ĐỀ TÀI " GIẢI PHÁP MỞ RỘNG THÔNG TIN NGỮ CẢNH PHIÊN DUYỆT WEB NGƯỜI DÙNG NHẰM NÂNG CAO CHẤT LƯỢNG TƯ VẤN TRONG HỆ THỐNG TƯ VẤN TIN TỨC "

Chia sẻ: Le Xuan Binh | Ngày: | Loại File: PDF | Số trang:59

Thêm vào BST

Báo xấu

113
lượt xem 24
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Với sự phát triển của Internet, con người ngày nay không chỉ có nhiều hơn cơ hội tiếp xúc với các nguồn cung cấp tin tức mà còn có thể có được nó đúng lúc hơn. Các tờ báo điện tử ở Việt Nam cung cấp mỗi ngày hàng chục cho tới hàng trăm tin mới thuộc nhiều lĩnh vực khác nhau sẵn sàng đáp ứng các yêu cầu mọi lúc, mọi nơi của người đọc. Tuy nhiên, bên cạnh những tiện ích, tồn tại những vấn đề cần được giải quyết như sự gia tăng về số lượng, tính đa dạng về nội dung...

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: ĐỀ TÀI " GIẢI PHÁP MỞ RỘNG THÔNG TIN NGỮ CẢNH PHIÊN DUYỆT WEB NGƯỜI DÙNG NHẰM NÂNG CAO CHẤT LƯỢNG TƯ VẤN TRONG HỆ THỐNG TƯ VẤN TIN TỨC "

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ Uông Huy Long GIẢI PHÁP MỞ RỘNG THÔNG TIN NGỮ CẢNH PHIÊN DUYỆT WEB NGƯỜI DÙNG NHẰM NÂNG CAO CHẤT LƯỢNG TƯ VẤN TRONG HỆ THỐNG TƯ VẤN TIN TỨC KHOÁ LUẬN TỐT NGHIỆP ĐẠI HỌC HỆ CHÍNH QUY Ngành: Công nghệ thông tin HÀ NỘI - 2010
ĐẠI HỌC QUỐC GIA HÀ NỘI Lời cảm ơn TRƯỜNG ĐẠI HỌC CÔNG NGHỆ Trước tiên, tôi xin gửi lời cảm ơn và lòng biết ơn sâu sắc nhất tới Phó Giáo sư Tiến sĩ Uông Huy Long Hà Quang Thụy và Th ạc sĩ Trần Mai Vũ, người đã tận tình ch ỉ bảo và hư ớng dẫn tôi trong suốt quá trình thực hiện khoá luận tốt nghiệp. Tôi chân thành cảm ơn các thầy, cô đã tạo những điều kiện thuận lợi cho tôi học tập và nghiên cứu tại trư ờng Đại Học Công Nghệ. GIẢI PHÁP MỞ RỘNG THÔNG TIN NGỮ CẢNH Tôi PHIÊN DUYỆT Wcác anh chị và các DÙNG NHẰM NÂNG phá cũng xin gửi lời cảm ơn tới EB NGƯỜI bạn sinh viên trong nhóm “Khai dữ liệu” đ ã giúp tôi rất nhiều trong việc hỗ trợ kiến thức chuyên môn để ho àn thành tốt CAO CHẤT LƯỢNG TƯ VẤN TRONG HỆ THỐNG TƯ khoá luận. VẤN TIN TỨC Cuối cùng, tôi muốn gửi lời cảm vô hạn tới gia đình và bạn b è, những người thân yêu luôn bên cạnh và động viên tôi trong suốt quá trình thực hiện khóa luận tốt nghiệp. Tôi xin chân thành cảm ơn! KHOÁ LUẬN TỐT NGHIỆP ĐẠI HỌC HỆ CHÍNH QUY Ngành: Công nghệ thông tin Sinh viên Uông Huy Long Cán bộ hướng dẫn: Th.S Trần Mai Vũ HÀ NỘI - 2010
Lời cảm ơn Trước tiên, tôi xin gửi lời cảm ơn và lòng biết ơn sâu sắc nhất tới Phó Giáo sư Tiến sĩ Hà Quang Thụy và Th ạc sĩ Trần Mai Vũ, n gười đã tận tình chỉ bảo và hướng dẫn tôi trong suốt quá trình thực hiện khoá luận tốt nghiệp. Tôi chân thành cảm ơn các th ầy, cô đã tạo những điều kiện thuận lợi cho tôi học tập và nghiên cứu tại trường Đại Học Công Nghệ. Tôi cũng xin gửi lời cảm ơn tới các anh chị và các b ạn sinh viên trong nhóm “Khai phá dữ liệu” đã giúp tôi rất nhiều trong việc hỗ trợ kiến thức chuyên môn đ ể hoàn thành tốt khoá luận. Cuối cùng, tôi muốn gửi lời cảm vô hạn tới gia đ ình và bạn b è, những người thân yêu luôn bên cạnh và động viên tôi trong suốt quá trình thực hiện khóa luận tốt nghiệp. Tôi xin chân thành cảm ơn ! Sinh viên Uông Huy Long i
Tóm tắt Với sự phát triển của Internet, con người ngày nay không chỉ có nhiều hơn cơ hội tiếp xúc với các nguồn cung cấp tin tức mà còn có thể có được nó đúng lúc hơn. Các tờ báo điện tử ở Việt Nam cung cấp mỗi ngày hàng chục cho tới hàng trăm tin mới thuộc nhiều lĩnh vực khác nhau sẵn sàng đáp ứng các yêu cầu mọi lúc, mọi nơi của người đọc. Tuy nhiên, bên cạnh những tiện ích, tồn tại những vấn đề cần được giải quyết như sự gia tăng về số lượng, tính đa dạng về nội dung của tin tức ở các nguồn khác nhau, sự phù hợp cá nhân,...Trong bối cảnh đó, sự giúp đỡ của một hệ thống tư vấn tin tức là cần thiết, bằng cách duyệt qua không gian các lựa chọn, nó dự đoán các tin tức hữu ích tiềm năng với từng người dùng cá nhân. Xây dựng hồ sơ sở thích người dùng là một trong các thành phần cơ bản nhất của hệ thống tư vấn. Tuy nhiên, những mô