Ứng dụng thuật toán neighborhood based collaborative filtering vào website gợi ý xem phim online

Tìm hiểu về thuật toán Neighborhood Based Collaborative Filtering và ứng dụng nó để xây dựng hệ thống gợi ý phim online hiệu quả, tăng trải nghiệm người dùng.

• Tác giả: Nguyễn Văn Hải
• Người hướng dẫn: TS. Phan Thị Hà
• Trường học: Học Viện Công Nghệ Bưu Chính Viễn Thông
• Chuyên ngành: Công Nghệ Thông Tin
• Đề tài: Ứng dụng thuật toán Neighborhood-based Collaborative Filtering vào website gợi ý xem phim online
• Loại tài liệu: Đồ án tốt nghiệp
• Năm xuất bản: 2022
• Địa điểm: Hà Nội

Mục lục chi tiết

• Lời cảm ơn
• Mục Lục
• 1. Chương 1: Giới thiệu về website xem phim online
• 1.1. Sự cần thiết của một website xem phim online
• 1.2. Giới thiệu về hệ thống gợi ý
• 1.3. Một số hệ thống website xem phim trực tuyến hiện nay
• 1.4. Đề xuất giải pháp của đề tài
• 1.5. Công nghệ sử dụng
• 1.5.1. Ngôn ngữ sử dụng
• 1.5.2. Mô hình WebserVice
• 2. Chương 2: Thuật toán gợi ý Neighborhood-based Collaborative Filtering
• 2.1. Ý tưởng của thuật toán
• 2.2. Nguyên lý thực hiện cài đặt thuật toán
• 3. Chương 3: Đặc tả và phân tích hệ thống
• 3.1. Mô tả yêu cầu của hệ thống
• 3.1.1. Mục đích của hệ thống
• 3.1.2. Phạm vi hệ thống
• 3.1.3. Mô tả thông tin chung
• 3.1.4. Thông tin về người dùng và chức năng
• 3.2. Mô tả nghiệp vụ các chức năng
• 3.3. Trích các lớp thực thể của hệ thống
• 4. Chương 4: Thiết kế hệ thống
• 4.1. Thiết kế cơ sở dữ liệu
• 4.2. Thiết kế chi tiết từng chức năng
• 4.2.1. Các chức năng của quản trị hệ thống
• 4.2.2. Các chức năng chung của người dùng
• 4.2.3. Các chức năng của người Xem
• 4.3. Thiết kế sơ đồ tổng quát của hệ thống
• 5. Chương 5: Cài đặt và thử nghiệm hệ thống
• 5.1. Công cụ cài đặt và các thư viện hỗ trợ
• 5.1.1. Công cụ cài đặt
• 5.2. Công cụ triển khai
• 5.3. Thư viện hỗ trợ
• 5.4. Kết quả cài đặt
• 5.4.1. Các chức năng của quản trị viên
• 5.4.2. Các chức năng của người Xem
• Kết luận
• Tài liệu tham khảo
• Danh Mục Hình Ảnh
• Danh Mục Các Từ Viết Tắt
• Lời mở đầu

Tóm tắt

I. Xem Phim Online Giới thiệu và sự phát triển mạnh mẽ

Ngày nay, nhu cầu xem phim giải trí tại nhà ngày càng tăng cao. Sự phát triển của internet và các thiết bị thông minh đã tạo điều kiện thuận lợi cho việc xem phim online. Người dùng có thể dễ dàng tiếp cận với hàng ngàn bộ phim thuộc nhiều thể loại khác nhau, từ phim hành động, kinh dị đến phim tình cảm, hài hước. Website xem phim online không chỉ mang đến sự tiện lợi mà còn giúp tiết kiệm thời gian và chi phí so với việc đến rạp chiếu phim. Tuy nhiên, với số lượng phim quá lớn, việc lựa chọn một bộ phim phù hợp trở nên khó khăn hơn. Đây là lúc hệ thống gợi ý phim đóng vai trò quan trọng. Mục tiêu chính của các trang xem phim online là cung cấp cho người xem những bộ phim hay, mới và phù hợp với sở thích cá nhân. Các thuật toán gợi ý phim, đặc biệt là Collaborative Filtering, giúp giải quyết vấn đề này bằng cách phân tích dữ liệu người dùng và đưa ra những đề xuất phim phù hợp. Một hệ thống gợi ý phim hiệu quả sẽ giúp tăng trải nghiệm người dùng, tăng thời gian xem phim và giữ chân người dùng lâu hơn trên trang web. Các website xem phim trực tuyến phải không ngừng cải tiến để duy trì vị thế trên thị trường.

