Trong bài báo này, đề xuất một phương pháp hợp nhất giữa lọc cộng tác và lọc nội dung bằng phương pháp đồng huấn luyện. Kết quả thử nghiệm trên các bộ dữ liệu thực tế cho thấy phương pháp đề xuất tận dụng hiệu quả ưu điểm và hạn chế đáng kể nhược điểm của mỗi phương pháp lọc truyền thống. | Các công trình nghiên cứu phát triển Công nghệ Thông tin và Truyền thông Hợp nhất lọc cộng tác và lọc nội dung bằng phương pháp học bán giám sát Đỗ Thị Liên, Nguyễn Duy Phương, Từ Minh Phương Học viện Công nghệ Bưu chính Viễn thông E-mail: liendt@, phuongnd@, phuongtm@ Tác giả liên hệ: Đỗ Thị Liên Ngày nhận: 26/02/2017, ngày sửa chữa: 06/03/2017, ngày duyệt đăng: 10/07/2017 Tóm tắt: Hệ tư vấn là hệ thống tự động cung cấp thông tin phù hợp và gỡ bỏ thông tin không phù hợp cho mỗi người dùng. Hệ tư vấn được xây dựng dựa trên hai kỹ thuật lọc thông tin chính: lọc cộng tác và lọc nội dung. Lọc nội dung thực hiện hiệu quả trên các loại tài liệu văn bản nhưng gặp phải vấn đề trích chọn đặc trưng trên các dạng thông tin đa phương tiện. Lọc cộng tác thực hiện tốt trên tất cả các dạng thông tin nhưng gặp phải vấn đề dữ liệu thưa, người dùng mới và sản phẩm mới. Trong bài báo này, chúng tôi đề xuất một phương pháp hợp nhất giữa lọc cộng tác và lọc nội dung bằng phương pháp đồng huấn luyện. Kết quả thử nghiệm trên các bộ dữ liệu thực tế cho thấy phương pháp đề xuất tận dụng hiệu quả ưu điểm và hạn chế đáng kể nhược điểm của mỗi phương pháp lọc truyền thống. Từ khóa: Lọc cộng tác, lọc nội dung, lọc kết hợp, đồng huấn luyện, học có giám sát, học không giám sát, học bán giám sát. Title: Abstract: Keywords: Unifying Collaborative and Content-based Filtering by Semi-Supervised Learning A recommender system is an automated system that provides appropriate information and removing inappropriate information for users. It is based on two main information filtering techniques: collaborative filtering and contentbased filtering. Content-based filtering performs well with information in text form but has difficulty in feature selection with multimedia information. Collaborative filtering performs well on all types of information but has problems with sparse data, new users, and new items. In this paper, we propose a new model that unifies .