hình (như trong khảo sát của Gauch và cộng sự [14] ) đang được sử dụng hiện nay vẫn tồn tại nhiều vấn đề chưa được giải quyết, ví dụ như: tính nhập nhằng ngữ nghĩa trong các hồ sơ dựa trên từ khóa, hoặc đòi hòi thông tin suy diễn từ WordNet để xác định ngữ nghĩa trong các hồ sơ dựa trên mạng ngữ nghĩa,...Thêm vào đó, các giải pháp này còn thiếu khả năng tính hợp mềm dẻo các nhân tố ngữ cảnh. Khóa luận này trình bày một mô hình hệ thống tư vấn tin tức sử dụng một mô hình sở thích ngươi dùng mới. Dựa trên khai phá dữ liệu từ ngữ cảnh duyệt web của người dùng, hệ thống coi sở thích của người sử dụng là một kết hợp của tập các chủ đề ẩn xuất hiện phổ biến và tập các thực thể trong các tin tức người dùng từng quan tâm. ii
Mục lục Mở đầu .......................................................................................................................... 1 Chương 1. Khái quát về các hệ thống tư vấn .................................................................. 3 Bài toán tư vấn ............................................................................................... 3 1 .1. Các kĩ thuật tư vấn .......................................................................................... 5 1 .2. Kĩ thuật tư vấn dựa trên nội dung ................................ ............................. 5 1.2.1. Kĩ thuật tư vấn cộng tác ................................................................ ........... 8 1.2.2. Kĩ thuật tư vấn lai................................................................................... 11 1.2.3. Sơ lược về hệ thống tư vấn tin tức của khóa luận .......................................... 13 1 .3. Đặc trưng của tư vấn tin tức. ................................ ................................ .. 13 1.3.1. Hướng tiếp cận của khóa luận ................................................................ 14 1.3.2. Chương 2. Mô hình hóa sở thích người dùng cho các hệ tư vấn dựa trên nội dung. ...... 16 Tiến trình mô hình sở thích người dùng ........................................................ 16 2 .1. Thu thập thông tin về người dùng ................................................................. 17 2 .2. Phương pháp định danh người dùng ....................................................... 17 2.2.1. Các phương pháp thu thập thông tin ....................................................... 18 2.2.2. Xây dựng mô hình sở thích người dùng ........................................................ 21 2 .3. Phương pháp dựa trên từ khóa có trọng số.............................................. 21 2.3.1. Phương pháp dựa trên mạng ngữ nghĩa .................................................. 22 2.3.2. Phương pháp dựa trên cây phân cấp khái niệm ....................................... 23 2.3.3. Chương 3. Mô hình ...................................................................................................... 24 Cơ sở lý thuyết ............................................................................................. 25 3 .1. Phân tích thông tin chủ đề dựa trên mô hình chủ đề LDA....................... 25 3.1.1. Nhận dạng các thực thể trong tài liệu dựa trên từ điển ............................ 27 3.1.2. Phân tích sở thích ngư ời dùng ....................................................................... 28 3 .2. Thông tin trong phiên duyệt web người dùng ................................ ......... 28 3.2.1. Mô hình sở thích người dùng ................................................................. 29 3.2.2. Áp dụng mô hình môi quan tâm người dùng vào tư vấn tin tức ..................... 30 3 .3. Pha phân tích dữ liệu tư vấn ................................................................ ... 30 3.3.1. Pha tư vấn trực tuyến ............................................................................. 33 3.3.2. Đánh giá kết quả tư vấn. ................................................................ ............... 36 3 .4. Chương 4: Thực nghiệm và đánh giá ........................................................................... 37 iii
