GIẢI PHÁP MỞ RỘNG THÔNG TIN NGỮ CẢNH PHIÊN DUYỆT WEB NGƯỜI DÙNG NHẰM NÂNG CAO CHẤT LƯỢNG TƯ VẤN TRONG HỆ THỐNG TƯ VẤN TIN TỨC

GIẢI PHÁP MỞ RỘNG THÔNG TIN NGỮ CẢNH PHIÊN DUYỆT WEB NGƯỜI DÙNG NHẰM NÂNG CAO CHẤT LƯỢNG TƯ VẤN TRONG HỆ THỐNG TƯ VẤN TIN TỨC

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ

Uông Huy Long

GIẢI PHÁP MỞ RỘNG THÔNG TIN NGỮ CẢNH PHIÊN DUYỆT WEB NGƯỜI DÙNG NHẰM NÂNG CAO CHẤT LƯỢNG TƯ VẤN TRONG HỆ THỐNG

Lời cảm ơn

Trước tiên, tôi xin gửi lời cảm ơn và lòng biết ơn sâu sắc nhất tới Phó Giáo sư Tiến sĩ

Hà Quang Thụy và Thạc sĩ Trần Mai Vũ, người đã tận tình chỉ bảo và hướng dẫn tôi trong suốt quá trình thực hiện khoá luận tốt nghiệp

Tôi chân thành cảm ơn các thầy, cô đã tạo những điều kiện thuận lợi cho tôi học tập và nghiên cứu tại trường Đại Học Công Nghệ

Tôi cũng xin gửi lời cảm ơn tới các anh chị và các bạn sinh viên trong nhóm “Khai phá

dữ liệu” đã giúp tôi rất nhiều trong việc hỗ trợ kiến thức chuyên môn để hoàn thành tốt khoá luận

Cuối cùng, tôi muốn gửi lời cảm vô hạn tới gia đình và bạn bè, những người thân yêu luôn bên cạnh và động viên tôi trong suốt quá trình thực hiện khóa luận tốt nghiệp Tôi xin chân thành cảm ơn!

Uông Huy Long

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ

Uông Huy Long

GIẢI PHÁP MỞ RỘNG THÔNG TIN NGỮ CẢNH PHIÊN DUYỆT WEB NGƯỜI DÙNG NHẰM NÂNG CAO CHẤT LƯỢNG TƯ VẤN TRONG HỆ THỐNG TƯ

Lời cảm ơn

Trước tiên, tôi xin gửi lời cảm ơn và lòng biết ơn sâu sắc nhất tới Phó Giáo sư Tiến sĩ Hà Quang Thụy và Thạc sĩ Trần Mai Vũ, người đã tận tình chỉ bảo và hướng dẫn tôi trong suốt quá trình thực hiện khoá luận tốt nghiệp

Tôi chân thành cảm ơn các thầy, cô đã tạo những điều kiện thuận lợi cho tôi học tập và nghiên cứu tại trường Đại Học Công Nghệ

Tôi cũng xin gửi lời cảm ơn tới các anh chị và các bạn sinh viên trong nhóm

“Khai phá dữ liệu” đã giúp tôi rất nhiều trong việc hỗ trợ kiến thức chuyên môn để hoàn thành tốt khoá luận

Cuối cùng, tôi muốn gửi lời cảm vô hạn tới gia đình và bạn bè, những người thân yêu luôn bên cạnh và động viên tôi trong suốt quá trình thực hiện khóa luận tốt nghiệp Tôi xin chân thành cảm ơn!