1.1. Lợi ích của website xem phim online hiện nay

Website xem phim online mang lại nhiều lợi ích thiết thực cho cả người xem và nhà sản xuất phim. Người xem có thể xem phim mọi lúc mọi nơi, chỉ cần có kết nối internet. Chi phí xem phim online thường thấp hơn so với vé xem phim tại rạp. Nhà sản xuất phim có thể tiếp cận được lượng khán giả lớn hơn, mở rộng thị trường và tăng doanh thu. Theo đồ án tốt nghiệp của Nguyễn Văn Hải, 'Website xem phim online chính là một rạp chiếu phim trực tuyến trên Internet. Sự ra đời của website xem phim online dẫn đến sự phát triển nhanh chóng của ngành công nghiệp phim điện ảnh trên toàn thế giới.' Việc xây dựng một website xem phim online hiệu quả đòi hỏi sự đầu tư vào nội dung, công nghệ và trải nghiệm người dùng. Giao diện thân thiện, tốc độ tải phim nhanh, chất lượng hình ảnh tốt và hệ thống gợi ý phim thông minh là những yếu tố quan trọng để thu hút và giữ chân người xem.

1.2. Tổng quan về hệ thống gợi ý phim trực tuyến

Hệ thống gợi ý phim là một công cụ quan trọng giúp người dùng khám phá những bộ phim mới và phù hợp với sở thích cá nhân. Các hệ thống gợi ý phim sử dụng nhiều thuật toán khác nhau để phân tích dữ liệu người dùng và đưa ra những đề xuất chính xác. Theo tài liệu, 'Hệ thống gợi ý (Recommender System) là 1 nhánh con của hệ thống lọc thông tin (Infomation filtering system), nhằm tìm cách dự đoán việc đánh giá (rating) của người dùng (user) sẽ đưa ra cho 1 sản phẩm (item).' Các thuật toán phổ biến bao gồm Content-Based Filtering, Collaborative Filtering và Hybrid Recommendation System. Content-Based Filtering dựa trên thuộc tính của phim, trong khi Collaborative Filtering dựa trên hành vi của người dùng khác. Hybrid Recommendation System kết hợp cả hai phương pháp. Để hệ thống gợi ý phim hoạt động hiệu quả, cần thu thập và xử lý lượng lớn dữ liệu người dùng, bao gồm lịch sử xem phim, đánh giá phim và thông tin cá nhân.

II. Thách thức gợi ý phim Giải quyết sự lựa chọn quá lớn

Một trong những thách thức lớn nhất của website xem phim online là việc người dùng phải đối mặt với quá nhiều lựa chọn. Với hàng ngàn bộ phim khác nhau, việc tìm kiếm một bộ phim phù hợp có thể tốn rất nhiều thời gian và công sức. Điều này có thể dẫn đến sự thất vọng và làm giảm trải nghiệm người dùng. Các hệ thống gợi ý phim cần phải giải quyết vấn đề này bằng cách cung cấp những đề xuất phim chính xác và phù hợp với sở thích cá nhân của từng người dùng. Một thách thức khác là vấn đề cold start, khi hệ thống không có đủ dữ liệu về người dùng mới để đưa ra những đề xuất chính xác. Để giải quyết vấn đề này, hệ thống có thể yêu cầu người dùng cung cấp thông tin về sở thích phim hoặc sử dụng các phương pháp gợi ý dựa trên nội dung. Bên cạnh đó, việc duy trì tính đa dạng trong các đề xuất phim cũng là một thách thức quan trọng. Hệ thống cần phải tránh việc chỉ đề xuất những bộ phim tương tự nhau, mà cần phải giới thiệu những bộ phim mới và thú vị để mở rộng phạm vi xem phim của người dùng. Các hệ thống cần phải liên tục cải tiến và cập nhật để đáp ứng nhu cầu ngày càng cao của người dùng.