Môi trường thực nghiệm ................................................................ ............... 37 4 .1. Dữ liệu và công cụ ........................................................................................ 37 4 .2. Dữ liệu ................................................................................................ ... 37 4.2.1. Công cụ................................................................ ................................ .. 38 4.2.2. Thực nghiệm ................................................................................................ 39 4 .3. Ví d ụ về phân tích tin tức ....................................................................... 39 4.3.1. Ví d ụ phân tích sở thích người dùng....................................................... 40 4.3.2. Tư vấn tin tức......................................................................................... 42 4.3.3. Kết quả thực nghiệm và đánh giá ................................ ................................ .. 43 4 .4. Kết luận ....................................................................................................................... 46 Tài liệu tham khảo ................................ ....................................................................... 48 iv
Danh sách hình Hình 1. Các thành ph ần chính của hệ thống tư vấn. ........................................................ 4 Hình 2. Tiến trình mô hình hóa sở thích người dùng. ................................................... 16 Hình 3. Các hệ thống tư vấn dựa trên thông tin phản hồi hiện. ..................................... 19 Hình 4. Mô hình mối quan tâm người dùng dựa trên từ khóa. ...................................... 22 Hình 5. Mô hình mối quan tâm người dùng dựa trên m ạng ngữ nghĩa .......................... 22 Hình 6. Mô hình mối quan tâm người dùng dựa trên m ạng khái niệm .......................... 23 Hình 7. Tài liệu với K chủ đề ẩn. ................................................................................. 25 Hình 8. Biểu diễn đồ họa LDA................................ ................................ ..................... 26 Hình 9. Ước lượng tham số tập dữ liệu văn bản. .......................................................... 26 Hình 10. Suy diễn chủ đề sử dụng tập dữ liệu VnExpress ............................................ 27 Hình 11. Mô hình sở thích người dùng dựa trên chủ đề ẩn và thực thể. ........................ 29 Hình 12. Mô hình pha phân tích dữ liệu tư vấn ................................ ............................ 31 Hình 13. Mô hình pha tư vấn trực tuyến. ...................................................................... 33 Hình 14. Biểu diễn tin tức theo chủ đề và th ực thể. ...................................................... 39 Hình 15. Kết quả phân tích cho thấy các thông tin liên quan đ ến chủ đề 19.................. 42 v
Danh sách các bảng Bảng 1. Đánh giá theo thang điểm về một số bộ phim đ ã xem. ...................................... 5 Bảng 2. Các kĩ thuật thu thập thông tin ẩn. ................................................................ ... 20 Bảng 3. Ví dụ về một hồ sơ sở thích người dùng. ......................................................... 24 Bảng 4. Thông tin trong phiên duyệt web..................................................................... 28 Bảng 5. Môi trư ờng thực nghiệm. ................................................................................ 37 Bảng 6. Công cụ. ................................................................................................ ......... 38 Bảng 7. Một số chủ đề ẩn ............................................................................................. 39 Bảng 8. Ví dụ về phân tích sở thích ngư ời dùng. .......................................................... 40 Bảng 9. Đánh giá mô hình phân tích sở thích. .............................................................. 44 Bảng 10. Độ chính xác của mô hình dựa vào đánh giá của người sử dụng.................... 44 vi