Sinh viên

Uông Huy Long

Tóm tắt

Với sự phát triển của Internet, con người ngày nay không chỉ có nhiều hơn cơ hội tiếp xúc với các nguồn cung cấp tin tức mà còn có thể có được nó đúng lúc hơn Các tờ báo điện tử ở Việt Nam cung cấp mỗi ngày hàng chục cho tới hàng trăm tin mới thuộc nhiều lĩnh vực khác nhau sẵn sàng đáp ứng các yêu cầu mọi lúc, mọi nơi của người đọc Tuy nhiên, bên cạnh những tiện ích, tồn tại những vấn đề cần được giải quyết như sự gia tăng về số lượng, tính đa dạng về nội dung của tin tức ở các nguồn khác nhau, sự phù hợp

cá nhân, Trong bối cảnh đó, sự giúp đỡ của một hệ thống tư vấn tin tức là cần thiết, bằng cách duyệt qua không gian các lựa chọn, nó dự đoán các tin tức hữu ích tiềm năng với từng người dùng cá nhân

Xây dựng hồ sơ sở thích người dùng là một trong các thành phần cơ bản nhất của hệ thống tư vấn Tuy nhiên, những mô hình (như trong khảo sát của Gauch và cộng sự [14] ) đang được sử dụng hiện nay vẫn tồn tại nhiều vấn đề chưa được giải quyết, ví dụ như: tính nhập nhằng ngữ nghĩa trong các hồ sơ dựa trên từ khóa, hoặc đòi hòi thông tin suy diễn từ WordNet để xác định ngữ nghĩa trong các hồ sơ dựa trên mạng ngữ nghĩa, Thêm vào đó, các giải pháp này còn thiếu khả năng tính hợp mềm dẻo các nhân tố ngữ cảnh

Khóa luận này trình bày một mô hình hệ thống tư vấn tin tức sử dụng một mô hình

sở thích ngươi dùng mới Dựa trên khai phá dữ liệu từ ngữ cảnh duyệt web của người dùng, hệ thống coi sở thích của người sử dụng là một kết hợp của tập các chủ đề ẩn xuất hiện phổ biến và tập các thực thể trong các tin tức người dùng từng quan tâm

