Chương 1. CỞ SỞ LÝ THUYẾT 1.1 Giới thiệu thương mại điện tử Thương mại điện tử, hay còn gọi là e-commerce, e-comm hay EC, là sự mua bán sản phẩm hay dịch vụ trên các hệ thống điện tử như Internet và các mạng máy tính. hương mại điện tử dựa trên một số công nghệ như chuyển tiền điện tử, quản lý chuỗi dây chuyền cung ứng, tiếp thị Internet, quá trình giao dịch trực tuyến, trao đổi dữ liệu điện tử (EDI), các hệ thống quản lý hàng tồn kho, và các hệ thống tự động thu thập dữ liệu[ CITATION tmdt \l 1033 ] Một số khái niệm thương mại điện tử được định nghĩa bởi các tổ chức uy tín thế giới như sau: - Theo Tổ chức Thương mại thế giới (WTO), "Thương mại điện tử bao gồm việc sản xuất, quảng cáo, bán hàng và phân phối sản phẩm được mua bán và thanh toán trên mạng Internet, nhưng được giao nhận một cách hữu hình, cả các sản phẩm giao nhận cũng như những thông tin số hoá thông qua mạng Internet". - Theo Ủy ban Thương mại điện tử của Tổ chức Hợp tác kinh tế châu Á - Thái Bình Dương (APEC) định nghĩa: "Thương mại điện tử liên quan đến các giao dịch thương mại trao đổi hàng hóa và dịch vụ giữa các nhóm (cá nhân) mang tính điện tử chủ yếu thông qua các hệ thống có nền tảng dựa trên Internet." Các kỹ thuật thông tin liên lạc có thể là email, EDI, Internet và Extranet có thể được dùng để hỗ trợ thương mại điện tử.
- Theo Ủy ban châu Âu: "Thương mại điện tử có thể định nghĩa chung là sự mua bán, trao đổi hàng hóa hay dịch vụ giữa các doanh nghiệp, gia đình, cá nhân, tổ chức tư nhân bằng các giao dịch điện tử thông qua mạng Internet hay các mạng máy tính trung gian (thông tin liên lạc trực tuyến). Thật ngữ bao gồm việc đặt hàng và dịch thông qua mạng máy tính, nhưng thanh toán và quá trình vận chuyển hàng hay dịch vụ cuối cùng có thể thực hiện trực tuyến hoặc bằng phương pháp thủ công. 15 Downloaded by minhnhat08 nguyen (nminhnhat.2 Giới thiệu về hệ thống gợi ý Hệ thống gợi ý (RS) là một dạng của hệ hỗ trợ ra quyết định, cung cấp giải pháp mang tính cá nhân hóa mà không phải trải qua quá trình tìm kiếm phức tạp. Hệ gợi ý học từ người dùng và gợi ý các sản phẩm tốt nhất trong số các sản phẩm phù hợp.
Hệ thống gợi ý phân tích thông tin về sở thích của người dùng user về các sản phẩm item để cung cấp các khuyến nghị đối với các item phù hợp với mong muốn và sở thích của người dùng và mô hình hóa sự tương tác giữa người dùng và sản phẩm Hệ thống gợi ý sử dụng các tri thức về sản phẩm, các tri thức của chuyên gia hay tri thức khai phá học được từ hành vi con người dùng để đưa ra các gợi ý về sản phẩm mà họ thích trong hàng ngàn hàng vạn sản phẩm có trong hệ thống. Các website thương mại điện tử, ví dụ như sách, phim, nhạc, báo.sử dụng hệ thống gợi ý để cung cấp các thông tin giúp cho người sử dụng quyết định sẽ lựa chọn sản phẩm nào. Các sản phẩm được gợi ý dựa trên số lượng sản phẩm đó đã được bán, dựa trên các thông tin cá nhân của người sử dụng, dựa trên sự phân tích hành vi mua hàng trước đó của người sử dụng để đưa ra các dự đoán về hành vi mua hàng trong tương lai của chính khách hàng đó. Các dạng gợi ý bao gồm: gợi ý các sản phẩm tới người tiêu dùng, các thông tin sản phẩm mang tính cá nhân hóa, tổng kết các ý kiến cộng đồng, và cung cấp các chia sẻ, các phê bình, đánh giá mang tính cộng đồng liên quan tới yêu cầu, mục đích của người sử dụng đó.