2.1. Vấn đề Cold Start trong hệ thống gợi ý phim

Vấn đề cold start xảy ra khi hệ thống gợi ý phim không có đủ thông tin về người dùng mới hoặc bộ phim mới để đưa ra những đề xuất chính xác. Đối với người dùng mới, hệ thống có thể yêu cầu họ cung cấp thông tin về sở thích phim, chẳng hạn như thể loại phim yêu thích, diễn viên yêu thích hoặc những bộ phim đã xem gần đây. Đối với bộ phim mới, hệ thống có thể sử dụng các thuộc tính của phim, chẳng hạn như thể loại, đạo diễn, diễn viên và nội dung phim để đưa ra những đề xuất ban đầu. Một số phương pháp khác để giải quyết vấn đề cold start bao gồm sử dụng knowledge-based recommendation, demographic-based recommendation hoặc social network-based recommendation. Quan trọng nhất là liên tục thu thập dữ liệu và cải thiện thuật toán để hệ thống có thể đưa ra những đề xuất chính xác hơn theo thời gian.

2.2. Duy trì tính đa dạng trong gợi ý phim cho người dùng

Để duy trì tính đa dạng trong các đề xuất phim, hệ thống cần phải tránh việc chỉ đề xuất những bộ phim tương tự nhau. Điều này có thể dẫn đến việc người dùng chỉ xem những bộ phim thuộc một thể loại nhất định và bỏ lỡ những bộ phim hay thuộc các thể loại khác. Để giải quyết vấn đề này, hệ thống có thể sử dụng các kỹ thuật như serendipity recommendation, diversity-aware recommendation hoặc long-tail recommendation. Serendipity recommendation tập trung vào việc đề xuất những bộ phim bất ngờ và thú vị, mà người dùng có thể không tìm thấy nếu không có hệ thống gợi ý. Diversity-aware recommendation tập trung vào việc đề xuất những bộ phim thuộc nhiều thể loại khác nhau. Long-tail recommendation tập trung vào việc đề xuất những bộ phim ít phổ biến hơn, nhưng có thể phù hợp với sở thích cá nhân của người dùng. Việc kết hợp các kỹ thuật này sẽ giúp hệ thống đưa ra những đề xuất phim đa dạng và thú vị hơn.

III. Collaborative Filtering Cách gợi ý phim dựa trên cộng đồng

Collaborative Filtering (CF) là một trong những thuật toán gợi ý phim phổ biến nhất hiện nay. CF dựa trên ý tưởng rằng những người dùng có sở thích tương tự nhau sẽ thích những bộ phim giống nhau. CF hoạt động bằng cách phân tích dữ liệu người dùng, chẳng hạn như lịch sử xem phim, đánh giá phim và thông tin cá nhân, để tìm ra những người dùng có sở thích tương tự nhau. Sau đó, CF sẽ đề xuất những bộ phim mà những người dùng tương tự đã thích cho người dùng hiện tại. CF có hai loại chính: Memory-Based CF và Model-Based CF. Memory-Based CF sử dụng toàn bộ dữ liệu người dùng để đưa ra những đề xuất, trong khi Model-Based CF xây dựng một mô hình dựa trên dữ liệu người dùng và sử dụng mô hình này để đưa ra những đề xuất. Một trong những ưu điểm của CF là nó có thể đưa ra những đề xuất chính xác, ngay cả khi không có nhiều thông tin về bộ phim. Tuy nhiên, CF cũng có một số nhược điểm, chẳng hạn như vấn đề cold start và vấn đề sparsity, khi dữ liệu người dùng quá ít.

