Chương 1. CƠ SỞ LÝ LUẬN VÀ TỔNG QUAN NGHIÊN CỨU 1. Một số khái niệm cơ bản 1. Học máy (Machine Learning) Theo IBM Cloud Education (2020), Hoc máy hay Machine Learning (ML) là một nhánh cua Trí tuệ nhân tạo (AI) và khoa hoc máy tính, tập trung vào việc sử dung đữ liệu và thuật toán để bắt chước cách con người học, dần dần cải thiện độ chính xác của nó.
Học máy là một thành phần quan trọng của lĩnh vực khoa học dữ liệu đang phát triển. Thông qua việc sử dụng các phương pháp thống kê, các thuật toán được đào tạo để đưa ra các phân loại hoặc dự đoán và khám phá những thông tin chỉ tiết chính (key insights) trong các dự án khai thác dữ liệu. Các quyết định được đưa ra là kết quả của những thông tin này này tác động mạnh mẽ đến các chỉ số tăng trưởng chính trong các ứng dụng và doanh nghiệp. Hệ thông dé xuất (Recommendation System) Hệ thống dé xuất (RS) hay còn gọi là hệ thống gợi ý, hệ gợi ý hoặc hệ dé xuất là một lớp con của Học máy sử dụng dữ liệu lớn để đề xuất hoặc giới thiệu các sản phẩm bổ sung cho người tiêu dùng (NVIDIA, 2021).
Nó có thể dựa trên nhiễu tiêu chí khác nhau, bao gồm các giao dịch mua trong quá khứ, lịch sử tìm kiếm, thông tin nhân khẩu học và các yếu tố khác. Hệ thống dé xuất rất hữu ích vì chúng giúp người dùng khám phá các sản phẩm và dịch vụ mà họ có thể chưa tự tìm thấy. Hệ thống đề xuất được đào tạo để hiểu sở thích, các quyết định trước đây và đặc điểm của con người và sản phẩm bằng cách sử dụng dữ liệu thu thập được về các tương tác của họ. Chúng bao gồm hiển thị, nhấp chuột, thích và mua hàng.
Do khả năng dự đoán sở thích và mong muốn của người tiêu dùng ở mức độ được cá nhân hóa cao, hệ thống giới thiệu được các nhà cung cấp nội dung và sản phẩm yêu thích. Họ có thể hướng người tiêu dùng đến bắt kỳ sản phẩm hoặc dịch vụ nào mà họ quan tâm, từ sách đến video, lớp học sức khỏe cho đên quân áo. Nguyễn Lương Liệu — 11192734 3 Chuyên dé tốt nghiệp e Daily Mix 5 Sơn Tùng M- , Vũ O, BLAC NK, IU và aylor Swift, S à nhiều h. XEM TẤT CẢ 7/2 `5 Suýt Nữa Thì.
Nham Mat Thay M. Minh Yeu Nhau Tu. Cảm Ơn Và Xin Lỗi Tình Ca Hoàng Dũ. Phút Ban Đầu Andiez Nguyên Hà Quang Trung Chillies Hoang Dũng Vũ Hình 1.
Các dé xuất bài hát của Spotify 1. Tổng quan một hệ thống đề xuất cơ bản 1. Các thành phan co bản của một hệ thong dé xuất Để làm việc hay xây dựng một hệ thống thông tin mới thì cần phải định hình được những thành phan gi để tạo ra chúng. Trong RS, thông thường người ta quan tâm đến ba thông tin chính (Thai Nghe, 2016): ¢ Người dùng (User).
Người dùng là đối tượng làm việc của một hệ gợi ý đồng thời là nguồn cung cấp các dữ liệu cho hoạt động của hệ thống thông qua một loạt các phản hôi. Mục tin có thể là sản phẩm trên các trang bán hàng, bài hát trên các trang nghe nhạc hay một người dùng khác trên mạng xã hội tùy vào mục đích dé xuất của hệ thống. Các mục tin cũng là kết quả đề xuất được gửi đến người dùng chính. Phản hồi thể hiện sự quan tâm của người dùng lên mục tin đó, thường là các xếp hạng hoặc đánh giá (rating); hay thậm chí có thể là số lần nhấp chuột vào mục tin, thời gian trung bình tương tác với mục tin.