Mở đầu Từ khi những bài báo đầu tiên về lọc công tác được công bố từ những năm 90 của thế kỉ trước, hệ tư vấn đã chứng tỏ được vai trò quan trọng của mình trong cả hai khía cạnh nghiên cứu và ứng dụng. Chúng ta có thể dễ dàng tiếp cận với các bài báo khoa học liên quan đến từ khóa “Recommender System” trong hơn 8600 kết quả trả về từ máy tìm kiếm GoogleScholar 1 với hơn 1100 kết quả cho riêng năm 2009 hoặc sử dụng các ứng dụng tư vấn nổi tiếng như sách trên Amazon2, phim trên NetFlix3. Các hệ tư vấn hoạt động như một bộ lọc thông tin [8], nhằm cố gắng đưa ra các thông tin về nội dung hoặc thông tin về sản phẩm (như phim, sách, website, tin tức,…) có nhiều khả năng thuộc được người dùng quan tâm. Thông thường, một hệ tư vấn so sánh mối quan tâm của người dùng (trong khóa luận, hai khái niệm mối quan tâm người dùng hay sở thích người dùng có thể được sử dụng thay thế cho nhau) với một vài đặc trưng tham chiếu để đưa ra các ước lượng đánh giá cho các sản phẩm. Các đặc trưng này có thể đến từ các thông tin của sản phẩm (hướng tiếp cận lọc dựa trên nội dung) hoặc từ môi trường xã hội người dùng (hướng tiếp cận lọc cộng tác). Mặc dù các hệ thống tư vấn đã được nghiên cứu từ khá lâu, và đã có nhiều ứng dụng chứng minh được tính hiệu quả của các hệ thống tư vấn trên thế giới, các nghiên cứu về lĩnh vực này ở Việt Nam còn hạn chế. Mong muốn phát triển một hệ thống tư vấn, khóa luận tập trung vào xây dựng một hệ thống tư vấn các tin tức tiếng Việt. Ngày nay, khái niệm “báo điện tử” cũng như việc đọc tin tức điện tử đã không còn xa lạ với đa số người dân Việt Nam. Những thống kê trong gần đây trên BaoMoi4 về số lượt người sử dụng internet để xem các tin tức điện tử hiện nay đang cho thấy nhu cầu ngày một tăng của xã hội trong lĩnh vực truyền thông này. Tuy nhiên, một vấn đề còn tồn tại hiện nay đó là trong khi có quá nhiều tin tức mỗi ngày được cập nhật, người dùng giường như bị chìm ngập trong biển thông tin mà vẫn không tìm ra được các thông tin phù hợp, đó chính là môi trường cho các lĩnh vực liên quan đến tư vấn tin tức phát triển. Nắm bắt được nhu cầu này, khóa luận đề xuất một giải pháp tư vấn các nội dung thông tin liên quan đến ngữ cảnh tiếp nhận thông tin hiện tại của người sử dụng, qua đó mong 1 http://www.scholar.google.com 2 http://www.amazon.com 3 http://www.netflix.com 4 http://www.baomoi.com/Statistics/Report.aspx 1
muốn cung cấp được những chỉ dẫn đúng, nhanh chóng, và không có các phiền toái từ việc phải đăng kí hay cung cấp các thông tin cá nhân. Nội dung chính của khóa luận được chia làm 4 phần:  Chương 1. Các hệ thống tư vấn: Trình bày các khái niệm, các thuật ngữ, các kĩ thuật liên quan đến hệ thống tư vấn. Các ưu và nhược điểm của các kĩ thuật này cũng được trình bày chi tiết hơn trong các mục 1.2 và 1.3.  Chương 2. Mô hình hóa sở thích người dùng cho các hệ tư vấn dựa trên nội dung: Giới thiệu về bài toán xây dựng sở thích người dùng, các thông tin được sử dụng để phân tích và một số kĩ thuật mô hình sở thích người dùng.  Chương 3. Mô hình: Trình bày đề xuất xây dựng sở thích người dùng dựa trên phân tích chủ đề ẩn phổ biến và các thực thể, và áp dụng của mô hình này vào hệ thống tư vấn tin tức.  Chương 4. Thực nghiệm và đánh giá: Trình bày một số kết quả đánh giá ban đầu. 2
