Khóa luận tốt nghiệp: Tư vấn nhóm xã hội dựa trên kỹ thuật tăng cường thích hợp

Trong bối cảnh bùng nổ của các phương tiện xã hội như Facebook và Twitter, lượng thông tin khổng lồ mà chúng tạo ra đã trở thành một nguồn tài nguyên quý giá cho khai phá dữ liệu và các hệ thống tư vấn. Sự phát triển mạnh mẽ này không chỉ mở ra khả năng tư vấn cá nhân mà còn đặc biệt nhấn mạnh tiềm năng của tư vấn nhóm, nơi các cộng đồng người dùng có chung sở thích có thể được xác định và hỗ trợ. Khác với hệ tư vấn truyền thống chỉ tập trung vào sở thích cá nhân, tư vấn nhóm giải quyết nhu cầu đề xuất các mục phù hợp cho cả một tập thể. Khóa luận này ra đời nhằm khám phá sâu hơn bài toán tư vấn nhóm, đề xuất một mô hình hiệu quả để phát hiện tự động các nhóm xã hội và đưa ra các đề xuất thích hợp, từ đó nâng cao giá trị ứng dụng của các hệ thống đề xuất trong môi trường xã hội ngày nay.

Các nhà nghiên cứu, sinh viên và chuyên gia trong lĩnh vực công nghệ thông tin, khoa học dữ liệu, hệ thống thông tin, đặc biệt quan tâm đến hệ tư vấn, mạng xã hội và khai phá dữ liệu.

Trong bối cảnh các phương tiện xã hội phát triển mạnh mẽ, thông tin từ các nền tảng như Facebook và Twitter ngày càng trở nên quan trọng cho các hoạt động tư vấn người dùng. Luận văn này đi sâu vào bài toán tư vấn nhóm, một lĩnh vực đang nổi lên khác biệt với hệ tư vấn truyền thống vốn chỉ tập trung vào cá nhân hóa. Tư vấn nhóm nhằm đưa ra các đề xuất phù hợp cho một tập thể dựa trên việc tổng hợp sở thích của các thành viên trong nhóm.

Khóa luận đề xuất một mô hình tư vấn nhóm xã hội dựa trên kỹ thuật tăng cường thích hợp, bao gồm giải pháp phát hiện nhóm tự động. Phương pháp này sử dụng độ tương đồng hệ số tương quan Pearson để xác định các cộng đồng và tận dụng mối quan hệ tin cậy trong lọc cộng tác dựa trên người dùng. Mục tiêu là kết hợp các đánh giá cá nhân để dự đoán sở thích của cả nhóm. Mô hình này được xây dựng dựa trên các nghiên cứu của HaoMa (2014) về tính toán độ tương đồng người dùng trong mạng xã hội và luận văn của Ludovico Boratto (2011) về phát hiện cộng đồng trong tư vấn xã hội.

Để kiểm chứng hiệu quả, một hệ thống thử nghiệm đã được xây dựng và đánh giá trên tập dữ liệu Epinion, với 581 người dùng và 3430 đánh giá cho 1832 mục thuộc danh mục Game. Kết quả thực nghiệm cho thấy độ sai số NMAE đạt khoảng 0.16, chứng minh tính khả thi và hiệu quả của mô hình đề xuất. Giải pháp này có ý nghĩa quan trọng trong việc cải thiện khả năng của các hệ tư vấn trong môi trường mạng xã hội, đặc biệt trong việc hỗ trợ doanh nghiệp tiếp cận đúng đối tượng và tối ưu hóa chiến lược quảng bá sản phẩm, dịch vụ đến các nhóm người dùng cụ thể.