hàn lâm 2 để phát triển các hệ tƣ vấn trong hơn thập kỷ qua. Về cơ bản hệ tƣ vấn đƣợc chia thành hai hƣớng tiếp cận chính [4][5] tùy thuộc vào cách khai thác các thông tin đầu vào khác nhau phục vụ cho mục đích tƣ vấn, đó là: 1) Hệ tƣ vấn với cách tiếp cận truyền thống; 2) Hệ tƣ vấn mở rộng cách tiếp cận truyền thống. Trong đó, cách tiếp cận truyền thống sử dụng một trong ba phƣơng pháp lọc tin chính (Lọc cộng tác, lọc theo nội dung và lọc kết hợp) lên ba loại thông tin đầu vào phổ biến (Thông tin ngƣời dùng, thông tin sản phẩm và phản hồi của ngƣời dùng về sản phẩm).
Cách tiếp cận mở rộng đề cập ở đây đƣợc biết đến với một số hƣớng nhƣ: Hệ tƣ vấn theo ngữ cảnh (Context-aware Recommender Systems) [6][7], hệ tƣ vấn dựa trên mạng xã hội (Social-based Recommender Systems) [8], hệ tƣ vấn dựa trên mối quan tâm (Attention-based Recommender Systems) [9] hoặc phát triển các phƣơng pháp lọc kết hợp. Theo đó, bên cạnh các loại thông tin điển hình của hệ tƣ vấn theo cách truyền thống, cách tiếp cận mở rộng này cho phép tích hợp thêm đa dạng các nguồn thông tin đầu vào (Thông tin ngữ cảnh, liên kết từ mạng xã hội, mối quan tâm …) nhằm cải thiện chất lƣợng của hệ tƣ vấn thực tế. Trong quá trình nghiên cứu và ứng dụng, mặc dù đã có nhiều nghiên cứu đề xuất đƣợc đƣa ra để giải quyết bài toán tƣ vấn theo hai hƣớng tiếp cận trên [1][4][5][10], tuy nhiên một số vấn đề mang tính đặc thù đối với thông tin tƣ vấn nhƣ vấn đề dữ liệu thƣa, ngƣời dùng mới, sản phẩm mới, vấn đề sở thích thay đổi theo thời gian, yêu cầu kết hợp các dạng thông tin khác nhau, làm việc với dữ liệu kích thƣớc lớn đƣợc cập nhật thƣờng xuyên… luôn là những vấn đề có tính thời sự và thu hút đƣợc sự quan tâm của cộng đồng trong việc nghiên cứu và triển khai vào thực tế. Đề tài “Phát triển một số phương pháp xây dựng hệ tư vấn” đƣợc thực hiện trong khuôn khổ luận án tiến sĩ chuyên ngành hệ thống thông tin nhằm góp phần giải quyết một số vấn đề còn tồn tại trong quá trình xây dựng hệ tƣ vấn, đó là vấn đề dữ liệu thƣa và kết hợp một số dạng thông tin khác nhau vào quá trình tƣ vấn.
Mục tiêu của luận án 3 Mục tiêu của luận án là nghiên cứu phát triển một số phƣơng pháp xây dựng hệ tƣ vấn. Đặc biệt, nghiên cứu tập trung vào việc nâng cao độ chính xác của kết quả dự đoán sản phẩm phù hợp với ngƣời dùng trong trƣờng hợp dữ liệu thƣa, cũng nhƣ trong trƣờng hợp có cả dữ liệu sở thích ngƣời dùng, thông tin đặc trƣng ngƣời dùng, thông tin đặc trƣng sản phẩm và thông tin ngữ cảnh sử dụng sản phẩm của ngƣời dùng. Đồng thời, nghiên cứu cũng tập trung đề xuất một số phƣơng pháp tƣ vấn đơn giản trong cài đặt để khả thi triển khai thực tế. Các đóng góp của luận án Đóng góp thứ nhất của luận án là đề xuất một phương pháp lọc cộng tác dựa trên mô hình đồ thị cho hệ tư vấn theo ngữ cảnh [C1][C3][C7][C4][J2].
Những đóng góp cụ thể của luận án bao gồm: - Đề xuất độ đo tƣơng tự giữa các cặp ngƣời dùng hoặc giữa các cặp sản phẩm cho lọc cộng tác dựa trên mô hình đồ thị. Độ đo tƣơng tự đề xuất cho phép khai thác các mối quan hệ trực tiếp và bắc cầu giữa các đỉnh ngƣời dùng hoặc giữa các đỉnh sản phẩm trên đồ thị vào quá trình dự đoán và tƣ vấn, điều này giúp hạn chế ảnh hƣởng của vấn đề thƣa dữ liệu đánh giá. Đây chính là ƣu điểm nổi bật của độ đo tƣơng tự đề xuất so với các độ đo tƣơng tự dựa vào bộ nhớ trƣớc đây trong việc giải quyết bài toán lọc cộng tác theo bộ nhớ cho hệ tƣ vấn truyền thống. - Phát huy những điểm mạnh của độ đo tƣơng tự đề xuất nêu trên bằng việc mở rộng phạm vi áp dụng nó cho phát triển hệ tƣ vấn cộng tác theo ngữ cảnh.