Chương 1. Khái quát về các hệ thống tư vấn Trong cuộc sống hàng ngày, khi đứng trước quá nhiều lựa chọn, người ta thường dựa trên những ý kiến hay lời khuyên của mọi người xung quanh. Nhưng trong kỉ nguyên thông tin, hàng triệu thông tin được đưa lên internet mỗi ngày, điều này dẫn tới yêu cầu phải có các phương pháp tự động thu thập thông tin và đưa ra lời khuyên để hỗ trợ cho các phương pháp truyền thống trên . Hệ tư vấn (recommender system) là một giải pháp như vậy. Hệ thống này đưa ra gợi ý dựa trên những gì người dùng đã làm trong quá khứ, hoặc dựa trên tổng hợp ý kiến của những người dùng khác. Hệ tư vấn đã trở thành một ứng dụng quan trọng và thu hút được sự quan tâm lớn của các nhà nghiên cứu cũng như các doanh nghiệp. Một số hệ tư vấn nổi tiếng hiện nay như [26] :  Phim / TV/ âm nhạc: MovieLens, EachMovie, Morse, Firefly, Flycasting  Tin tức / báo chí: Tapestry, GroupLens, Lotus Notes, Anatagonomy…  Sách / Tài liệu: Amazon.com, Foxtrot, InfoFinder…  Web: Phoaks, Gab, Fab, IfWeb, Let's Browse …  Nhà hàng: Adaptive Place Advisor, Polylens, Pocket restaurent finder…  Du lịch: Dietorecs, LifestyleFinder … 1.1. Bài toán tư vấn Một cách hình thức, bài toán tư vấn được các tác giả Adomavicius và Tuzhilin [2] mô tả như sau: Gọi U = (u ,u , u , … , u ) là tập hợp tất cả người dùng trong hệ thống tư vấn, = (i , i , i , … , i ) là tập tất cả các sản phẩm có thể tư vấn. Một hàm g = × → , trong đó R là một tập hợp có thứ tự, được dùng để đo sự phù hợp của sản phẩm in với người dùng um. Như vậy, với mỗi người dùng um thuộc vào U, hệ tư vấn cần chọn ra các sản phẩm , i ∈ , chưa biết với người dùng um sao cho hàm g đạt giá trị lớn nhất. , = arg max g(u , i ) ∀u ∈ , i 3
Trong các hệ thống tư vấn, mức độ phù hợp của sản phẩm thường được biểu diễn theo đánh giá thang điểm (rating), phụ thuộc vào từng ứng dụng, các đánh giá này có thể được thực hiện trực tiếp bởi người dùng hoặc được tính toán bởi hệ thống. Mỗi người dùng thuộc không gian ngươi dùng U được xác định bởi một hồ sơ (user profile), những thông tin lưu trong hồ sơ này có thể bao gồm các thông tin như giới tính, tuổi, quốc gia, tính trạng hôn nhân, … hay cũng có thể bao gồm các thông tin về sở thích, mối quan tâm của họ. Tương tự như vậy, mỗi sản phẩm cũng được mô tả bởi tập hợp các đặc trưng của chúng. Ví dụ, trong hệ thống tư vấn phim, các đặc trưng của một bộ phim có thể là tên phim, thể loại, đạo diễn, diễn viên chính,… Một cách khát quát tiến trình tư vấn có thể được mô tả như sau: Hình 1. Các thành phần chính của hệ thống tư vấn. Đầu tiên, bộ phận học hồ sơ người dùng phân tích các sở thích ngươi dùng. Một khi hệ thống hiểu được người dùng quan tâm đến điều gì, nó thực thi một thuật toán tư vấn, so sánh, tổ hợp giữa các hồ sơ người dùng hoặc giữa hồ sơ người dùng với các đặc trưng sản phẩm, sau đó chọn ra tập hợp những sản phẩm người dùng có thể ưa thích. Vấn đề chính của hệ tư vấn là hàm g không được xác định trên toàn không gian × mà chỉ trên một miền nhỏ của không gian đó. Điều này dẫn tới việc hàm g phải được ngoại suy trong không gian này. Thông thường, độ phù hợp được thể hiện bằng điểm và chỉ xác định trên tập các sản phẩm đã từng được người dùng đánh giá từ trước 4
(thường khá ít). Ví dụ, bảng 2 là đánh giá của một số người dùng với các phim mà họ đã xem (thang điểm từ 0-10, kí hiệu ∅ nghĩa là bộ phim chưa được người dùng cho điểm). Từ những thông tin đó, hệ thống tư vấn phải dự đoán (ngoại suy) điểm cho các bộ phim chưa được người dùng đánh giá, từ đó đưa ra những gợi ý phù hợp nhất. Bảng 1. Đánh giá theo thang điểm về một số bộ phim đã xem. Spartacus Back to the HarryPotter 6 Up Future 3 ∅ A 2 8 9 ∅ ∅ B 8 7 ∅ ∅ C 6 5 ∅ ∅ D 4 7 1.2. Các kĩ thuật tư vấn Có rất nhiều cách để dự đoán, ước lượng hạng/điểm cho các sản phẩm như sử dụng học máy, lí thuyết xấp sỉ, các thuật toán dựa trên kinh nghiệm… Các hệ thống tư vấn thường được phân thành ba loại dựa trên cách nó dùng để ước lượng các đánh giá về sản phẩm:  Dựa trên nội dung (content-based): người dùng được gợi ý những sản phẩm tương tự như các sản phẩm từng được họ đánh giá cao.  Cộng tác (collaborative): người dùng được gợi ý những sản phẩm mà những người cùng sở thích với họ đánh giá cao.  Lai ghép (hybrid): kết hợp cả hai phương pháp trên. 1.2.1. K ĩ thuật tư vấn dựa trên nội dung Hệ tư vấn dựa trên nội dung đưa ra các tư vấn dựa trên phỏng đoán rằng một người có thể thích các sản phẩm có nhiều đặc trưng tương tự với các sản phẩm mà họ đã từng ưa thích. Theo đó, độ phù hợp g(u,i) của sản phẩm i với người dùng u được đánh giá dựa 5
