Page 351 - SDMD CNKT va CNTT trong tien trinh CNH_HDH DBSCL

Hình 17.4. So sánh độ lỗi khi sử dụng phản hồi tiềm ẩn

17.3 ỨNG DỤNG HỆ THỐNG GỢI Ý TRONG HỖ TRỢ DỊCH
VỤ (GIẢI TRÍ, DU LỊCH, GIÁO DỤC)

TMĐT không chỉ bao gồm các hoạt động kinh doanh sản phẩm trên
các hệ thống trực tuyến mà còn gồm cả các hình thức dịch vụ cung cấp cho
khách hàng. Phần này giới thiệu các ứng dụng của hệ thống gợi ý trong hỗ
trợ phát triển các loại hình dịch vụ như giải trí, du lịch và giáo dục.
Phong và Nghe (2014) đã giới thiệu một giải pháp trong xây dựng hệ
thống gợi ý bài hát dựa vào phản hồi tiềm ẩn (implicit feedback) từ người
dùng. Đây là một dạng trong bài toán gợi ý mục tin (item recommendation).
Mặc dù có khá nhiều phương pháp đã được sử dụng cho vấn đề gợi ý mục
tin dựa vào phản hồi tiềm ẩn, phổ biến nhất kỹ thuật lọc cộng tác k-láng
giềng (kNN), thường dùng tương quan Pearson hoặc Cosine để tìm độ tương
tự giữa những người dùng cùng sở thích hoặc các mục tin được xếp hạng
bởi cùng người dùng, hoặc sử dụng kỹ thuật phân rã ma trận (matrix
factorization - MF). Tuy nhiên, các giải thuật này thích hợp hơn cho những
hệ thống sử dụng phản hồi tường minh (explicit feedback) thông qua những
phản hồi/xếp hạng cụ thể. Ở đây, nhóm tác giả đã đề xuất sử dụng phản hồi
tiềm ẩn từ người dùng (như tỷ lệ thời lượng mà người dùng đã nghe trên
tổng thời lượng bài hát) và từ đó đề xuất sử dụng giải thuật xếp hạng cá
nhân Bayes để xây dựng “Hệ thống gợi ý bài hát” (minh họa trong Hình
17.5) do kỹ thuật này hoạt động tốt trên dữ liệu phản hồi tiềm ẩn. Thực
nghiệm trên dữ liệu từ thực tế gồm 109 người dùng (user), 50 bài hát (item)
và 1.109 thông tin phản hồi (rating) cho thấy giải pháp này cho độ lỗi chấp
nhận được và hoàn toàn có khả năng triển khai thực tế.

337