- PHẢN HỒI ẨN TRONG HỆ THỐNG GỢI Ý NỘI DUNG. - Hệ thống gợi ý. - Phân loại các hệ thống gợi ý. - Hệ thống gợi ý dựa vào nội dung. - Hệ thống gợi ý dựa vào cộng tác. - Hệ thống lai. - Mô hình người dùng. - Phản hồi của người dùng trong hệ thống gợi ý nội dung. - Một số hệ thống gợi ý nội dung. - Chương 3: Xây dựng hệ thống gợi ý tin tức sử dụng phản hồi ẩn. - Kiến trúc hệ thống. - Mô tả kiến trúc hệ thống. - Nguyên lý hoạt động của hệ thống. - Giải thuật sử dụng cho hệ thống gợi ý sử dụng phản hồi ẩn. - Hình 2.1: Ma trận biểu diễn xếp hạng của người dùng đối với các tin tức. - Hình 2.3: Giao diện hệ thống Google Tin tức. - 33 Bảng 4.2: Số lượng tin tức và tỉ lệ so với tuần đầu người dùng đã đọc. - Quá trình xây dựng và biểu diễn mô hình nội dung, hồ sơ người dùng, cách lựa chọn nội dung để hiển thị và mô hình người dùng đối với mỗi hệ thống là khác nhau.. - Việc cập nhật mô hình người dùng thường xuyên rất quan trọng đối với hệ thống để biểu diễn nội dung và tìm các nội dung phù hợp. - Luận văn được thực hiện theo hướng tìm hiểu các phương pháp thu thập phản hồi ẩn của người dùng để cập nhật vào mô hình người dùng, từ đó đưa ra các nội dung phù hợp trong các hệ thống nội dung và áp dụng thử nghiệm vào hệ thống gợi ý tin tức tiếng Việt.. - Chương 1: Mô tả bài toán về xây dựng hệ thống gợi ý nội dung sử dụng các phản hồi ẩn của người dùng bao gồm: mục tiêu, nội dung và phương pháp nghiên cứu, các kết quả đã đạt được.. - Chương 2: Trình bày lý thuyết về các hệ thống gợi ý, hồ sơ đối tượng nội dung, hồ sơ người dùng, mô hình người dùng và giới thiệu về các phản hồi của người dùng. - Chương 3: Dựa trên lý thuyết cùng với một số hệ thống được giới thiệu và tìm hiểu, luận văn trình bày một hệ thống gợi ý tin tức sử dụng các phản hồi ẩn của người dùng. - Bộ lọc nội dung đóng vai trò trung tâm để đưa ra gợi ý phù hợp với người dùng. - Tất cả các hệ thống gợi ý đều yêu cầu một mô hình người dùng [2]. - Hướng tiếp cận phổ biến để xây dựng mô hình người dùng là thông qua các phản hồi của người dùng. - Chính vì vậy, các phản hồi của người dùng đối với hệ thống ngày càng trở nên quan trọng.. - Để đạt được mục tiêu đã đề ra, trước tiên, tôi tìm hiểu về các hệ thống gợi ý và mô hình người dùng.. - Cuối cùng, tôi tiến hành một cài đặt hệ thống mới vào trong một hệ thống gợi ý tin tức sử dụng module thu thập phản hồi ẩn của người dùng để đánh giá hiệu quả của hệ thống và đề xuất các hướng nghiên cứu tiếp theo.. - Trình bày được một số lý thuyết về hồ sơ đối tượng nội dung, hồ sơ người dùng, mô hình người dùng, các hệ thống gợi ý, phản hồi của người dùng trong hệ thống gợi ý nội dung và kỹ thuật phân rã ma trận (chương 2). - Trình bày việc xây dựng thử nghiệm hệ thống gợi ý tin tức tiếng Việt sử dụng cơ chế phản hồi ẩn của người dùng (chương 3). - Chương 2 trình bày về các lý thuyết liên quan đến vấn đề cần tìm hiểu bao gồm lý thuyết về các hệ thống gợi ý, hồ sơ đối tượng nội dung và mô hình người dùng, các phản hồi của người dùng trong hệ thống gợi ý nội dung. - Tập người dùng U (user), tập tin tức I (item – là bài viết, sản phẩm) và phản hồi r ui. - (thường là các xếp hạng, đánh giá) của người dùng u cho tin tức i là các khái niệm cơ bản của một hệ thống gợi ý nội dung.. - Gợi ý tin tức dựa vào các phản hồi ẩn của người dùng (thời gian xem tin, số