3.1. Ứng dụng Neighborhood based Collaborative Filtering NBCF

Neighborhood-based Collaborative Filtering (NBCF) là một loại Memory-Based CF phổ biến. NBCF hoạt động bằng cách tìm ra những người dùng có sở thích gần giống với người dùng hiện tại và sử dụng thông tin từ những người dùng này để đưa ra những đề xuất. Theo tài liệu, 'Y tưởng cơ bản của NBCF là xác định mức độ quan tâm của một user tới một item dựa trên các users khác gần giống với user này. Việc gần giống nhau giữa các users có thể được xác định thông qua mức độ quan tâm của các users này tới các items khác mà hệ thống đã biết.' NBCF có thể được sử dụng để gợi ý phim, sản phẩm hoặc bất kỳ loại hàng hóa nào khác. Để sử dụng NBCF, cần phải xác định một hàm đo độ tương đồng giữa người dùng, chẳng hạn như cosine similarity hoặc Pearson correlation. Sau đó, cần phải chọn một số lượng người dùng gần giống nhất với người dùng hiện tại và sử dụng thông tin từ những người dùng này để đưa ra những đề xuất.

3.2. Ưu điểm và nhược điểm của thuật toán NBCF

Một trong những ưu điểm của NBCF là nó đơn giản và dễ thực hiện. NBCF cũng có thể đưa ra những đề xuất chính xác, đặc biệt là khi có nhiều dữ liệu người dùng. Tuy nhiên, NBCF cũng có một số nhược điểm. NBCF có thể gặp vấn đề cold start, khi không có đủ thông tin về người dùng mới hoặc bộ phim mới. NBCF cũng có thể gặp vấn đề scalability, khi số lượng người dùng và bộ phim quá lớn. Để giải quyết vấn đề scalability, có thể sử dụng các kỹ thuật như dimensionality reduction hoặc clustering. Bên cạnh đó, độ chính xác của NBCF phụ thuộc vào hàm đo độ tương đồng và số lượng người dùng gần giống nhất được chọn. Cần phải thử nghiệm và điều chỉnh các tham số này để đạt được kết quả tốt nhất.

IV. Cài đặt và Thử nghiệm Website gợi ý phim dùng NBCF

Việc cài đặt và thử nghiệm một website gợi ý phim sử dụng thuật toán NBCF đòi hỏi một số bước quan trọng. Đầu tiên, cần phải thu thập và xử lý dữ liệu người dùng, bao gồm lịch sử xem phim, đánh giá phim và thông tin cá nhân. Dữ liệu này có thể được thu thập từ nhiều nguồn khác nhau, chẳng hạn như nhật ký xem phim, form đánh giá và hồ sơ người dùng. Sau khi thu thập dữ liệu, cần phải xây dựng một mô hình NBCF. Mô hình này sẽ sử dụng dữ liệu người dùng để tìm ra những người dùng có sở thích tương tự nhau và đưa ra những đề xuất phim phù hợp. Sau khi xây dựng mô hình, cần phải thử nghiệm và đánh giá hiệu quả của hệ thống. Điều này có thể được thực hiện bằng cách sử dụng các evaluation metrics, chẳng hạn như precision, recall, F1-score và Mean Absolute Error (MAE). Quan trọng nhất là liên tục cải tiến và cập nhật hệ thống để đáp ứng nhu cầu ngày càng cao của người dùng.

4.1. Công cụ và thư viện hỗ trợ phát triển hệ thống

Để phát triển một website gợi ý phim sử dụng thuật toán NBCF, có thể sử dụng nhiều công cụ và thư viện khác nhau. Đối với phần backend, có thể sử dụng các ngôn ngữ lập trình như Python, Java hoặc Node.js và các framework như Flask, Spring Boot hoặc Express.js. Đối với phần frontend, có thể sử dụng các ngôn ngữ lập trình như HTML, CSS và JavaScript và các framework như React, Angular hoặc Vue.js. Để xử lý dữ liệu và xây dựng mô hình NBCF, có thể sử dụng các thư viện như NumPy, Pandas, Scikit-learn hoặc Surprise. Ngoài ra, có thể sử dụng các cơ sở dữ liệu như MySQL, PostgreSQL hoặc MongoDB để lưu trữ dữ liệu người dùng và bộ phim.