trên độ phù hợp g(u, ij), trong đó ij ∈ và tương tự về nội dung i. Ví dụ, để gợi ý một bộ phim cho người dùng u, hệ thống tư vấn sẽ nhận ra sở thích của u qua các đặc điểm của những bộ phim từng được u đánh giá cao (như thể loại, tên đạo diễn…); sau đó chỉ những bộ phim tương đồng với sở thích của u mới được giới thiệu. Hướng tiếp cận dựa trên nội dung bắt nguồn từ những nghiên cứu về thu thập thông tin (IR - information retrieval) và lọc thông tin (IF - information filtering). Do đó, rất nhiều hệ thống dựa trên nội dung hiện nay tập trung vào tư vấn các đối tượng chứa dữ liệu text như văn bản, tin tức, website… Những tiến bộ so với hướng tiếp cận cũ của IR là do việc sử dụng hồ sơ về người dùng (chứa thông tin về sở thích, nhu cầu…). Hồ sơ này được xây dựng dựa trên những thông tin được người dùng cung cấp trực tiếp (khi trả lời khảo sát) hoặc gián tiếp (do khai phá thông tin từ các giao dịch của người dùng). Để cụ thể hơn, đặt Content(i) là tập thông tin (hay tập các đặc trưng) về sản phẩm i. Do hệ thống dựa trên nội dung được thiết kế chủ yếu để dành cho các sản phẩm dạng văn bản hoặc có các mô tả nội dung (metadata) dạng văn bản nên phương pháp biểu diễn thường được lựa chọn là mô hình không gian vector (Vector Space Model ). Theo đó, nội dung sản phẩm được biểu diễn bởi các từ khóa: Content(i) = (wi1,wi2,…,wik), với wi1,..wik là trọng số của các từ khóa (như TF-IDF) từ 1 tới k trong không gian từ khóa được xây dựng từ trước. Ví dụ điển hình cho hệ thống dạng này là các hệ tư vấn trang web như Fab[5], biểu diễn nội dung các trang web bằng 100 từ quan trọng nhất hay Syskill & Webert [23] sử dụng 128 từ có trọng số cao nhất. Đặt Profile(u) là hồ sơ về người dùng u, bao gồm các thông tin về sở thích của u. Những thông tin này có được bằng cách phân tích nội dung của các sản phẩm từng được u đánh giá (cho điểm) trước đó. Phương pháp được sử dụng thường là các kĩ thuật phân tích từ khóa của IR, do đó, Profile(u) cũng có thể được định nghĩa như một vector trọng số: Profile(u) = (wu1, …,wuk) với xuj biểu thị độ quan trọng của từ khóa j với người dùng u. Trong hệ thống tư vấn dựa trên nội dung, độ phù hợp g(u,i) được xác định bởi công thức: g(u,i) = Score(Profile(u), Content(i)) Cả Profile(u), Content(i) đều được biểu diễn bằng vector trọng số từ TF-IDF (tương ứng là các vector ⃗ , ⃗ ) nên ta có thể sử dụng một công thức tính độ tương tự như độ đo cosin: 6
⃗.⃗ g( , ) = cos( ⃗ , ⃗ )= ‖ ⃗ ‖×‖ ⃗ ‖ Bên cạnh các phương pháp IR, hệ tư vấn dựa trên nội dung còn sử dụng nhiều phương pháp học máy khác như: phân lớp Bayes, cây quyết định, mạng nơron nhân tạo… Các phương pháp này khác với các phương pháp của IR ở chỗ nó dựa trên các mô hình học được từ dữ liệu nền. Ví dụ, dựa trên tập các trang web đã được người dùng đánh giá là “thích” hay “không thích” có thể sử dụng phân lớp Bayes để phân lớp các trang web chưa được đánh giá. Một số hạn chế của hệ thống tư vấn dựa trên nội dung : Theo công trình khảo sát các hệ tư vấn của Adomavicius và Tuzhulin[2], các hệ thống tư vấn dựa trên nội dung có một vài hạn chế sau đây:  Sự phân tích nội dung bị hạn chế (Restricted content analysis): Tính hiệu quả của hệ tư vấn này phụ thuộc vào việc mô tả một cách đầy đủ các đặc trưng nội dung của sản phẩm. Vì vậy, nội dung sản phẩm phải hoặc có thể được trích xuất tự động bởi máy tính hoặc dễ dàng được trích xuất bằng tay. Có nhiều trường hợp, yêu cầu này rất khó thực hiện, ví dụ trong miền ứng dụng tư vấn dữ liệu đa phương tiện như ảnh đồ họa, phim, âm thanh,… Trích xuất tự động đặc trưng nội dung của các đối tượng dữ liệu này là một bài toán khó, và việc trích xuất bằng tay là không khả thi do chi phí lớn.  Sự lạm dụng nội dung chuyên môn (Content over-specialisation): Sự tư vấn chỉ được tạo ra từ phân tích nội dung các sản phẩm đã từng được người dùng ưa thích, trong khi các những đánh giá của người dùng khác có thể được sử dụng để tư vấn những sản phẩm mới (thậm chí khác loại), những tư vấn dựa trên nội dung chỉ có thể đưa ra những sản phẩm tương tự với những gì họ đã từng đánh giá cao trước đây. Trong nhiều trường hợp, những sản phẩm không nên được tư vấn nếu nó quá giống với các sản phẩm đã được đánh giá từ trước. Một ví dụ điển hình là trong các hệ thống tư vấn tin tức, những tin tức tư vấn được đánh giá cao hơn nếu nó không phải là một bản trích dẫn hoặc có nội dung thông tin trùng lặp. 7