lần xem. - đây là các thông tin mà người dùng không trực tiếp đánh giá).. - Các ô có giá trị là những tin tức đã được người dùng xếp hạng trong quá khứ. - Hệ thống gợi ý dựa vào nội dung được phát triển với mục tiêu đưa ra được những nội dung tương tự với những nội dung mà người dùng quan tâm trong những lần sử dụng trước.. - Các hệ thống gợi ý dựa vào nội dung có những ưu điểm như sau:. - Các hệ thống gợi ý dựa vào cộng tác cố gắng đoán lợi ích của một đối tượng đối với người dùng dựa trên những gì mà người dùng khác đã đánh giá.. - Ưu điểm của các hệ thống gợi ý dựa vào cộng tác:. - do hệ thống dựa hoàn toàn vào đánh giá của người dùng để đưa ra các nhận định về sở thích người dùng. - Khó hoặc chưa dự đoán được với những người dùng mới. - Mô hình người dùng trong hệ thống gợi ý nội dung cực kỳ quan trọng vì mô hình người dùng là toàn bộ thông tin mà hệ thống biết được về người dùng đó. - Mô hình người dùng đơn giản nhất chính là hồ sơ người dùng, là tập hợp những thông tin cá nhân của người dùng. - Hồ sơ người dùng mô tả sở thích, khả năng, kinh nghiệm, thói quen. - và toàn bộ quá trình tương tác của người dùng với hệ thống.. - Có rất nhiều các phương pháp khác nhau để mô hình hóa người dùng. - Có hai loại phản hồi của người dùng trong các hệ thống gợi ý nội dung là phản hồi tường minh và phản hồi ẩn.. - Phản hồi tường minh yêu cầu người dùng đánh giá một đối tượng sử dụng một thang điểm đã trở thành cách chuẩn cho việc diễn tả sở thích của người dùng về đối tượng trong hệ thống gợi ý. - Phương pháp để thu thập phản hồi tường minh của người dùng được dùng phổ biến nhất là phương pháp xếp hạng. - Các điểm theo thang điểm được chuyển thành các giá trị số biểu diễn sở thích của người dùng [12]. - Phản hồi ẩn của người dùng được dựa trên việc quan sát hành vi tương tác với hệ thống bởi một người dùng. - một cách thống nhất phản hồi tường minh và phản hồi ẩn của người dùng vào cùng một framework. - Một số hệ thống gợi ý nội dung 2.7.1. - Hơn nữa, người dùng cũng có thể xem các tin liên quan đến tin tức được đưa lên trên cùng.. - Hạn chế của Google Tin tức là hệ thống không cho người dùng sử dụng kênh tổng hợp của nhiều từ khóa khác nhau cộng lại. - Người dùng có thể truy cập để đọc tin tức như các trang tin thông thường. - Xây dựng một hệ thống gợi ý tin tức tiếng Việt cho người dùng đã đăng nhập vào hệ thống. - Hệ thống phải tự động đánh giá sở thích của người dùng theo thời gian để đưa ra được các tin tức gợi ý chính xác và không trùng lặp giúp tăng số lượng đọc tin tức. - xenoNews là hệ thống gợi ý tiếng Việt cho người dùng. - Người dùng đã đăng nhập trên hệ thống khi sử dụng sẽ được hệ thống đưa ra những gợi ý về các tin tức mà người dùng quan tâm theo đánh giá sở thích cá nhân của bản thân mình.. - Tại giao diện sẽ được cài đặt các công cụ để thu thập thông tin phản hồi ẩn của người dùng vào module phản hồi ẩn. - Module phản hồi ẩn xử lý các thông tin này để cập nhật hồ sơ người dùng vào module quản lý hồ sơ người dùng. - Module quản lý hồ sơ người dùng. - Hồ sơ người dùng Người dùng. - Cập nhật hồ sơ người dùng. - Hình 3.5 mô tả quá trình tạo hồ sơ đối tượng tin tức trong hệ thống.. - tin tức. - Module phản hồi ẩn là một thành phần nằm trong hệ thống. - Module thu thập phản hồi ẩn được nhúng vào trong giao diện hiển thị, chính