4.2. Đánh giá hiệu quả của hệ thống gợi ý phim NBCF

Để đánh giá hiệu quả của hệ thống gợi ý phim NBCF, có thể sử dụng nhiều evaluation metrics khác nhau. Precision đo lường tỷ lệ các đề xuất phim chính xác trong số tất cả các đề xuất. Recall đo lường tỷ lệ các bộ phim thực sự phù hợp với người dùng được hệ thống đề xuất. F1-score là trung bình điều hòa của precision và recall. MAE đo lường độ lệch trung bình giữa các đánh giá dự đoán và các đánh giá thực tế. Ngoài ra, có thể sử dụng các phương pháp đánh giá trực tuyến, chẳng hạn như A/B testing, để so sánh hiệu quả của hệ thống gợi ý phim NBCF với các hệ thống gợi ý phim khác. Quan trọng nhất là thu thập phản hồi từ người dùng và sử dụng phản hồi này để cải tiến hệ thống.

V. Kết luận và Tương lai Phát triển hệ thống gợi ý phim online

Trong bối cảnh thị trường website xem phim online ngày càng cạnh tranh, việc phát triển một hệ thống gợi ý phim hiệu quả là vô cùng quan trọng. Thuật toán Collaborative Filtering, đặc biệt là NBCF, là một lựa chọn tốt để xây dựng hệ thống gợi ý phim, nhưng cần phải giải quyết các thách thức như cold start và scalability. Trong tương lai, có thể kết hợp NBCF với các thuật toán khác, chẳng hạn như Content-Based Filtering hoặc Deep Learning, để tạo ra những hệ thống gợi ý phim thông minh hơn. Ngoài ra, cần phải liên tục cải tiến và cập nhật hệ thống để đáp ứng nhu cầu ngày càng cao của người dùng. Mục tiêu cuối cùng là tạo ra một hệ thống gợi ý phim có thể giúp người dùng khám phá những bộ phim mới và thú vị, đồng thời tăng trải nghiệm người dùng và giữ chân người dùng lâu hơn trên website xem phim online.

5.1. Hướng phát triển hệ thống gợi ý phim sử dụng Deep Learning

Deep Learning là một lĩnh vực hứa hẹn trong việc phát triển các hệ thống gợi ý phim. Các mô hình Deep Learning, chẳng hạn như Recurrent Neural Networks (RNNs), Convolutional Neural Networks (CNNs) và Autoencoders, có thể được sử dụng để học các biểu diễn phức tạp của dữ liệu người dùng và bộ phim, và đưa ra những đề xuất chính xác hơn. Deep Learning cũng có thể được sử dụng để giải quyết vấn đề cold start bằng cách học các biểu diễn chung của bộ phim và người dùng. Tuy nhiên, việc sử dụng Deep Learning đòi hỏi lượng lớn dữ liệu và tài nguyên tính toán. Cần phải thử nghiệm và điều chỉnh các mô hình Deep Learning để đạt được kết quả tốt nhất.

5.2. Tối ưu trải nghiệm người dùng trên website gợi ý phim

Để tối ưu trải nghiệm người dùng trên website gợi ý phim, cần phải chú ý đến nhiều yếu tố khác nhau. Giao diện người dùng cần phải thân thiện, dễ sử dụng và hấp dẫn. Tốc độ tải phim cần phải nhanh và ổn định. Chất lượng hình ảnh và âm thanh cần phải tốt. Hệ thống gợi ý phim cần phải đưa ra những đề xuất chính xác và phù hợp với sở thích cá nhân của từng người dùng. Ngoài ra, cần phải thu thập phản hồi từ người dùng và sử dụng phản hồi này để cải tiến hệ thống. Quan trọng nhất là liên tục đổi mới và sáng tạo để mang đến cho người dùng những trải nghiệm xem phim tốt nhất.

