- M ỘT SỐ HƯỚNG PHÁT TRIỂN MỚI VỀ HỆ TƯ VẤN MỜ. - TÓM T ẮT: Hệ tư vấn (khuyến nghị) cho người dùng những sản phẩm phù hợp với sở thích và nhu cầu. - Ngày càng có nhi ều nghiên cứu về các công cụ sử dụng trong hệ tư vấn nhằm cải thiện độ chính xác cho quá trình khuyến ngh ị. - Một lý do đó là lý thuyết tập mờ được ứng dụng để xử lý các thông tin không chắc chắn, thông tin không rõ ràng sẽ khắc phục được nhược điểm của dữ liệu đầu vào đối với hệ tư vấn, tạo nên độ chính xác cao hơn đối với hệ tư vấn thường. - Trên cơ sở đó, bài báo giới thiệu về một s ố loại tập mờ có thể sử dụng trong hệ tư vấn cùng một số phương pháp của hệ tư vấn đó là các phương pháp lọc cộng tác, l ọc nội dung, lọc kết hợp, lọc dựa trên mô hình đồ thị theo ngữ cảnh. - Ngoài ra, một số độ đo tương tự quan trọng trên một số tập mờ như tập mờ trực cảm, mờ viễn cảnh, Neutrosophic được sử dụng trong các h ệ tư vấn mờ nâng cao cũng được trình bày. - Ý nghĩa của nghiên cứu này nhằm định hình được bức tranh về hệ tư vấn mờ và các công c ụ cũng như gợi mở các hướng để phát triển các lý thuyết nâng cao về hệ tư vấn mờ trong tương lai.. - Từ khóa: Hệ tư vấn mờ, tập mờ trực cảm, độ đo tương tự, độ chính xác.. - H ệ tư vấn được thiết kế để định hướng cho người dùng đến những đối tượng, sản phẩm quan tâm, ưa thích. - Hệ tư vấn dựa trên nền tảng dữ liệu lịch sử như đánh giá của người dùng về các sản phẩm, hồ sơ người dùng, đặc trưng c ủa người dùng và đặc điểm của sản phẩm. - nhằm đưa ra hai khuyến nghị: Thứ nhất là dự đoán đánh giá của người dùng v ề một sản phẩm và thứ hai là tư vấn cho người dùng một số sản phẩm phù hợp với họ. - Hiện nay hệ tư vấn được ứng dụng phổ biến trên nhiều lĩnh vực khác nhau như: Ứng dụng hệ tư vấn trong thương mại điện tử: hệ thống tư vấn c ủa Amazon- amazon.com, Ebay - ebay.com, Alibaba - alibaba.com, ứng dụng hệ tư vấn trong lĩnh vực giáo dục: gợi ý ngu ồn tài nguyên học tập như sách, báo, khóa học, địa chỉ Web. - cho người học, ứng dụng hệ tư vấn trong lĩnh vực ăn uống: Gợi ý nhà hàng, địa điểm ăn uống. - Bên c ạnh đó hệ tư vấn tiếp tục được nghiên cứu ứng dụng cho đa dạng các lớp bài toán ở các lĩnh vực khác nhau trong cu ộc sống.. - Đã có nhiều các công bố về hệ tư vấn xoay quanh các phương pháp xử lý của học máy, thống kê, lý thuyết xấp x ỉ, như hệ thống tư vấn nhận thức rủi ro, hệ thống tư vấn nhận biết ngữ cảnh, hệ tư vấn nhóm, hệ tư vấn trên cơ sở chuyên gia, h ệ tư vấn dựa trên đồ thị, hệ tư vấn dựa trên cơ sở tri thức, hệ tư vấn dựa trên cơ sở ràng buộc, hệ tư vấn v ới phương pháp phân rã ma trận. - Tuy nhiên, trong thực tế nảy sinh một số vấn đề như một người dùng đứng trước m ột sản phẩm đều có thể chọn, phân vân và từ chối hoặc thông tin về một sản phẩm có thể không chắc chắn như một bài hát nào đó có thể thuộc nhiều thể loại nhạc khác nhau, hoặc