Đề án Thạc sĩ: Nghiên cứu phương pháp học sâu cho hệ tư vấn

Trong bối cảnh bùng nổ thông tin và sự phát triển vượt bậc của công nghệ số hóa, các cá nhân thường xuyên đối mặt với thách thức quá tải thông tin, gây khó khăn trong việc đưa ra quyết định. Để giải quyết vấn đề này, các hệ tư vấn đã trở thành công cụ thiết yếu, giúp người dùng tiếp cận thông tin phù hợp và cá nhân hóa. Tuy nhiên, với lượng dữ liệu ngày càng lớn, việc xây dựng các hệ thống tư vấn hiệu quả, có khả năng phân tích và học hỏi từ dữ liệu phức tạp, trở nên cấp thiết. Nghiên cứu này tập trung vào việc khám phá các phương pháp học sâu, đặc biệt là ứng dụng mạng nơ-ron, nhằm nâng cao độ chính xác và khả năng gợi ý của hệ tư vấn, mang lại trải nghiệm tối ưu cho người dùng.

Nghiên cứu sinh, sinh viên sau đại học, kỹ sư, nhà khoa học dữ liệu và chuyên gia trong lĩnh vực hệ tư vấn, học máy, học sâu và trí tuệ nhân tạo.

Đề án này đi sâu vào nghiên cứu và ứng dụng các phương pháp học sâu để cải thiện hiệu suất của hệ tư vấn, vốn là giải pháp trọng yếu trong kỷ nguyên bùng nổ dữ liệu và quá tải thông tin. Nghiên cứu bắt đầu bằng việc tổng quan về các khái niệm cơ bản, vai trò và các phương pháp tiếp cận chính của hệ tư vấn, bao gồm lọc theo nội dung, lọc cộng tác và lọc kết hợp, đồng thời đánh giá ưu nhược điểm của từng phương pháp. Trọng tâm của công trình là khám phá học sâu trong bối cảnh lọc cộng tác, trình bày chi tiết về cách thức hoạt động của học sâu so với các phương pháp học máy cổ điển và đặc biệt là mô hình Neural Collaborative Filtering (NCF), một cách tiếp cận đột phá để vượt qua giới hạn của phương pháp phân rã ma trận truyền thống. Đề án cũng trình bày kết quả thực nghiệm được thực hiện trên các tập dữ liệu thực tế như MovieLens-1M và Dlab, so sánh hiệu suất của NCF với các phương pháp hiện có để chứng minh hiệu quả. Những đóng góp của nghiên cứu này không chỉ làm sâu sắc thêm hiểu biết về việc áp dụng học sâu trong hệ tư vấn mà còn cung cấp nền tảng để phát triển các hệ thống gợi ý thông minh hơn, có khả năng cá nhân hóa cao và độ chính xác vượt trội, mang lại giá trị thiết thực cho cả người dùng và các nhà cung cấp dịch vụ.