Trích đoạn nội dung tài liệu

chương 1 sẽ trình bày về: e Sự cần thiết của một website xem phim online © Giới thiệu về hệ thống gợi ý se Một số hệ thong website xem phim truc tuyén hién nay e Dé xuất giải pháp của dé tài e Công nghệ sử dụng 1.1 Sự cần thiết của một website xem phim online Trong những năm gần đây, nhu cầu xem phim không ngừng tăng lên. Nó giúp cho ngưởi xem giảm căng thăng, đem dén cho người xem những phút giây vui vẻ bên gia đình và những người thân yêu sau một ngày làm việc một mỏi. Trước đây, khi Internet chưa phát triển thì việc xem các bộ phim truyền hình, hay các bộ phim ngắn sẽ không diễn ra thường xuyên. Dé xem được nó, chúng ta phải đến các rap chiếu phim quốc gia hoặc các rap chiếu phim doanh nghiệp, ngoài ra chúng ta còn có thé thuê đĩa về dé xem những bộ phim đó.

Chi phí cho những lần xem phim đó tương đối là lớn và không phải ai cũng có đủ khả năng chỉ trả Và không phải bat kỳ ai cũng có thời gian đến những rap xem phim lớn dé trải nghiệm cảm giác đó. Vì thế khi Internet ra đời, dẫn đến sự ra đời của hàng loạt các trang web giải trí, các trang web thương mại điện tử và web xem phim online cũng là một trong số chúng. Những web xem phim online xuất hiện ngày càng nhiêu, cho đến hiện tại có hàng trăm website xem phim online với nhiều chủ đề đa dang, phong phú. Việc ra đời của website xem phim online đã đem lại rất nhiều những lợi ích to lớn đối với ngành làm phim.

Chúng có những ưu điểm sau : e Có thê xem phim ở bat kỳ đâu, vào bat kỳ thời gian nào mà người xem muốn. e Phạm vi tiép cận rộng bao gồm mọi vùng miền trong nước và cả ngoai nước từ đó mang lại lợi nhuận và doanh thu cao cho các nhà làm phim, thu hút lương người xem đông đảo hơn so với khi những bộ phim chỉ chiếu ở rạp. ° Đồng thời, với một website xem phim online, các doanh nghiệp,cá nhân còn tiết kiệm được rất nhiều chi phí thuê mặt băng hay nhân viên phục vụ so với việc mở một rạp chiếu phim. Nói một cách đơn giản, website xem phim online chính là một rạp chiếu phim trực tuyến trên Internet.

Sự ra đời của website xem phim online dẫn đến sự phát triển nhanh chóng của ngành công nghiệp phim điện ảnh trên toàn thé giới. Không chỉ các nhà doanh nghiệp , bất kỳ cá nhân, nhóm nhỏ nào cũng có thể trở thành những nhà đạo diễn, những diễn viên trong chính những video do bản thân tự dàn dựng đem đến một nguồn thu nhập không hè nhỏ cho họ. Tiêu biểu cho loại hình này chính là youtube và TikTok. Có thé nói chúng là những trang mạng xã hội xem phim online phổ biến nhất trên thé giới hiện nay.

Nguyễn Văn Hải - BI7DCCN204 9 Đồ án tốt nghiệp Chính vì những lợi ích mà website xem phim online đem lại như trên nên việc xây dựng hệ thông xem phim online là vô cùng cân thiệt đôi với cuộc sông hiện đại ngày nay.2 Giới thiệu về hệ thống gợi ý 1.1 Giới thiệu Hệ thống gợi ý (Recommender System) là 1 nhánh con của hệ thống lọc thông tin (Infomation filtering system), nhằm tìm cách dự đoán việc đánh giá (rating) của người dùng (user) sẽ đưa ra cho 1 sản phẩm (item). Chúng chủ yếu được dùng trong các ứng dụng thương mại điện tử. Hiện nay, các hệ thống xem phim trực tuyến đã tạo nhiều điều kiện thuận lợi dé người xem có thê tiếp cận nhiều bộ phim cùng lúc. Cũng chính vì vậy, bởi vì có quá nhiều các bộ phim hiển thị trên trang web nên đã gây ra không ít khó khăn cho người xem, khiến người xem khó có thê chọn ra cho mình một bộ phim ưng ý nhất.