Mục lục

Mở đầu 1

Chương 1 Khái quát về các hệ thống tư vấn 3

1.1 Bài toán tư vấn 3

1.2 Các kĩ thuật tư vấn 5

1.2.1 Kĩ thuật tư vấn dựa trên nội dung 5

1.2.2 Kĩ thuật tư vấn cộng tác 8

1.2.3 Kĩ thuật tư vấn lai 11

1.3 Sơ lược về hệ thống tư vấn tin tức của khóa luận 13

1.3.1 Đặc trưng của tư vấn tin tức 13

1.3.2 Hướng tiếp cận của khóa luận 14

Chương 2 Mô hình hóa sở thích người dùng cho các hệ tư vấn dựa trên nội dung 16

2.1 Tiến trình mô hình sở thích người dùng 16

2.2 Thu thập thông tin về người dùng 17

2.2.1 Phương pháp định danh người dùng 17

2.2.2 Các phương pháp thu thập thông tin 18

2.3 Xây dựng mô hình sở thích người dùng 21

2.3.1 Phương pháp dựa trên từ khóa có trọng số 21

2.3.2 Phương pháp dựa trên mạng ngữ nghĩa 22

2.3.3 Phương pháp dựa trên cây phân cấp khái niệm 23

Chương 3 Mô hình 24

3.1 Cơ sở lý thuyết 25

3.1.1 Phân tích thông tin chủ đề dựa trên mô hình chủ đề LDA 25

3.1.2 Nhận dạng các thực thể trong tài liệu dựa trên từ điển 27

3.2 Phân tích sở thích người dùng 28

3.2.1 Thông tin trong phiên duyệt web người dùng 28

3.2.2 Mô hình sở thích người dùng 29

3.3 Áp dụng mô hình môi quan tâm người dùng vào tư vấn tin tức 30

3.3.1 Pha phân tích dữ liệu tư vấn 30

3.3.2 Pha tư vấn trực tuyến 33

3.4 Đánh giá kết quả tư vấn 36

Chương 4: Thực nghiệm và đánh giá 37

4.1 Môi trường thực nghiệm 37

4.2 Dữ liệu và công cụ 37

4.2.1 Dữ liệu 37

4.2.2 Công cụ 38

4.3 Thực nghiệm 39

4.3.1 Ví dụ về phân tích tin tức 39

4.3.2 Ví dụ phân tích sở thích người dùng 40

4.3.3 Tư vấn tin tức 42

4.4 Kết quả thực nghiệm và đánh giá 43

Kết luận 46

Tài liệu tham khảo 48

Danh sách hình

Hình 1 Các thành phần chính của hệ thống tư vấn 4

Hình 2 Tiến trình mô hình hóa sở thích người dùng 16

Hình 3 Các hệ thống tư vấn dựa trên thông tin phản hồi hiện 19

Hình 4 Mô hình mối quan tâm người dùng dựa trên từ khóa 22

Hình 5 Mô hình mối quan tâm người dùng dựa trên mạng ngữ nghĩa 22

Hình 6 Mô hình mối quan tâm người dùng dựa trên mạng khái niệm 23

Hình 7 Tài liệu với K chủ đề ẩn 25

Hình 8 Biểu diễn đồ họa LDA 26

Hình 9 Ước lượng tham số tập dữ liệu văn bản 26

Hình 10 Suy diễn chủ đề sử dụng tập dữ liệu VnExpress 27

Hình 11 Mô hình sở thích người dùng dựa trên chủ đề ẩn và thực thể 29

Hình 12 Mô hình pha phân tích dữ liệu tư vấn 31

Hình 13 Mô hình pha tư vấn trực tuyến 33

Hình 14 Biểu diễn tin tức theo chủ đề và thực thể 39

Hình 15 Kết quả phân tích cho thấy các thông tin liên quan đến chủ đề 19 42

Danh sách các bảng

Bảng 1 Đánh giá theo thang điểm về một số bộ phim đã xem 5

Bảng 2 Các kĩ thuật thu thập thông tin ẩn 20

Bảng 3 Ví dụ về một hồ sơ sở thích người dùng 24

Bảng 4 Thông tin trong phiên duyệt web 28

Bảng 5 Môi trường thực nghiệm 37

Bảng 6 Công cụ 38

Bảng 7 Một số chủ đề ẩn 39

Bảng 8 Ví dụ về phân tích sở thích người dùng 40

Bảng 9 Đánh giá mô hình phân tích sở thích 44

Bảng 10 Độ chính xác của mô hình dựa vào đánh giá của người sử dụng 44

Mở đầu

Từ khi những bài báo đầu tiên về lọc công tác được công bố từ những năm 90 của thế kỉ trước, hệ tư vấn đã chứng tỏ được vai trò quan trọng của mình trong cả hai khía cạnh nghiên cứu và ứng dụng Chúng ta có thể dễ dàng tiếp cận với các bài báo khoa học liên quan đến từ khóa “Recommender System” trong hơn 8600 kết quả trả về từ máy tìm kiếm GoogleScholar 1 với hơn 1100 kết quả cho riêng năm 2009 hoặc sử dụng các ứng dụng tư vấn nổi tiếng như sách trên Amazon2, phim trên NetFlix3

Các hệ tư vấn hoạt động như một bộ lọc thông tin [8], nhằm cố gắng đưa ra các thông tin về nội dung hoặc thông tin về sản phẩm (như phim, sách, website, tin tức,…) có nhiều khả năng thuộc được người dùng quan tâm Thông thường, một hệ tư vấn so sánh mối quan tâm của người dùng (trong khóa luận, hai khái niệm mối quan tâm người dùng hay sở thích người dùng có thể được sử dụng thay thế cho nhau) với một vài đặc trưng tham chiếu để đưa ra các ước lượng đánh giá cho các sản phẩm Các đặc trưng này có thể đến từ các thông tin của sản phẩm (hướng tiếp cận lọc dựa trên nội dung) hoặc từ môi trường xã hội người dùng (hướng tiếp cận lọc cộng tác)

Mặc dù các hệ thống tư vấn đã được nghiên cứu từ khá lâu, và đã có nhiều ứng dụng chứng minh được tính hiệu quả của các hệ thống tư vấn trên thế giới, các nghiên cứu

về lĩnh vực này ở Việt Nam còn hạn chế Mong muốn phát triển một hệ thống tư vấn, khóa luận tập trung vào xây dựng một hệ thống tư vấn các tin tức tiếng Việt

