Đang chuẩn bị liên kết để tải về tài liệu:
Một giải pháp dự đoán sở thích người dùng theo thời gian

Bài viết này đề xuất giải pháp kết hợp mô hình dự báo và kỹ thuật Tensor Factorization để xem xét đến yếu tố sở thích của người dùng có thể thay đổi theo thời gian nhằm khai thác và tận dụng được các thông tin về thời gian cũng như trình tự mà người dùng đã phản hồi trên hệ thống. | Kỷ yếu Hội nghị KHCN Quốc gia lần thứ XI về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin FAIR Hà Nội ngày 09-10 8 2018 DOI 10.15625 vap.2018.00037 MỘT GIẢI PHÁP DỰ ĐOÁN SỞ THÍCH NGƯỜI DÙNG THEO THỜI GIAN Lê Ngọc Quyền Nguyễn Hữu Hoà Nguyễn Thái Nghe Khoa Công nghệ thông tin và Truyền thông Đại học Cần Thơ lnquyen232@gmail.com nhhoa@ctu.edu.vn ntnghe@cit.ctu.edu.vn TÓM TẮT Hệ thống gợi ý Recommender Systems - RS có thể hỗ trợ người dùng trong quá trình ra quyết định bằng cách dự đoán sở thích dựa trên hành vi trong quá khứ của họ. Bài viết này đề xuất giải pháp kết hợp mô hình dự báo và kỹ thuật Tensor Factorization để xem xét đến yếu tố sở thích của người dùng có thể thay đổi theo thời gian nhằm khai thác và tận dụng được các thông tin về thời gian cũng như trình tự mà người dùng đã phản hồi trên hệ thống. Tiếp cận này đã được thực nghiệm trên các tập dữ liệu ở các lĩnh vực khác nhau và được đánh giá bằng độ đo RMSE Root Mean Squared Error . So sánh với các kỹ thuật Baselines khác không quan tâm đến vấn đề ảnh hưởng của yếu tố thời gian cho thấy giải pháp này rất khả quan. Từ khóa Hệ thống gợi ý kỹ thuật dự báo phân rã ma trận lọc cộng tác. I. GIỚI THIỆU Hệ thống gợi ý Recommender Systems - RS đã được nghiên cứu phát triển như một giải pháp hữu ích hỗ trợ người dùng giải quyết vấn đề quá tải thông tin trong các hệ thống 4 9 . Thông qua RS các hệ thống thông tin có thể dự đoán được sở thích của người dùng giúp đưa ra những gợi ý phù hợp thay vì bắt buộc người dùng phải tìm kiếm thông tin. Để làm được điều đó RS dựa vào những hành vi hay phản hồi feedbacks mà người dùng đã thực hiện trong quá khứ. Các tương tác của người dùng chủ yếu được phân loại thành phản hồi tường minh explicit feedback và phản hồi tiềm ẩn implicit feedbacks . Phản hồi tường minh được xác định thông qua việc đánh giá xếp hạng ví dụ rating từ 1 đến 5 hay like 1 và dislike 0 mà người dùng đã đánh giá trên sản phẩm - trong trường hợp này gọi là dự đoán xếp hạng rating prediction . Ngược lại .