một ca sĩ có thể hát nhiều thể loại khác nhau, hoặc một bài hát được nhiều ca sĩ hát. - Hệ tư vấn thông thường chưa thể xử lý tốt các vấn đề nhập nhằng và không chắc chắn đó.. - Để xử lý được vấn đề không chắc chắn, phân vân đó đã có một số công bố nghiên cứu sử dụng tập mờ trong hệ tư vấn.. - Trong đó các tác giả tiếp cận hệ tư vấn sử dụng đến đối tượng đại diện, mô tả người dùng, cũng như ưu tiên giới thiệu mở rộng và sử dụng các nguyên mẫu chuyên gia . - H ệ tư vấn mờ dựa trên các tập mờ nâng cao như tập mờ trực cảm, tập mờ loại 2, tập mờ viễn cảnh và tập mờ Neutrosophic được xây dựng và áp dụng cho các bài toán cụ thể nhằm bổ sung và khắc phục được các nhược điểm còn thiếu của các tập mờ trước. - Trong bài báo này chúng tôi gi ới thiệu về một số hướng phát triển mới trong hệ tư vấn mờ cùng m ột số phương pháp của hệ tư vấn đó là các phương pháp lọc cộng tác, lọc nội dung, lọc kết hợp, lọc dựa trên mô hình đồ thị theo ng ữ cảnh. - Ngoài ra, một số độ đo tương tự quan trọng trên một số tập mờ như tập mờ trực c ảm, mờ viễn cảnh, Neutrosophic được sử dụng trong các hệ tư vấn mờ nâng cao cũng được trình bày cùng các phương pháp đánh giá hệ tư vấn mờ và độ đo đánh giá độ chính xác của dự đoán.. - H Ệ TƯ VẤN MỜ. - Logic m ờ đưa ra nhiều phương pháp phân tích độ không chắc chắn của dữ liệu và hữu ích trong việc xử lý dữ li ệu với thông tin không chắc chắn và không đảm bảo về sở thích của người dùng [10]. - Trong phần này sẽ trình bày về hệ tư vấn dựa trên logic m ờ và các hướng phát triển của chúng. - Hệ tư vấn mờ đầu tiên được khởi xướng bởi Yager và cộng sự [21] cho đến 2008 hệ tư vấn mờ đã được sử dụng và phát triển rộng rãi. - Định nghĩa 2: Hệ tư vấn mờ [12]: Cho R là m ột ánh xạ xác định trên tập người dùng U và tập sản phẩm I. - Hệ tư vấn mờ R được định nghĩa như sau:. - x là giá tr ị thuộc của người dùng tại nhãn ngôn ngữ thứ i, µ iI. - x là giá tr ị thuộc của sản phẩm t ại nhãn ngôn ngữ thứ i. - x là giá tr ị thuộc của đánh giá người dùng với sản phẩm tại nhãn ngôn ngữ thứ i, với. - H ệ tư vấn mờ có 2 chức năng:. - ii) Tư vấn: i. - u là các hàm thu ộc, trung lập, từ chối của người dùng với nhãn ngôn ngữ i th c ủa đặc điểm U với s= 1,2,...,s và T iU. - Tương tự T jI. - p I , lP p F , lP p là hàm thu ộc, trung lập, từ chối của người dùng và sản phẩm với nhãn ngôn ngữ l th v ới l = 1, 2. - Tư vấn 1: lựa chọn i {1. - Sau đây là các phương pháp tiếp cận hệ tư vấn qua các phương pháp lọc nội dung, lọc cộng tác, với công cụ logic m ờ.. - H ệ tư vấn lọc cộng tác mờ được phát triển và nghiên cứu như hệ tư vấn lọc cộng tác mờ dựa theo bộ nhớ người dùng [6], l ọc cộng tác mờ theo bộ nhớ sản phẩm, lọc cộng tác mờ dựa vào mô hình như phân cụm,… Sau đây là các bước được xây dựng cho lọc cộng tác mờ dựa vào bộ nhớ:. - Bước 2 : S ử dụng độ đo tương tự sim u u ( a . - i ) trên t ập mờ như độ đo tương tự Cosin, Pearson để tính mức độ tương tự giữa người dùng cần dự đoán u a v ới các người dùng còn lại u i ( i = 1, 2. - Bước 3 : Sinh d ự đoán đánh giá (giá trị mờ) của người dùng u a v ới các sản phẩm chưa được đánh giá p i d ựa trên t ập người dùng trong tập láng giềng U gồm k người dùng đã đánh giá p i có độ tương tự cao nhất đối với. - u a khi đó giá trị mờ của người dùng u a v ới sản phẩm p i được tính theo các công thức:. - Bước 5: Tư vấn cho người dùng K sản phẩm có độ tương tự cao nhất so với sản phẩm người dùng đã đánh giá cao.. - H ệ tư vấn mờ lọc theo cộng tác có nhiều ưu điểm như dễ cài đặt và có thể thực hiện tốt trên tất cả các loại thông tin, tuy nhiên cũng còn gặp một số vấn đề: Người dùng mới khi chưa có thông tin đánh giá với một sản phẩm nào thì l ọc cộng tác không đưa ra tư vấn chính xác cho người dùng đó. - Sản phẩm mới được cập nhật trong hệ thống: Khi không có m ột đánh giá nào của người dùng đối với sản phẩm mới này thì lọc cộng tác không thể tư vấn sản phẩm mới cho người dùng. - Dữ liệu thưa: khi trong thực tế số người dùng và sản phẩm thì rất nhiều nhưng đánh giá của người dùng v ới sản phẩm lại rất ít. - Sở thích người dùng thay đổi theo thời gian nên sẽ làm giảm độ chính xác của lọc cộng tác. - Tuy v ậy, hệ tư vấn mờ lọc cộng tác vẫn còn nhiều điểm có thể cải thiện như phát triển các mở rộng mờ trên các độ đo tương tự truyền thống Pearson, Cosin hay phát triển các phương pháp lọc cộng tác dựa theo hướng mô hình như phân c ụm mờ, phương pháp suy luận mờ, quy tắc kết hợp mờ.. - Sơ đồ cho hệ tư vấn lọc cộng tác mờ có thể được biểu diễn như hình sau:. - Sơ đồ hệ tư vấn lọc cộng tác mờ theo sản phẩm b) Phương pháp lọc nội dung mờ. - Đóng góp liên quan đên áp dụng công cụ mờ với hệ tư vấn lọc nội dung (CBRS) là hồ sơ (người dùng và sản ph ẩm) và quá trình gợi ý sản phẩm phù hợp đến người dùng. - Tiên phong sử dụng logic m ờ trong hệ tư vấn cơ sở nội dung được phát triển bởi Yager [21] tiếp cận cho hệ tư vấn cấu trúc trên cơ sở phương pháp ít người quan tâm, kết nối đóng với tư vấn cơ sở nội dung. - Phương pháp lọc nội dung mờ nhìn chung là tư vấn cho người dùng những sản phẩm mới có nội dung tương tự v ới một số sản phẩm họ đã từng mua hoặc từng truy cập trong quá khứ. - Bước 1 : Bi ểu diễn nội dung của đối tượng tư vấn 𝑝 ∈ 𝑃 kí hi ệu là Content (P). - Bước 2 : L ập hồ sơ người dùng 𝑢 ∈ 𝑈 là l ịch sử truy cập hoặc đánh giá của người đó với đặc trưng của sản ph ẩm. - Bằng cách phân tích các đặc trưng sản phẩm mà người dùng u lựa chọn hoặc truy cập. - Mỗi u được biểu di ễn dưới dạng 1 véctơ có đủ các đặc trưng như đối với đặc trưng của các sản phẩm 𝑝 ∈ 𝑃 c ần tư vấn.. - B ảng dữ liệu đánh giá của người dùng về các sản phẩm. - Tính độ tương tự mờ giữa các sản phẩm được đánh giá bởi các