Ngày nay, khái niệm “báo điện tử” cũng như việc đọc tin tức điện tử đã không còn

xa lạ với đa số người dân Việt Nam Những thống kê trong gần đây trên BaoMoi4 về số lượt người sử dụng internet để xem các tin tức điện tử hiện nay đang cho thấy nhu cầu ngày một tăng của xã hội trong lĩnh vực truyền thông này Tuy nhiên, một vấn đề còn tồn tại hiện nay đó là trong khi có quá nhiều tin tức mỗi ngày được cập nhật, người dùng giường như bị chìm ngập trong biển thông tin mà vẫn không tìm ra được các thông tin phù hợp, đó chính là môi trường cho các lĩnh vực liên quan đến tư vấn tin tức phát triển Nắm bắt được nhu cầu này, khóa luận đề xuất một giải pháp tư vấn các nội dung thông tin liên quan đến ngữ cảnh tiếp nhận thông tin hiện tại của người sử dụng, qua đó mong

muốn cung cấp được những chỉ dẫn đúng, nhanh chóng, và không có các phiền toái từ việc phải đăng kí hay cung cấp các thông tin cá nhân

Nội dung chính của khóa luận được chia làm 4 phần:

 Chương 1 Các hệ thống tư vấn: Trình bày các khái niệm, các thuật ngữ, các kĩ

thuật liên quan đến hệ thống tư vấn Các ưu và nhược điểm của các kĩ thuật này cũng được trình bày chi tiết hơn trong các mục 1.2 và 1.3

 Chương 2 Mô hình hóa sở thích người dùng cho các hệ tư vấn dựa trên nội

dung: Giới thiệu về bài toán xây dựng sở thích người dùng, các thông tin được

sử dụng để phân tích và một số kĩ thuật mô hình sở thích người dùng

 Chương 3 Mô hình: Trình bày đề xuất xây dựng sở thích người dùng dựa trên

phân tích chủ đề ẩn phổ biến và các thực thể, và áp dụng của mô hình này vào hệ thống tư vấn tin tức

 Chương 4 Thực nghiệm và đánh giá: Trình bày một số kết quả đánh giá ban đầu

Chương 1 Khái quát về các hệ thống tư vấn

Trong cuộc sống hàng ngày, khi đứng trước quá nhiều lựa chọn, người ta thường dựa trên những ý kiến hay lời khuyên của mọi người xung quanh Nhưng trong kỉ nguyên thông tin, hàng triệu thông tin được đưa lên internet mỗi ngày, điều này dẫn tới yêu cầu phải có các phương pháp tự động thu thập thông tin và đưa ra lời khuyên để hỗ trợ cho các phương pháp truyền thống trên Hệ tư vấn (recommender system) là một giải pháp như vậy Hệ thống này đưa ra gợi ý dựa trên những gì người dùng đã làm trong quá khứ, hoặc dựa trên tổng hợp ý kiến của những người dùng khác Hệ tư vấn đã trở thành một ứng dụng quan trọng và thu hút được sự quan tâm lớn của các nhà nghiên cứu cũng như các doanh nghiệp

Một số hệ tư vấn nổi tiếng hiện nay như [26] :

 Phim / TV/ âm nhạc: MovieLens, EachMovie, Morse, Firefly, Flycasting

 Tin tức / báo chí: Tapestry, GroupLens, Lotus Notes, Anatagonomy…

 Sách / Tài liệu: Amazon.com, Foxtrot, InfoFinder…

 Web: Phoaks, Gab, Fab, IfWeb, Let's Browse …

 Nhà hàng: Adaptive Place Advisor, Polylens, Pocket restaurent finder…

 Du lịch: Dietorecs, LifestyleFinder …

Một cách hình thức, bài toán tư vấn được các tác giả Adomavicius và Tuzhilin [2]

mô tả như sau:

Gọi U = (u ,u , u , … , u ) là tập hợp tất cả người dùng trong hệ thống tư vấn,

= (i , i , i , … , i ) là tập tất cả các sản phẩm có thể tư vấn

Một hàm g = × → , trong đó R là một tập hợp có thứ tự, được dùng để đo sự

phù hợp của sản phẩm in với người dùng um

Như vậy, với mỗi người dùng um thuộc vào U, hệ tư vấn cần chọn ra các sản phẩm

i , ∈ , chưa biết với người dùng um sao cho hàm g đạt giá trị lớn nhất

∀u ∈ , i , = arg max g(u , i )

Trong các hệ thống tư vấn, mức độ phù hợp của sản phẩm thường được biểu diễn

theo đánh giá thang điểm (rating), phụ thuộc vào từng ứng dụng, các đánh giá này có thể được thực hiện trực tiếp bởi người dùng hoặc được tính toán bởi hệ thống

Mỗi người dùng thuộc không gian ngươi dùng U được xác định bởi một hồ sơ (user profile), những thông tin lưu trong hồ sơ này có thể bao gồm các thông tin như giới tính, tuổi, quốc gia, tính trạng hôn nhân, … hay cũng có thể bao gồm các thông tin về sở thích, mối quan tâm của họ Tương tự như vậy, mỗi sản phẩm cũng được mô tả bởi tập hợp các đặc trưng của chúng Ví dụ, trong hệ thống tư vấn phim, các đặc trưng của một bộ phim

có thể là tên phim, thể loại, đạo diễn, diễn viên chính,…

Một cách khát quát tiến trình tư vấn có thể được mô tả như sau:

Hình 1 Các thành phần chính của hệ thống tư vấn

Đầu tiên, bộ phận học hồ sơ người dùng phân tích các sở thích ngươi dùng Một khi

hệ thống hiểu được người dùng quan tâm đến điều gì, nó thực thi một thuật toán tư vấn,

so sánh, tổ hợp giữa các hồ sơ người dùng hoặc giữa hồ sơ người dùng với các đặc trưng

sản phẩm, sau đó chọn ra tập hợp những sản phẩm người dùng có thể ưa thích

Vấn đề chính của hệ tư vấn là hàm g không được xác định trên toàn không gian × mà chỉ trên một miền nhỏ của không gian đó Điều này dẫn tới việc hàm g phải được ngoại suy trong không gian này Thông thường, độ phù hợp được thể hiện bằng điểm và chỉ xác định trên tập các sản phẩm đã từng được người dùng đánh giá từ trước

(thường khá ít) Ví dụ, bảng 2 là đánh giá của một số người dùng với các phim mà họ đã xem (thang điểm từ 0-10, kí hiệu ∅ nghĩa là bộ phim chưa được người dùng cho điểm)

Từ những thông tin đó, hệ thống tư vấn phải dự đoán (ngoại suy) điểm cho các bộ phim chưa được người dùng đánh giá, từ đó đưa ra những gợi ý phù hợp nhất

Bảng 1 Đánh giá theo thang điểm về một số bộ phim đã xem

Spartacus Back to the

 Dựa trên nội dung (content-based): người dùng được gợi ý những sản phẩm tương tự như các sản phẩm từng được họ đánh giá cao

 Cộng tác (collaborative): người dùng được gợi ý những sản phẩm mà những người cùng sở thích với họ đánh giá cao

 Lai ghép (hybrid): kết hợp cả hai phương pháp trên

1.2.1 Kĩ thuật tư vấn dựa trên nội dung

Hệ tư vấn dựa trên nội dung đưa ra các tư vấn dựa trên phỏng đoán rằng một người

có thể thích các sản phẩm có nhiều đặc trưng tương tự với các sản phẩm mà họ đã từng ưa thích Theo đó, độ phù hợp g(u,i) của sản phẩm i với người dùng u được đánh giá dựa

trên độ phù hợp g(u, ij), trong đó ij ∈ và tương tự về nội dung i Ví dụ, để gợi ý một bộ phim cho người dùng u, hệ thống tư vấn sẽ nhận ra sở thích của u qua các đặc điểm của những bộ phim từng được u đánh giá cao (như thể loại, tên đạo diễn…); sau đó chỉ những