Rất nhiều hệ thống lớn thu thập thông tin phản hồi từ khách hàng một cách tường minh như Ebay, Amazon, LastFM, NeFlix, Youtube,. ở đó người dùng sẽ trực tiếp đánh giá trên sản phẩm, như bình chọn từ không thích đến rất thích, hay Youtube thu thập thông tin qua like và dislike, và các hệ thống khác. Thông qua việc thu thập phản hồi tường minh, hệ thống dễ dàng xác định mức độ yêu thích của người dùng trên sản phẩn, từ đó dự đoán các sản phẩm tiếp theo mà người dùng có thể thích để gợi ý cho họ. Tuy nhiên, điều này có thể gây bất lợi do không phải người dùng lúc nào cũng sẵn sàng vui lòng để lại các phản hồi của họ, vì vậy hệ thống phải nên tự xác định người dùng cần gì thông qua phản 16 Downloaded by minhnhat08 nguyen (nminhnhat.com) lOMoARcPSD|38133502 hồi.
Một số ứng dụng hệ tư vấn nổi tiếng trên thế giới được giới thiệu trong hình 1. 1: Một số lĩnh vực ứng dụng của hệ thống gợi ý 1.3 Các phương pháp thường dùng để xây dựng hệ thống gợi ý Lọc thông tin là lĩnh vực nghiên cứu các quá trình phân bổ thông tin thích hợp và gỡ bỏ thông tin không thích hợp đến với mỗi người dùng. Lọc thông tin cho các hệ tư vấn được tiếp cận theo hai xu hướng chính, đó là lọc dựa vào nội dung sản phẩm và lọc dựa vào thói quen sử dụng sản phẩm của người hay còn được gọi là lọc cộng tác. So với lọc theo nội dung, lọc cộng tác cho lại kết quả tốt hơn và có thể lọc bất kỳ dạng thông tin nào.
Tuy nhiên, lọc cộng tác gặp phải vấn đề dữ liệu thưa, người dùng mới và sản phẩm mới cần được tiếp tục nghiên cứu giải quyết. Kết hợp giữa lọc cộng tác và lọc nội dung để nâng cao chất lượng dự đoán và tránh hiện trạng dữ liệu thưa của lọc cộng tác được tập trung nghiên cứu nhiều trong thời gian gần đây. Các phương pháp lọc kết hợp hiện nay vẫn hạn chế trong biểu diễn và ước lương mức độ ảnh hưởng của mỗi đặc trưng nội dung đến thói quen sử dụng sản phẩm của người dùng 17 Downloaded by minhnhat08 nguyen (nminhnhat.com) lOMoARcPSD|38133502 Có rất nhiều cách để dự đoán, ước lượng hạng/điểm cho các sản phẩm như sử dụng học máy, lý thuyết xấp xỉ, các thuật toán dựa trên kinh nghiệm, … Các hệ thống gợi ý thường được phân thành ba loại theo các phương pháp lọc tin Tư vấn dựa trên nội dung, tư vấn dựa trên cộng tác, tư vấn dựa trên cách tiếp cận kết hợp 1.1 Phương pháp lọc dựa trên nội dung (content-based-filter) Đưa ra các khuyến nghị mua bán cho người dùng dựa trên nội dung liên quan đến sản phẩm. Nó sẽ gợi ý các item dựa trên hồ sơ của người dùng hoặc nội dung, thuộc tính tương tự như những item mà người dùng đã chọn trong quá khứ.
Ví dụ: một người thích mua Iphone 12 pro vậy hệ thống gợi ý một vài sản phẩm cùng hãng với Iphone hoặc cùng thuộc tính với Iphone 12 pro. Nên vẽ 1 mô hình của phương pháp này? Ưu điểm - Gợi ý được những sản phẩm phù hợp với sở thích của từng khách hàng - Không phụ thuộc vào dữ liệu của các khách hàng khác. - Gợi ý những sản phẩm tương tự với những sản phẩm mà khách hàng đã thích trong quákhóa khứ. Nhược điểm - Thông tin về sản phẩm nếu không đúng có thể dẫn đến gợi ý những sản phẩm sai.