người. - dùng cần dự đoán và tư vấn. - Tính các giá trị tại các ô người dùng chưa đánh giá. - Tư vấn k sản phẩm tương tự nhất được đánh giá tới người dùng. - Bước 4 : Tính độ tương tự giữa đặc trưng nội dung cần tư vấn p với đặc trưng hồ sơ người dùng u.. - Bước 5 : Ch ọn ra K sản phẩm có đặc trưng mà độ tương tự cao nhất đối với các đặc trưng trong hồ sơ người dùng u.. - Bước 7 : Tư vấn các sản phẩm có đặc trưng tương tự cao nhất với các đặc trưng của hồ sơ người dùng.. - H ệ tư vấn lọc nội dung mờ đã có một số công trình nhằm xử lý dữ liệu thưa [20] sử dụng cách tiếp cận ngôn ng ữ mờ và quan hệ sở thích không hoàn chỉnh để xây dựng một hệ thống tư vấn, nơi người dùng ban đầu có thể chọn m ột bộ nhỏ các mặt hàng yêu thích và các sản phẩm được sử dụng để hoàn thành quan hệ sở thích. - cũng sử dụng tùy chọn của người dùng qua các thể loại để xây dựng ma trận phim người dùng biến đổi thông qua các phép toán max-min m ờ để giảm bớt sự thưa của chúng. - Một số công bố đã tập trung vào việc quản lý các thuộc tính c ủa sản phẩm bằng các kỹ thuật mờ, tăng cường sự phát triển của các hệ tư vấn dựa trên nội dung không chắc chắn.. - Vi ệc sử dụng các phương pháp tiếp cận chủ đạo cho mô hình ngôn ngữ, chẳng hạn mô hình 2-tuple [1], cho phép khai thác thu ận lợi của chúng trong các kịch bản hệ tư vấn. - Bên cạnh khắc phục được dữ liệu thưa thì hệ tư vấn lọc nội dung m ờ gặp phải một số vấn đề: Trích trọn đặc trưng: Có một số sản phẩm rất khó để trích trọn đặc trưng. - Và vấn đề người dùng m ới: Khi người dùng mới chưa có đánh giá gì về các sản phẩm thì sẽ không thể phân tích được đặc trưng hồ sơ c ủa người dùng nên không thể tư vấn sản phẩm cho họ. - c) Một số độ đo tương tự trên hệ tư vấn mờ. - T ừ khi hệ tư vấn ra đời đã có nhiều nghiên cứu về độ đo tương tự với mục đích tăng độ chính xác của hệ tư vấn, và để xử lý được dữ liệu không chắc chắn các công trình dựa trên tập nền mờ, mờ nâng cao đã có nhiều nghiên cứu về các độ đo tương tự như trong [24] µ x i. - Các độ đo tương tự được xây dựng trên các tập mờ trực cảm [7]. - [12] góp phần làm phong phú thêm các công c ụ nghiên cứu hệ tư vấn. - Trong hệ tư vấn Neutrosophic, các tác gi ả đã đề xuất một số độ đo tương tự [18] kết hợp giữa người dùng với người dùng, đặc trưng của sản phẩm với s ản phẩm:. - Trong đó S U ij là độ tương tự giữa hai đánh giá của hai người dùng. - S I ij là độ tương tự giữa hai sản phẩm được đánh giá,. - S là độ tương tự giữa hai đặc trưng của hai sản phẩm. - Độ đo tương tự trọng số của công thức (5) như sau:. - Độ đo tương tự trọng số của công thức (6) là:. - Sau đây sẽ trình bày m ột số vấn đề mở về hệ tư vấn mờ cần được quan tâm.. - d) Các v ấn đề mở về hệ tư vấn mờ. - Hi ện nay đã có nhiều nghiên cứu được công bố về hệ tư vấn dựa trên tiếp cận tính toán mờ. - Đối với hệ tư vấn mờ vẫn