Khóa luận tốt nghiệp: Giải pháp cho khởi đầu nguội trong hệ tư vấn xã hội và ứng dụng

Trong bối cảnh bùng nổ thông tin và sự phụ thuộc ngày càng tăng vào các nền tảng kỹ thuật số, hệ tư vấn đóng vai trò then chốt trong việc giúp người dùng khám phá nội dung phù hợp. Tuy nhiên, một trong những thách thức lớn nhất mà các hệ thống này phải đối mặt là vấn đề khởi đầu nguội. Tình trạng này xảy ra khi hệ thống không có đủ dữ liệu tương tác từ người dùng hoặc về các mục mới, dẫn đến chất lượng đề xuất kém. Việc giải quyết hiệu quả bài toán khởi đầu nguội không chỉ nâng cao trải nghiệm người dùng mà còn tối ưu hóa hiệu năng tổng thể của hệ tư vấn xã hội. Khóa luận này tập trung nghiên cứu và đề xuất một giải pháp cụ thể nhằm khắc phục hạn chế này, đóng góp vào việc phát triển các hệ thống đề xuất thông minh và đáng tin cậy hơn.

Sinh viên, nghiên cứu sinh và kỹ sư phát triển trong lĩnh vực hệ tư vấn, khai thác dữ liệu và học máy.

Khóa luận này giải quyết thách thức khởi đầu nguội nghiêm trọng trong hệ tư vấn, một vấn đề phát sinh khi hệ thống thiếu dữ liệu lịch sử tương tác cho người dùng hoặc mục mới. Để khắc phục, nghiên cứu đã triển khai một mô hình xử lý khởi đầu nguội dựa trên phương pháp hướng mục, lấy cảm hứng từ công trình của Pereira Fressato và cộng sự, đồng thời tích hợp các nguyên lý của lọc cộng tác và kỹ thuật ma trận nhân tử. Phần đầu của khóa luận cung cấp bối cảnh về hệ tư vấn truyền thống và xã hội, làm rõ tầm quan trọng của việc giải quyết bài toán khởi đầu nguội. Sau đó, nghiên cứu đi sâu vào các phương pháp hiện có để giải quyết vấn đề này, bao gồm việc tận dụng dữ liệu bổ sung, chọn nhóm người dùng nổi bật và các phương pháp lai, đặc biệt nhấn mạnh mô hình SVD++ và ma trận nhân tử dựa trên các mục tương tự nhất. Mô hình đề xuất được phân tích chi tiết qua các bước tiền xử lý dữ liệu, xác định mục khởi đầu nguội, tìm kiếm mục tương đồng và dự đoán đánh giá. Để kiểm chứng hiệu quả, mô hình đã được cài đặt và thử nghiệm trên hai bộ dữ liệu phổ biến là MovieLens100k và MovieLens1M. Kết quả đánh giá bằng các độ đo sai số như RMSE và MAE cho thấy mô hình đạt được hiệu suất đáng khích lệ với RMSE là 0.93, chứng minh tính khả thi và tiềm năng ứng dụng trong việc cải thiện độ chính xác của hệ tư vấn. Nghiên cứu này đóng góp vào việc xây dựng các hệ thống đề xuất mạnh mẽ hơn, giảm thiểu rào cản cho người dùng mới và tăng cường khám phá nội dung mới.