Giới thiệu tài liệu
Trong bối cảnh toàn cầu hóa và sự phát triển không ngừng của công nghệ thông tin, thương mại điện tử đã trở thành một yếu tố cốt lõi trong nền kinh tế hiện đại. Các doanh nghiệp không chỉ đối mặt với thách thức cạnh tranh về sản phẩm hay dịch vụ mà còn cần tập trung vào nâng cao trải nghiệm người dùng và thúc đẩy mức độ tương tác của khách hàng. Việc hiểu rõ hành vi của khách hàng và từ đó xây dựng các chiến lược kinh doanh phù hợp là chìa khóa giúp doanh nghiệp duy trì và mở rộng thị phần.
Đối tượng sử dụng
Sinh viên và nhà nghiên cứu tìm kiếm các cơ sở dữ liệu học thuật và công cụ tìm kiếm chất lượng cao.
Nội dung tóm tắt
Luận văn này tập trung nghiên cứu và ứng dụng trí tuệ nhân tạo có khả năng giải thích (Explainable AI - XAI) trong việc phát triển hệ thống gợi ý, qua đó nâng cao hiệu quả và độ tin cậy của các mô hình khuyến cáo trên nền tảng dữ liệu thực tế. Luận văn đã phân tích chi tiết các kỹ thuật trong hệ thống gợi ý như lọc theo nội dung, lọc cộng tác, và hệ thống khuyến cáo hỗn hợp (hybrid recommender). Đồng thời, LightGBM được lựa chọn là mô hình chính để xây dựng hệ thống nhờ khả năng xử lý nhanh và hiệu quả trên dữ liệu lớn. Bên cạnh đó, khái niệm và các phương pháp XAI cũng được trình bày nhằm làm sáng tỏ cách thức trí tuệ nhân tạo đưa ra quyết định, qua đó tăng cường sự minh bạch và dễ hiểu của hệ thống khuyến cáo. Quy trình xây dựng một mô hình hybrid dựa trên LightGBM, từ khâu tiền xử lý dữ liệu đến huấn luyện và tối ưu cũng được trình bày. Hai công cụ XAI là SHAP và LIME đã được áp dụng để giải thích kết quả từ hệ thống khuyến cáo. Qua phân tích, các công cụ này không chỉ làm rõ các yếu tố ảnh hưởng đến quyết định gợi ý mà còn hỗ trợ đánh giá hiệu quả mô hình, giúp cải thiện sự hài lòng của người dùng. Các chiến lược cá nhân hóa và ứng dụng cụ thể đã được đề xuất nhằm tăng cường hiệu quả của hệ thống gợi ý. Những đề xuất này không chỉ dựa trên kết quả phân tích dữ liệu mà còn xét đến các khía cạnh thực tiễn như nhu cầu khách hàng và khả năng triển khai trên quy mô lớn. Luận văn đã góp phần làm rõ tiềm năng của XAI trong việc nâng cao tính minh bạch và hiệu quả của hệ thống gợi ý. Sự kết hợp giữa các mô hình học máy hiện đại và XAI không chỉ giúp cải thiện độ chính xác mà còn tăng cường niềm tin của người dùng vào hệ thống. Những kết quả và đề xuất trong luận văn có giá trị tham khảo cao cho các ứng dụng thương mại thực tế cũng như các nghiên cứu tiếp theo trong lĩnh vực này.