 Vấn đề người dùng mới (new user problem): Người dùng cần đánh giá một lượng sản phẩm đủ lớn trước khi hệ thống tư vấn có thể thực sự hiểu sở thích của họ, và đưa ra những tư vấn đáng tin cậy. 1.2.2. K ĩ thuật tư vấn cộng tác Theo Adomavicius và cộng sự [2], không giống như phương pháp tư vấn dựa trên nội dung, hệ thống cộng tác dự đoán độ phù hợp g(u,i) của một sản phẩm i với người dùng u dựa trên độ phù hợp g(uj, i) giữa người dùng uj và i, trong đó uj là người có cùng sở thích với u. Ví dụ, để gợi ý một bộ phim cho người dùng u, đầu tiên hệ thống cộng tác tìm những người dùng khác có cùng sở thích với u, ví dụ cùng thích các bộ phim hành động. Sau đó, những bộ phim được họ đánh giá cao sẽ được dùng để tư vấn cho u. Có rất nhiều hệ thống cộng tác đã được phát triển như: Grundy, GroupLens (tin tức), Ringo (âm nhạc), Amazon.com (sách), Phoaks (web)… Các hệ thống này có thể chia thành hai loại: dựa trên kinh nghiệm (heuristic-based hay memory-based) và dựa trên mô hình (model-based). Hệ thống cộng tác dựa trên kinh nghiệm Các thuật toán dựa trên kinh nghiệm dự đoán hạng của một sản phẩm dựa trên toàn bộ các sản phẩm đã được đánh giá trước đó. Nghĩa là, độ phù hợp của sản phẩm in với người dùng um, g(um, in) được tổng hợp từ đánh giá của những người dùng khác về in (thường là N người có sở thích tương đồng nhất với um). Theo đó, hướng tiếp cận lọc cộng tác này tổ hợp các đánh giá người dùng cùng sở thích này: Trong đó, là tập các người dùng cùng sở thích với um. m Một số ví dụ về hàm tổ hợp [2]: 8
Trong đó, d là hệ số chuẩn hóa Giá trị trung bình các đánh giá của người dùng uj Có nhiều cách để tính độ tương đồng (về sở thích) giữa hai người dùng, nhưng trong hầu hết các phương pháp, độ tương đồng chỉ được tính dựa trên các sản phẩm được cả hai người cùng đánh giá. Hai phương pháp phổ biến nhất là dựa trên độ tương quan (correlation-based) và dựa trên cosin (cosine-based). Biểu diễn những đánh giá quá khứ của hai người dùng u m và u j tương ứng nh ư sau: Độ tương đồng dựa trên cosin: 9
Độ tương quan: Hệ thống cộng tác dựa trên mô hình Khác với phương pháp dựa trên kinh nghiệm, phương pháp dựa trên mô hình (model-based) sử dụng kĩ thuật thống kê và học máy trên dữ liệu nền (các đánh giá đã biết) để xây dựng nên các mô hình. Mô hình này sau đó sẽ được dùng để dự đoán hạng của các sản phẩm chưa được đánh giá. Breese [10] đề xuất hướng tiếp cận xác suất cho lọc cộng tác (collaborative filtering), trong đó công thức sau ước lượng đánh giá của người dùng u về sản phẩm i (thang điểm đánh giá từ 0 đến n): =∑ ru,i = × Pr = ,́∈ ,́ , , Billsus và Pazzani [9] đề xuất phương pháp lọc cộng tác trên nền học máy, trong đó rất nhiều các kĩ thuật học máy (như mạng nơron nhân tạo) và các kĩ thuật trích chọn đặc trưng (như SVD – một kĩ thuật đại số nhằm làm giảm số chiều của ma trận) có thể được sử dụng. Ngoài ra còn nhiều hướng tiếp cận khác như mô hình thống kê, mô hình bayes, mô hình hồi quy tuyến tính, mô hình entropy cực đại… Hệ thống tư vấn cộng tác khắc phục được nhiều nhược điểm của hệ thống dựa trên nội dung. Một điểm quan trọng là nó có thể xử lý mọi loại dữ liệu và gợi ý một loại sản phẩm, kể cả những sản phẩm mới, khác hoàn toàn so với những gì người dùng từng xem. Một số hạn chế của hệ thống tư vấn lọc cộng tác Một số hạn chế của các hệ tư vấn lọc cộng tác có thể được liệt kê như sau:  Vấn đề của sự đánh giá thưa thớt: vấn đề số lượng các đánh giá từ người dùng quá ít để tạo ra các dự đoán đủ tin cậy. Mức độ thành công của các hệ thống tư 10