Thành phần này đóng vai trò là cơ sở gợi ý cho người dùng. Nguyễn Lương Liệu — 11192734 4 Chuyên dé tốt nghiệp 1. Biểu diễn thông tin trong một hệ thông dé xuất Sau khi đã thu thập được các thông tin trên của hệ thông bằng một cách nào đó, việc cần làm là phải biểu diễn các thông tin đó dưới dạng có thể tính toán được. Một cách hiệu quả đó là sử dụng ma trận.
Một ma trận được tạo ra để biểu diễn những thành phần trên của hệ thống được gọi là ma trận người dùng - mục tin (users — items matrix), gọi tắt là ma trận U-I (Bảng 1. Nó thể hiện "mức độ ưa thích" của từng người dùng lên các mục tin tương ứng. Ma trận người dùng — mục tin Người dùng ] 2_. m 71513 112 2 2 4 Mục tin 5 i |J3|14|27 1211 4 m 3 12 Trong ma trận U-I, mỗi cột là một người dùng, mỗi dòng là một mục tin và mỗi 6 là một giá trị phản hồi (chẳng hạn đánh giá) đại diện cho mức độ ưa thích của từng người dùng lên các mục tin tương ứng.
Những ô có giá trị cho biết những mục tin mà người dùng đã đánh giá trong quá khứ. Ngược lại, những ô còn trống cho biết rằng người dùng chưa đánh giá những mục tin đó. Nhiệm vu của một hệ dé xuất chính là dựa vào các thông tin được biết trong quá khứ của người dùng, RS sẽ dé xuất cho người dùng đó các mục tin mà người dùng chưa biết. Nói cách khác, RS dựa vào các 6 đã có giá trị để dự đoán các giá trị tại các 6 còn trống trong ma trận U-I.
Sau đó sắp xếp theo thứ tự mức độ ưa thích giảm dần từ đó gợi ý cho người dùng. Các giai đoạn của quá trình dé xuất Quá trình đề xuất bao gồm ba giai đoạn chính, đó là Thu thập thông tin, Học tập và Dự đoán/đề xuất (Isinkaye et al. Quá trình được thể hiện một cách tổng quan qua Hình 1. Nguyễn Lương Liệu — 11192734 5 Chuyên dé tot nghiệp Phản hồi ngụ ý Phản hồi NI Phản hồi tường minh Hình 1.
Quá trình dé xuất ¢ Giai đoạn thu thập thông tin (Information collection phase). Giai đoạn nay thu thập thông tin liên quan của người dùng để tạo hồ sơ người dùng hoặc mô hình cho các nhiệm vụ dự đoán bao gồm đặc điểm, hành vi của người dùng hoặc nội dung của các tài nguyên mà người dùng truy cập. Một hệ đề xuất không thể hoạt động chính xác cho đến khi hồ sơ người dùng hoặc mô hình đã được xây dựng tốt. Hệ thống cần biết nhiều nhất có thể từ người dùng để đưa ra khuyến nghị hợp lý ngay từ khi bắt đầu.
« Giai đoạn học tập (Learning phase). Giai đoạn này áp dụng một số thuật toán học tập để lọc và khai thác các tính năng của người dùng từ phản hồi thu thập được trong giai đoạn thu thập thông tin. ¢ Giai đoạn dự đoán/đề xuất (Prediction/recommendation phase). Từ kết qua của giai đoạn học tập, giai đoạn này đề xuất hoặc dự đoán loại mặt hàng mà người dùng có thể thích.