Phƣơng pháp lọc cộng tác theo ngữ cảnh đề xuất ngoài việc giải quyết khá tốt vấn đề dữ liệu thƣa, còn cho phép tích hợp đầy đủ thông tin ngữ cảnh vào quá trình dự đoán sản phẩm tới ngƣời dùng. Khi đó, các sản phẩm mới tƣ vấn cho ngƣời dùng sẽ đƣợc cá nhân hóa tốt hơn theo từng ngữ cảnh cụ thể. Phƣơng pháp đề xuất đƣợc đánh giá là đơn giản trong cài đặt để triển khai cho các hệ tƣ vấn theo ngữ cảnh thực tế. 4 - Kết quả thực nghiệm và đánh giá trên một số bộ dữ liệu thực cho thấy phƣơng pháp đề xuất cải thiện đáng kể chất lƣợng tƣ vấn.
Đóng góp thứ hai của luận án là đề xuất một phương pháp lọc kết hợp bằng phương pháp đồng huấn luyện [C2][C5][C6][J1]. Những đóng góp cụ thể của luận án bao gồm: - Đề xuất phƣơng pháp lọc cộng tác bằng phƣơng pháp đồng huấn luyện. Phƣơng pháp lọc cộng tác đề xuất cho phép giải quyết vấn đề thƣa của dữ liệu đánh giá. - Hợp nhất biểu diễn các giá trị đặc trƣng nội dung vào lọc cộng tác.
Việc hợp nhất biểu diễn này đƣợc tiếp cận theo 2 cơ chế quan sát dữ liệu: 1) Quan sát theo ngƣời dùng cho phép hợp nhất hồ sơ ngƣời dùng của lọc nội dung vào ma trận đánh giá; 2) Quan sát theo sản phẩm cho phép hợp nhất hồ sơ sản phẩm của lọc nội dung vào ma trận đánh giá. - Sử dụng hợp nhất biểu diễn các giá trị đặc trƣng nội dung vào lọc cộng tác để xây dựng phƣơng pháp dự đoán cho lọc kết hợp bằng đồng huấn luyện. Phƣơng pháp lọc kết hợp đề xuất phát triển từ phƣơng pháp lọc cộng tác bằng đồng huấn luyện cho phép giải quyết vấn đề dữ liệu thƣa, đồng thời tích hợp đầy đủ thông tin ngƣời dùng, sản phẩm và đánh giá của ngƣời dùng với sản phẩm vào quá trình dự đoán đánh giá. - Kết quả thực nghiệm và đánh giá trên các bộ dữ liệu thực về phim cho thấy phƣơng pháp đề xuất cải thiện đáng kể chất lƣợng tƣ vấn.
Bố cục của luận án Luận án đƣợc tổ chức thành ba chƣơng, trong đó : Chƣơng 1. Tổng quan về hệ tƣ vấn Nội dung chính của chƣơng trình bày những nghiên cứu cơ bản về hệ tƣ vấn, các phƣơng pháp tiếp cận phổ biến trong xây dựng hệ tƣ vấn kèm theo những vấn 5 đề cần tiếp tục nghiên cứu và xu hƣớng. Trên cơ sở đó xác định rõ hƣớng nghiên cứu của đề tài. Phát triển phƣơng pháp lọc cộng tác dựa trên mô hình đồ thị cho hệ tƣ vấn theo ngữ cảnh Trình bày phƣơng pháp hạn chế ảnh hƣởng vấn đề dữ liệu thƣa của lọc cộng tác dựa trên mô hình đồ thị, mở rộng cho phát triển hệ tƣ vấn cộng tác theo ngữ cảnh.
Nội dung trình bày trong chƣơng đƣợc tổng hợp từ kết quả nghiên cứu đã công bố trong [C1][C3][C7][C4][J2]. Phát triển phƣơng pháp lọc kết hợp bằng đồng huấn luyện Trình bày phƣơng pháp kết hợp giữa lọc cộng tác và lọc nội dung bằng đồng huấn luyện. Nội dung trình bày trong chƣơng đƣợc tổng hợp từ kết quả nghiên cứu đƣợc công bố trong [C2][C5][C6][J1]. Cuối cùng là một số kết luận và hƣớng nghiên cứu tiếp theo.
6 CHƢƠNG 1: TỔNG QUAN VỀ HỆ TƢ VẤN Mục tiêu chính của chƣơng này trình bày những vấn đề tổng quan về hệ tƣ vấn, các phƣơng pháp tiếp cận phổ biến trong xây dựng hệ tƣ vấn, phân tích rõ những hạn chế tồn tại của mỗi phƣơng pháp và xu hƣớng phát triển hệ tƣ vấn trong những năm gần đây. Trên cơ sở những nghiên cứu cơ bản, xác định rõ hƣớng nghiên cứu cụ thể của đề tài. Những kết quả nghiên cứu của đề tài sẽ đƣợc trình bày trong các chƣơng tiếp theo của luận án. Khái niệm hệ tƣ vấn Hệ tƣ vấn, tiếng anh là Recommender System hoặc Recommendation System, là những hệ thống đƣợc thiết kế để hƣớng ngƣời dùng đến những đối tƣợng quan tâm, yêu thích, khi lƣợng thông tin quá lớn vƣợt quá khả năng xử lý của ngƣời dùng [1].
Theo Ricci và cộng sự [7], hệ tƣ vấn là những công cụ phần mềm, kỹ thuật cung cấp đề xuất các đối tƣợng có thể hữu ích với ngƣời dùng.