vấn phụ thuộc nhiều vào những đánh giá nhận được từ khách hàng, và sự tư vấn cộng tác được thực hiện dựa trên sự chồng lấn của những đánh giá này. Vì vậy, rất khó để có thể đưa ra những tư vấn chính xác khi không gian đánh giá là thưa thớt. Ví dụ như một vài sản phẩm chỉ được nhận được ít đánh giá từ người dùng, chúng có thể rất ít có cơ hội được tư vấn, thậm chí cả khi được đánh giá cao.  Vấn đề người dùng mới: Chiến lược cộng tác học sở thích người dùng từ chính những đánh giá trong quá khứ của họ. Đối với những người dùng mới chưa thực hiện đánh giá nào, không có một sự tư vấn nào có thể được tạo ra.  Vấn đề sản phẩm mới: tương tự như vấn đề người dùng mới, đối với những sản phẩm mới, chưa nhận được đánh giá nào từ phía người dùng, không thể có sự tư vấn nào về chúng.  Vấn đề chú cừu xám: Đối với người dùng có sở thích khác biệt với số đông, sự tư vấn đôi khi không mang lại kết quả.  Vấn đề thiếu tính đa dạng: Vì tri thức của hệ thống về nội dung chỉ dựa trên các lựa chọn từ phía người dùng, nên sự tư vấn thường có xu hướng lệch về những sản phẩm đã được chọn trong quá khứ, kết quả là trong khi phải xử lý lượng lớn dữ liệu, phần lớn những tư vấn được tạo ra lại chỉ tập trung vào những sản phẩm phổ biến nhất. Ví dụ điển hình cho những cản trở của vấn đề này là ở các hệ thống tư vấn tin tức, trong khi những tin tức mới hơn có thể mang nhiều giá trị hơn, những tin tức được nhiều người đọc trước đây lại thường xuyên được tư vấn. 1.2.3. K ĩ thuật tư vấn lai Một vài h ệ tư v ấn kết hợp cả phương pháp cộng tác và d ựa trên n ội dung nhằm tránh những hạn chế của cả hai. Có thể phân thành b ốn cách kết hợp như sau:  Cài đặt hai phương pháp riêng rẽ rồi kết hợp d ự đoán của chúng.  Tích hợp các đặc trư ng của phương pháp dựa trên nội dung vào hệ thống cộng tác.  Tích hợp các đặc trưng của phương pháp cộng tác vào h ệ thống dựa trên đặc trư ng.  Xây d ựng mô hình h ợp nhất, bao gồm các đặc trưng của cả hai phương pháp. 11
Kết hợp hai phương pháp riêng rẽ Có hai kịch bản cho trư ờng hợp nà y:  Cách 1: Kết hợp kết quả của cả hai phương pháp thành một kết quả chung duy nhất, sử dụng cách kết hợp tuyến tính (linear combination) hoặc voting scheme.  Cách 2: Tại mỗi thời điểm, chỉ chọn phương pháp cho kết quả tốt hơn (dựa trên một số độ đo chất lượng tư vấn nào đó). Thêm đặc trưng của mô hình dựa trên nội dung vào mô hình cộng tác Một số hệ thống lai (như Fab[5]) dựa chủ yếu trên các kĩ thu ật cộng tác nhưng vẫn du y trì hồ sơ về người dùng (theo dạng của mô hình dự a trên nội dung). Hồ sơ này đư ợc dùng để tính độ tương đồng giữa hai người dùng, nhờ đó giải qu yết đư ợc trường hợp có quá ít sản phẩm chung đư ợc đánh giá bởi cả hai người. Một lợi ích khác là các gợi ý sẽ không ch ỉ giới hạn tro ng các sản phẩm đư ợc đánh giá cao b ởi những người cùng sở thích (gián tiếp), mà còn cả với những sản phẩm có độ tương đồng cao với sở thích của chính người dùng đó (trực tiếp). Thêm đặc trưng của mô hình cộng tá c vào mô hình dựa trên nội dung Hư ớng tiếp cận phổ biến nhất là dùng các kĩ thuật giảm số chiều trên tập hồ sơ của phương pháp dựa trên nội dung. Ví d ụ, Soboroff và Nicholas [29] sử dụng phân tích ngữ nghĩa ẩn (latent sem antic anal ysis) đ ể tạo ra cách nhìn cộng tác (collaborative view) v ới tập hồ sơ người dùng (mỗi hồ sơ được biểu diễn bởi một vector từ khóa). Mô hình hợp nhất hai phương pháp Trong những n ăm gần đây đã có khá nhiều n ghiên cứu về mô hình hợp nh ất. Basu và cộng sự [5] đề xuất kết hợp đặc trưng của cả hai phương pháp vào một bộ phân lớp dựa trên luật (rule-based classifier). Popescul và cộng sự [25] đưa ra phương pháp xác su ất hợp nhất dựa trên phân tích xác suất ngữ nghĩa ẩn (probabilistic latent sem antic anal ysis). Ansari và cộng sự [4] giới thiệu mô hình hồi qu y Bayes sử dụng dâ y Markov Monte Carlo đ ể ước lượng tham số. 12