Hồ sơ người dùng (User profile) Trong giai đoạn thu thập thông tin, ta đã đề cập đến hồ sơ người dùng. Mọi thông tin được thu thập trong giai đoạn này đều dùng để tạo hồ sơ người dùng, phục vụ cho các giai Nguyễn Lương Liệu — 11192734 6 Chuyên dé tốt nghiệp đoạn kế tiếp. Hồ sơ người dùng là tập hợp thông tin cá nhân được liên kết với một người dùng cụ thể. Thông tin này bao gồm các kỹ năng nhận thức, khả năng trí tuệ, phong cách học tập, sở thích và sự tương tác với hệ thống.
Hồ sơ người dùng thường được sử dụng để truy xuất thông tin cần thiết để xây dựng mô hình người dùng. Do đó, một hồ sơ người dùng mô tả một mô hình người dùng đơn giản. Sự thành công của bat kỳ hệ thống dé xuất nào phụ thuộc phần lớn vào khả năng thể hiện sở thích hiện tại của người dùng. Các mô hình chính xác cần thiết phải có được các dé xuất có liên quan và chính xác từ bất kỳ kỹ thuật dự đoán nào.
Các dạng phản hôi chính của hệ thông Hệ thống đề xuất dựa trên các loại đầu vào là các phản hồi khác nhau để thực hiện đưa ra các dé xuất. Các phản hồi này được chia làm 2 dạng chính, là phản hồi tường minh va phản hồi ngụ ý. Phản hồi tường minh (Explicit feedback) là dạng thông tin phản hồi được xác một cách cụ thể và rõ ràng như thông qua việc đánh giá/xếp hạng (Thai Nghe, 2016); chẳng hạn xếp hạng cho bộ phim từ 1* đến 5*, gửi like hoặc dislike cho 1 sản phẩm. Nó thể hiện sự quan tâm rõ ràng của người dùng đối với mục tin.
Hệ thống thường nhắc nhở người dùng thông qua giao diện hệ thống cung cấp xếp hạng cho các mục tin để thu thập loại phản hồi này, nhằm xây dựng và cải thiện mô hình. Độ chính xác của đề xuất phụ thuộc vào số lượng xếp hạng được cung cấp bởi người dùng. Điểm thiếu sót duy nhất của dạng thông tin này là, nó đòi hỏi hành động từ người dùng và người dùng không phải lúc nào cũng sẵn sàng cung cấp đủ thông tin. Mặc dù thực tế là phản hồi tường minh đòi hỏi nhiều nỗ lực từ người dùng, song nó vẫn được đánh giá là cung cấp dữ liệu đáng tin cậy hơn, vì không liên quan đến việc trích xuất các sở thích từ các hành động, và nó cũng cung cấp tính minh bach trong quá trình dé xuất dẫn đến chất lượng và độ tin cậy cao hơn trong các dé xuất Isinkaye et al.
Phản hồi ngụ ý (Implicit feedback) là dang phản hồi được thu thập gián tiếp bằng cách suy luận sở thích của người dùng gián tiếp thông qua quan sát hành vi của người dùng. Hệ thống sẽ ghi lại các hành động khác nhau của người dùng (chẳng hạn như lịch sử mua hàng, lịch sử điều hướng, thời gian dành cho một số trang web, số lần nháy chuột vào nút chức năng nào đó) từ đó suy đoán mối quan tâm của người dùng về các mục tin hay đánh giá của của họ lên chúng. Đây là cách mà phản hồi ngụ ý được xác định. Phản hồi ngụ ý Nguyễn Lương Liệu — 11192734 7 Chuyên dé tốt nghiệp không phụ thuộc vào sự chủ động của người dùng để đưa ra thông tin, mà bằng cách suy luận sở thích của người dùng từ hành vi của họ với hệ thống.
Dang phản hồi này mặc dù không yêu cau sự nỗ lực từ người dùng và dé dang thu thập hơn, nhưng nó ít chính xác hơn (Isinkaye et al. Tuy nhiên, người ta cũng lập luận rang dữ liệu sở thích ngầm trên thực tế có thể khách quan hơn, vì không có sai lệch (bias) phát sinh từ việc người dùng phản hồi theo cách xã hội mong muốn hoặc nhu cầu duy trì hình anh bản thân trước người khác (Buder & Schwind, 2012).