Dé người xem có thé chọn được một bộ phim ưng ý thì một sự gợi ý là rất quan trọng. Trong các rạp chiếu phim, những Sự gợi y từ các nhân viên ban vẻ sẽ làm tăng thêm nguồn thu nhập cho rạp chiếu phim. Do đó một hệ thống gợi ý trong một trang web xem phim online là vô cùng cần thiết Một hệ thống gợi ý tốt có thể đóng vai trò như một người trung gian hỗ trợ người xem chọn ra những bộ phim hay và đúng với yêu câu người xem muốn. Bằng cách xác định mục đích và nhu cầu của người xem, hệ thống có thể đưa ra một danh sách các bộ phim gợi ý giúp cho người xem dễ dàng chọn lựa.2 Các kỹ thuật chính trong hệ thống gợi ý Các hệ thống gợi ý thường sử dụng nhiều thuật toán khác nhau, về cơ bản, chúng ta có thê chia làm 2 nhóm lớn.

e Lọc dựa theo nội dung (Content-Based Filtering) e Loc cộng tac (Collaborative Filtering) Hệ thống gợi ý dựa trên nội dung (Content-Based Recommendation System) dua vào thuộc tính của các sản phẩm, ví dụ như tên, nhà sản xuất, giá cả, chỉ số, mô tả. dé đưa ra các sản phẩm tương tự nhau. Đặc điểm của phương pháp này là việc xây dựng mô hình cho mỗi người dùng không phụ thuộc vào những người dùng khác mà thường phụ thuộc vào các đặc điểm của mặt hang [5]. Hệ thống gợi ý dựa trên lọc cộng tac (Collaborative Filtering Recommendation System) dựa vào hành vi của những người dùng có xu hướng tương tự dé gợi ý ra Nguyễn Văn Hải - BI7DCCN204 10 Đồ án tốt nghiệp các sản pham cho người dùng.

Phương pháp này có thé tận dụng được thông tin từ người dùng mà không phụ thuộc vào những đặc điểm của mặt hàng. Tuy nhiên cũng chính vì thế mà phương pháp này đòi hỏi một lượng lớn dữ liệu hiện có của người dùng dé đưa ra những đề xuất chính xác [5]. Vi dụ: người dùng A mua sản phâm X, Y, Z, người dùng B mua sản pham X, Y thi kha năng cao người dùng B cũng sẽ mua Z do đó nên gợi ý Z cho người dùng B [5]. Ngoài ra, còn có Hệ thống gợi ý lai (Hybrid Recommendation System) là sự kết hợp từ 2 nhóm trên [5].

COLLABORATIVE FILTERING CONTENT-BASED FILTERING Read by both users | o= ©) Read by user = ———> G= Ì== Similar vï x users ©) Similar articles “gr Recommended to user Read by her, recommended to him! Hình 1. 1 Các nhóm hệ thong gợi ý Ở trong hệ thống này chúng ta sẽ sử dụng thuật toán gợi ý NBCF: NBCF viết tắt là Neighborhood-based Collaborative Filtering Y tưởng cơ ban của NBCF là xác định mức độ quan tâm của một user tới một item dựa trên các users khác gần giống với user này. Việc gần giống nhau giữa các users có thể được xác định thông qua mức độ quan tâm của các users này tới các items khác mà hệ thống đã biết. Ví dụ, A, B đều thích phim Cảnh sát hình sự, tức đều rate bộ phim này 5 sao.