là website mà người dùng truy cập. - Module cập nhật phản hồi ẩn vào mô hình người dùng sẽ dựa vào các dữ liệu phản hồi ẩn của người dùng để tính toán lại mô hình người dùng. - Các tin tức mà người dùng chưa quan sát, tương tác là sự trộn lẫn của giá trị phản hồi âm và những giá trị thiếu. - Giả sử rằng, mỗi khi người dùng u ((u, i. - S) xem một tin tức i thì người dùng u thích i hơn tất cả các tin tức chưa xem khác.. - Phía bên trái hình 3.7 biểu diễn quan hệ thích hơn cho các tin tức của người dùng u 1 : i 2 >. - Đối với các tin tức mà người dùng chưa đọc (tin tức i 1 , i 3 và i 4 trong hình 3.7), hệ thống sẽ không sử dụng quan hệ thích hơn do chưa có thông tin. - Trong hệ thống gợi ý sử dụng phản hồi ẩn, các phản hồi ẩn của người dùng sẽ được tự động ghi nhận lại bởi hệ thống thông qua các tương tác của người dùng đối với hệ thống. - Người dùng sẽ không phải đánh giá thích hay không thích hoặc đánh giá từ 1 sao đến 5 sao cho mỗi tin tức như các hệ thống khác. - Các phương pháp thu thập phản hồi ẩn từ hệ thống là:. - Mỗi khi người dùng sử dụng một trong các chức năng trên, hệ thống sẽ ghi nhận và cập nhật vào cơ sở dữ liệu. - Trọng số này chính là thông tin phản hồi của người dùng đối với một tin tức. - Như vậy, thông tin phản hồi của người dùng u cho tin tức i được tính theo công thức:. - tổng số chức năng phản hồi ẩn của hệ thống (3.2). - r ˆ ui r ˆ uj và r ˆ ui , r ˆ uj là giá trị dự đoán của người dùng u cho tin tức i và tin tức j. - Trong hệ thống này, tập dữ liệu đầu vào có các thông tin là id của người dùng, id của tin tức và trọng số của tin tức đối với người dùng).. - λ w : tham số chuẩn hóa nhân tố người dùng - λ H. - Sau khi nhận được được hai tham số W và H chúng ta ước tính được phản hồi của người dùng theo công thức (2.8). - Trong quá trình thực nghiệm, ngoài hệ thống xenoNews ban đầu, tôi có cài đặt thêm module tiếp nhận và xử lý phản hồi ẩn của người dùng để cập nhật vào hệ thống gợi ý. - 25 người dùng tham gia sử dụng hệ thống trong một tháng. - Mỗi người dùng sẽ được cấp một tài khoản trên hệ thống. - Người dùng sẽ sử dụng tài khoản của họ để truy cập vào hệ thống hàng ngày vào các thời điểm khác nhau (tùy thuộc vào người dùng thu xếp được thời gian).. - Bảng 4.2: Số lượng tin tức và tỉ lệ so với tuần đầu người dùng đã đọc. - Điều này có nghĩa là, khi sử dụng thêm module phản hồi ẩn, hệ thống đã gợi ý được cho người dùng những tin tức mà họ quan tâm. - Cải tiến thuật toán sử dụng cho phản hồi ẩn của người dùng cho tốt hơn - Kết hợp nghiên cứu với các phản hồi tường minh để tăng độ chính xác. - Luận văn đã trình bày về việc tìm hiểu và thiết kế một hệ thống gợi ý nội dung sử dụng cơ chế phản hồi ẩn của người dùng để đưa ra các tin tức phù hợp với người dùng.. - Tìm hiểu lý thuyết về các hệ thống gợi ý, hồ sơ đối tượng nội dung và mô hình người dùng. - nghiên cứu được cơ chế phản hồi của người dùng trong hệ thống gợi ý nội dung, kỹ thuật phân rã ma trận và một số hệ thống gợi ý đã và đang sử dụng. - Xây dựng được module phản hồi ẩn giúp nhận thông tin phản hồi ẩn của người dùng, cập nhật hồ sơ người dùng và lồng ghép vào trong hệ thống gợi ý tin tức tiếng Việt xenoNews. - Chính vì vậy, trong thời gian tới tôi sẽ tìm hiểu thêm một số phương pháp để cải tiến thuật toán sử dụng cho phản hồi ẩn của người dùng tốt hơn