- Phụ thuộc vào lịch sử của khách hàng. Vì vậy nếu khách hàng không có lịch sử xem sản phẩm trên hệ thống thì không thể gợi ý phù hợp. - Không gợi ý được những sản phẩm mới, chỉ có thể gợi ý các sản phẩm tương tự như lịch sử đã xem hoặc thích.2 Phương pháp lọc cộng tác (collaboration-filter) Lọc cộng tác thực hiện tư vấn các sản phẩm, dịch vụ, cho khách hàng nào đó dựa trên mối quan tâm, sở thích của những người dùng tương tự đối với các sản phẩm, dịch vụ, nội dung. Lọc cộng tác được xem là một trong ba cách tiếp cận chính trong xây dựng các hệ thống tự vấn Có nhiều kỹ thuật lọc cộng tác và chia thành hai dạng chính: 18 Downloaded by minhnhat08 nguyen (nminhnhat.com) lOMoARcPSD|38133502 - Memory-based: lọc cộng tác dựa trên việc ghi nhớ toàn bộ dữ liệu - Model-based: lọc cộng tác dựa trên các mô hình phân lớp, dự đoán Ưu điểm - Có khả năng dự đoán được sở thích và nhu cầu của người dùng để đưa ra gợi ý các sản phẩm phù hợp với từng khách hàng mà không cần hiểu sản phẩm - Gợi ý dựa trên trải nghiệm của người dùng tương tự khác nên có thể gợi ý được những sản phẩm mới phù hợp với sở thích mới - Phương pháp này phù hợp với những hệ thống lớn có nhiều đánh giá từ phía người dùng Nhược điểm - Không thể gợi ý sản phẩm nếu khách hàng chưa có dữ liệu về lịch tương tác sản phẩm - Khi số lượng sản phẩm lớn và số lượng khách hàng đánh giá không nhiều thì phương pháp này không hiểu quả - Phương pháp này cũng không thể gợi ý được những sản phẩm mới hoặc những sản phẩm chưa được ai đánh giá - Có độ xác kém nếu sở thích khách hàng thay đổi Nên vẽ 1 mô hình của phương pháp này? 1.3 Phương pháp lọc kết hợp (hybrid-filter) Đây là một phương pháp kết hợp giữa lọc cộng tác với lọc dựa trên nội dung có thể hiệu quả hơn trong một số trường hợp.
Phương pháp này có thể thực hiện trên nhiều cách:; - Dự đoán dựa trên nội dung và dựa trên cộng tác riêng biệt và sau đó kết hợp chúng - Thêm các khả năng dựa trên nội dung và cộng tác Có bảy kỹ thuật lai cơ bản: - Có trọng số (Weighted): Điểm số của các thành phần đề xuất khác nhau được kết hợp theo số lượng[ CITATION Jef22 \l 1033 ] - Chuyển đổi (Switching): Hệ thống chọn giữa các thành phần đề xuất và áp dụng hệ thống được chọn[ CITATION Jef22 \l 1033 ] 19 Downloaded by minhnhat08 nguyen (nminhnhat.com) lOMoARcPSD|38133502 - Hỗn hợp (Mixed): Các đề xuất từ những người giới thiệu khác nhau được trình bày cùng nhau để đưa ra đề xuất[ CITATION Jef22 \l 1033 ] - Kết hợp tính năng (Feature Combination): Các tính năng được lấy từ các nguồn tri thức khác nhau được kết hợp với nhau và được đưa ra cho một thuật toán gợi ý duy nhất. - Tính năng tăng cường (Feature Augmentation): Một kỹ thuật gợi ý được sử dụngđể tính toán một tính năng hoặc tập hợp các tính năng, sau đó là một phần của đầu vào cho kỹ thuật tiếp theo. - Cascade: Các khuyến nghị được ưu tiên nghiêm ngặt, với những ưu tiên thấp hơn phá vỡ các mối quan hệ trong việc tính điểm của những người cao hơn.