Ta đã biết A cũng thích Người phán xử, vậy nhiều khả năng B cũng thích bộ phim này. Ta sẽ đi sâu vào phương pháp này trong phần sau [6].3 Một số hệ thống website xem phim trực tuyến hiện nay Nguyễn Văn Hải - BI7DCCN204 11 Đồ án tốt nghiệp Hiện nay có rất nhiều website xem phim online trên thế giới. Nồi bật nhất trong đó là : Youtube (https://www.com) : Youtube [10] là nền tảng mạng xã hội cho người dùng chia sẻ các video được đăng tải từ máy tính hoặc điện = Đulnh Tìm kiến = Q 9 # Oo § =¬ Danh sách kếthợp Âmnhạc Trưetếp Tròchỉ Phimhoạthinh LToảnhọ Đọcap Làmđẹp Bóngđá Tròchơihành › @ kmps GH Kênhđăngký useSelector() NGƯỜI EM © thevien a \ Eố Đồ useDispatch() KÒ video sa xem LD] Video cua ban @ Truyện Ma: Nghiệp Báo Cha Danh sách kết hợp ~ Nếu Ngày Ấy - @® Redux tutorial: 04 - useSelector() Danh sách nhạc kết hợp của tôi ® Dượng - Câu Chuyện Có Thật Đà. 'SOOBIN (Live Performance) vs useDispatch() hooks > yee G Xem sau wee ik, Chí và nh f 15 Videođäthích ` : ” is KENH DANG KỸ © " Pramtuytioang - abe €4 iz.

LUYENNGHE E 3 << _ LUYỆNĐỌC #®ÓÔ somTungM-TPO. + ¬ * im TIENG ANH md $n S %¿ TheCodingTrain + Easy Frontend. vera SEVSSGB | CES vs TS (603) - Bước Qua Nhau/ Vũ. (Live Ngày Xưa Em Đến - Đức Phúc | 6 Luyện Nghe và Luyện Đọc €@ Coding Shiksha kở VCS Mùa Đông 2021 - Tuan 3.

‘Session trên tàu Cát Linh - Hà. Eye Contact LIVE - 4th Project Tiếng Anh #1 | Study with me [—] T5 ® Vũ Of ic al + FOREST STUDIO ® Nuy® ‹ + Henry Web Dev N xe 62 Tr lượt xem + ê '540 N lượt xem ity Niượt ' JMaster Trung TẢ. 2 Giao diện trang web youtube Youtube cho phép người dung đăng tải, xem và chia sẻ những clip thú vi, đăng ký theo dõi người dùng khác với công nghệ H.264/MPEG - 4 AVC, WebM, Adobe Flash Player sẽ giúp hiên thị nhiều video đa phương tiện do người dùng cùng doanh nghiệp tạo ra. Thông thường, những nội dung này sẽ là các chương trình truyền hình, clip ngắn, clip âm nhạc, phim ngắn, những bản ghi âm, trailer phim, các video mang tính sáng tạo, video giáo dục.

Netfix (https://www.com): Netflix [11] là dich vụ xem video trực tuyến của Mỹ, nội dung chủ yếu là phim và các chương trình truyền hình, rất phổ biến ở Mỹ và nhiều nước khác trên thé giới mang đến đa dang các loại chương trình truyền hình, phim, phim tài liệu đoạt giải thưởng và nhiều nội dung khác trên hàng nghìn thiết bị có kết nối Internet. Tương tự như một số trang web như HDViet, FPT Play. ở nước ta, nhưng Netflix cung cấp kho video khủng với chất lượng cao hơn, có bản quyền day đủ và có ứng dung dé được sử dụng trên các thiết bị thông minh như smartphone, tablet, smart tivi. Khi đó, chỉ cần có kết nối internet và một thiết bị thông minh, là người dùng có thé thưởng thức nội dung số từ Netflix dê dàng.

Nguyễn Văn Hải - BI7DCCN204 12 Đồ án tốt nghiệp NETFLIX xe pa nhiêu nội dung khác: Xem ở mọi nơi. Hủy bát kỳ lúc nào. Ban đã sẵn sang xem chưa? Nhập email dé tạo hoặc kích hoạt lại tư cách thành viên của bạn. 3 Giao diện trang web netfix Đặc biệt, giữa bối cảnh người dùng đang thiếu các nguồn nội dung 4K dé phát trên tivi 4K, thì việc Netflix có hỗ trợ phát video 4K trở thành một ưu điểm rất nồi bật và đáng đê người dùng kì vọng.

Fptplay (https: //fptplay.vn): Fptplay là dịch vụ xem phim trực tuyến do công ty cô phan viễn thông FPT thành lập. Website chứa các bộ phim của nhiều quốc gia với nội dung phong phú. Có những bộ phim được xem miễn phí nhưng cũng có những bộ phim bị tính phí.