Tóm tắt Luận văn Thạc sĩ: Nghiên cứu giải pháp phân tích hành vi người dùng qua mạng học sâu nhằm thiết kế giải thuật tư vấn kênh cho người xem truyền hình

Trong bối cảnh ngành Công nghệ thông tin phát triển mạnh mẽ, dịch vụ truyền hình trên Internet, đặc biệt là thông qua mô hình OTT (Over The Top), đã trở thành một xu thế không thể đảo ngược, mang đến sự đa dạng nội dung nhưng cũng đặt ra thách thức về khả năng khám phá nội dung hiệu quả cho người dùng. Người xem thường gặp khó khăn trong việc tìm kiếm nhanh chóng các chương trình yêu thích giữa vô vàn lựa chọn, dẫn đến trải nghiệm không tối ưu. Nhằm giải quyết vấn đề này, luận văn này tập trung vào việc phát triển các giải pháp tiên tiến để nâng cao khả năng phân tích hành vi người dùng. Mục tiêu chính là thiết kế và triển khai một giải thuật tư vấn kênh thông minh cho người xem truyền hình, tận dụng sức mạnh của mạng học sâu để cá nhân hóa gợi ý nội dung, qua đó cải thiện đáng kể chất lượng và hiệu quả thời gian tìm kiếm của người dùng.

Giới nghiên cứu, sinh viên các ngành Hệ thống thông tin, Khoa học máy tính, Kỹ thuật phần mềm quan tâm đến công nghệ học sâu và hệ thống khuyến nghị cho dịch vụ truyền hình OTT.

Luận văn này trình bày một nghiên cứu toàn diện về giải pháp phân tích hành vi người dùng thông qua mạng học sâu để thiết kế giải thuật tư vấn kênh hiệu quả cho người xem truyền hình OTT. Trong bối cảnh sự bùng nổ của dịch vụ truyền hình Internet và sự đa dạng nội dung, việc tìm kiếm chương trình phù hợp trở nên phức tạp, ảnh hưởng đến trải nghiệm người dùng. Nghiên cứu này nhằm mục đích cải thiện chất lượng tìm kiếm và gợi ý nội dung bằng cách tận dụng các tiến bộ công nghệ. Phương pháp nghiên cứu bao gồm việc thu thập và biến đổi dữ liệu lịch phát sóng truyền hình, sau đó áp dụng thuật toán K-means clustering để phân loại nội dung và xác định chủ đề. Đặc biệt, luận văn sử dụng mô hình học máy PhoBERT để tự động phân tích và bổ sung các chủ đề chương trình, đồng thời so sánh hiệu quả với các phương pháp phân loại văn bản khác như BERT. Quá trình này bao gồm nghiên cứu các quy luật xuất hiện của cụm từ, cấu trúc văn phạm và cách dùng từ để huấn luyện mô hình, từ đó gán các thuộc tính vào một chủ đề tương ứng. Hệ thống được thiết kế để phân tích yêu cầu người dùng, xây dựng mô hình quyết định và thực thi gợi ý kênh. Ứng dụng các công nghệ lập trình Python cùng với BERT và PhoBERT, nghiên cứu tiến hành xây dựng và thử nghiệm một hệ thống nhằm giúp người dùng nhanh chóng tìm thấy kênh và nội dung mong muốn, tiết kiệm thời gian và nâng cao trải nghiệm giải trí. Hàm ý của nghiên cứu là cung cấp một công cụ mạnh mẽ giúp các nhà cung cấp dịch vụ OTT tối ưu hóa trải nghiệm người dùng thông qua cá nhân hóa nội dung.