còn nhiều vấn đề cần giải quyết như vấn đề về dữ liệu thưa, người dùng mới, sản ph ẩm mới. - Phần lớn các công bố tập trung khai thác đặc điểm của sản phẩm mà chưa khai thác nhiều đến sở thích của người dùng nên hướng nghiên cứu tập trung khai thác đến sở thích người dùng cũng là một hướng triển vọng. - Ngày nay với sự phát triển mạnh của mạng xã hội với nhiều thông tin không chắc ch ắn thì một hướng nghiên cứu về hệ tư vấn như tư vấn nhóm, tư vấn nhận biết ngữ cảnh và quản lý tiếng ồn cần được quan tâm. - V ề độ đo tương tự trong hệ tư vấn đã có một số công bố cải tiến về độ đo tương tự trong hệ tư vấn [22]. - Chính vì vậy việc nghiên c ứu về độ đo tương tự cho hệ tư vấn rất cần được quan tâm. - Hệ tư vấn mờ nâng cao cần được nghiên cứu và phát tri ển dựa trên nền là các tập mờ nâng cao như tập mờ trực cảm, mờ viễn cảnh, Neutrosophic với các quy tắc suy di ễn logic mờ cần được nghiên cứu và áp dụng cho các thuật toán lọc cộng tác mờ mà cụ thể là thuật toán lọc cộng tác m ờ theo mô hình như phương pháp phân cụm, phương pháp suy luận mờ, quy tắc kết hợp mờ để cải thiện độ chính xác c ủa hệ tư vấn. - Phương pháp suy diễn xác suất, phương pháp Bayes mờ [14] được kết hợp trong hệ tư vấn chứa nhiều công b ố cần được quan tâm.. - Nh ững năm gần đây, hệ tư vấn mờ đã được ứng dụng vào các lĩnh vực như thị trường chứng khoán [16]. - H ệ tư vấn mờ không chỉ ứng dụng trong y tế, thương mại điện tử, kinh tế mà còn ứng dụng rất phổ biến trong giáo d ục, văn hóa với sự phát triển mạnh của các mạng xã hội nên việc khai thác dữ liệu mạng xã hội và dựa trên môi trường điện toán đám mây các tác giả đã xây dựng hệ tư vấn mờ để tư vấn các di sản văn hóa, các địa điểm văn hóa tới người tiêu dùng dựa trên sở thích người tiêu dùng. - Khai thác mô hình điện toán đám mây để nghiên cứu về h ệ tư vấn mờ là hướng cần quan tâm.. - Bài báo trình bày t ổng quan về hệ tư vấn trên các tập mờ nâng cao, các phương pháp cơ bản của hệ tư vấn khi áp d ụng đối với tập mờ, các độ đo đánh giá hệ tư vấn và các độ đo tương tự trên các tập mờ, tập Neutrosophic sử dụng các phép toán logic m ờ, cũng các điểm yếu mạnh của mỗi phương pháp. - Đồng thời bài báo chỉ ra một số hướng phát tri ển của hệ tư vấn dựa trên công cụ mờ. - Hệ tư vấn Neutrosophic đã được xây dựng [11], tuy nhiên còn nhi ều hướng để phát triển trên tập này như phân cụm, lai ghép với các phương pháp học máy khác.. - Ngoài việc sử dụng các độ đo tương tự trong hệ tư vấn mờ để dự đoán và tư vấn thì một bài toán cần được nghiên cứu tiếp theo đó là sử dụng các công cụ của thống kê như phân tích hồi quy để dự báo. - Bài báo trình bày tổng thể về hệ tư vấn trên các tập mờ, tập mờ nâng cao và có giá trị cho các nghiên cứu ti ếp theo về hệ tư vấn dựa trên logic mờ.
Xem thử không khả dụng, vui lòng xem tại trang nguồn hoặc xem
Tóm tắt