bộ phim tương đồng với sở thích của u mới được giới thiệu

Hướng tiếp cận dựa trên nội dung bắt nguồn từ những nghiên cứu về thu thập thông tin (IR - information retrieval) và lọc thông tin (IF - information filtering) Do đó, rất nhiều hệ thống dựa trên nội dung hiện nay tập trung vào tư vấn các đối tượng chứa dữ liệu text như văn bản, tin tức, website… Những tiến bộ so với hướng tiếp cận cũ của IR là do việc sử dụng hồ sơ về người dùng (chứa thông tin về sở thích, nhu cầu…) Hồ sơ này được xây dựng dựa trên những thông tin được người dùng cung cấp trực tiếp (khi trả lời khảo sát) hoặc gián tiếp (do khai phá thông tin từ các giao dịch của người dùng)

Để cụ thể hơn, đặt Content(i) là tập thông tin (hay tập các đặc trưng) về sản phẩm i Do hệ thống dựa trên nội dung được thiết kế chủ yếu để dành cho các sản phẩm dạng văn bản hoặc có các mô tả nội dung (metadata) dạng văn bản nên phương pháp biểu diễn thường được lựa chọn là mô hình không gian vector (Vector Space Model ) Theo

đó, nội dung sản phẩm được biểu diễn bởi các từ khóa: Content(i) = (wi1,wi2,…,wik), với

wi1, wik là trọng số của các từ khóa (như TF-IDF) từ 1 tới k trong không gian từ khóa

được xây dựng từ trước Ví dụ điển hình cho hệ thống dạng này là các hệ tư vấn trang web

như Fab[5], biểu diễn nội dung các trang web bằng 100 từ quan trọng nhất hay Syskill & Webert [23] sử dụng 128 từ có trọng số cao nhất

Đặt Profile(u) là hồ sơ về người dùng u, bao gồm các thông tin về sở thích của u Những thông tin này có được bằng cách phân tích nội dung của các sản phẩm từng được u đánh giá (cho điểm) trước đó Phương pháp được sử dụng thường là các kĩ thuật phân tích từ khóa của IR, do đó, Profile(u) cũng có thể được định nghĩa như một vector trọng số: Profile(u) = (wu1, …,wuk) với xuj biểu thị độ quan trọng của từ khóa j với người dùng

u

Trong hệ thống tư vấn dựa trên nội dung, độ phù hợp g(u,i) được xác định bởi công thức:

g(u,i) = Score(Profile(u), Content(i))

Cả Profile(u), Content(i) đều được biểu diễn bằng vector trọng số từ TF-IDF (tương ứng là các vector ⃗ , ⃗ ) nên ta có thể sử dụng một công thức tính độ tương tự như độ đo cosin:

g( , ) = cos( ⃗ , ⃗ )= ⃗ ⃗

‖ ⃗ ‖×‖ ⃗ ‖

Bên cạnh các phương pháp IR, hệ tư vấn dựa trên nội dung còn sử dụng nhiều phương pháp học máy khác như: phân lớp Bayes, cây quyết định, mạng nơron nhân tạo… Các phương pháp này khác với các phương pháp của IR ở chỗ nó dựa trên các mô hình học được từ dữ liệu nền Ví dụ, dựa trên tập các trang web đã được người dùng đánh giá là “thích” hay “không thích” có thể sử dụng phân lớp Bayes để phân lớp các trang web chưa được đánh giá

Một số hạn chế của hệ thống tư vấn dựa trên nội dung:

Theo công trình khảo sát các hệ tư vấn của Adomavicius và Tuzhulin[2], các hệ thống tư vấn dựa trên nội dung có một vài hạn chế sau đây:

 Sự phân tích nội dung bị hạn chế (Restricted content analysis): Tính hiệu quả của

hệ tư vấn này phụ thuộc vào việc mô tả một cách đầy đủ các đặc trưng nội dung của sản phẩm Vì vậy, nội dung sản phẩm phải hoặc có thể được trích xuất tự động bởi máy tính hoặc dễ dàng được trích xuất bằng tay Có nhiều trường hợp, yêu cầu này rất khó thực hiện, ví dụ trong miền ứng dụng tư vấn dữ liệu đa phương tiện như ảnh đồ họa, phim, âm thanh,… Trích xuất tự động đặc trưng nội dung của các đối tượng dữ liệu này là một bài toán khó, và việc trích xuất bằng tay là không khả thi do chi phí lớn

 Sự lạm dụng nội dung chuyên môn (Content over-specialisation): Sự tư vấn chỉ được tạo ra từ phân tích nội dung các sản phẩm đã từng được người dùng ưa thích, trong khi các những đánh giá của người dùng khác có thể được sử dụng để

tư vấn những sản phẩm mới (thậm chí khác loại), những tư vấn dựa trên nội dung chỉ có thể đưa ra những sản phẩm tương tự với những gì họ đã từng đánh giá cao trước đây Trong nhiều trường hợp, những sản phẩm không nên được tư vấn nếu nó quá giống với các sản phẩm đã được đánh giá từ trước Một ví dụ điển hình là trong các hệ thống tư vấn tin tức, những tin tức tư vấn được đánh giá cao hơn nếu nó không phải là một bản trích dẫn hoặc có nội dung thông tin trùng lặp

 Vấn đề người dùng mới (new user problem): Người dùng cần đánh giá một lượng sản phẩm đủ lớn trước khi hệ thống tư vấn có thể thực sự hiểu sở thích của

họ, và đưa ra những tư vấn đáng tin cậy

1.2.2 Kĩ thuật tư vấn cộng tác

Theo Adomavicius và cộng sự [2], không giống như phương pháp tư vấn dựa trên nội dung, hệ thống cộng tác dự đoán độ phù hợp g(u,i) của một sản phẩm i với người dùng u dựa trên độ phù hợp g(uj, i) giữa người dùng uj và i, trong đó uj là người có cùng

sở thích với u Ví dụ, để gợi ý một bộ phim cho người dùng u, đầu tiên hệ thống cộng tác tìm những người dùng khác có cùng sở thích với u, ví dụ cùng thích các bộ phim hành động Sau đó, những bộ phim được họ đánh giá cao sẽ được dùng để tư vấn cho u

Có rất nhiều hệ thống cộng tác đã được phát triển như: Grundy, GroupLens (tin tức), Ringo (âm nhạc), Amazon.com (sách), Phoaks (web)… Các hệ thống này có thể chia thành hai loại: dựa trên kinh nghiệm (heuristic-based hay memory-based) và dựa trên mô hình (model-based)

Hệ thống cộng tác dựa trên kinh nghiệm

Các thuật toán dựa trên kinh nghiệm dự đoán hạng của một sản phẩm dựa trên toàn

bộ các sản phẩm đã được đánh giá trước đó Nghĩa là, độ phù hợp của sản phẩm in với người dùng um, g(um, in) được tổng hợp từ đánh giá của những người dùng khác về in

(thường là N người có sở thích tương đồng nhất với um)

Theo đó, hướng tiếp cận lọc cộng tác này tổ hợp các đánh giá người dùng cùng sở thích này:

Trong đó, m là tập các người dùng cùng sở thích với um

Một số ví dụ về hàm tổ hợp [2]:

Trong đó, d là hệ số chuẩn hóa

Giá trị trung bình các đánh giá của người dùng uj

Có nhiều cách để tính độ tương đồng (về sở thích) giữa hai người dùng, nhưng trong hầu hết các phương pháp, độ tương đồng chỉ được tính dựa trên các sản phẩm được cả hai người cùng đánh giá Hai phương pháp phổ biến nhất là dựa trên độ tương quan (correlation-based) và dựa trên cosin (cosine-based)

Biểu diễn những đánh giá quá khứ của hai người dùng um và uj tương ứng như sau:

Độ tương đồng dựa trên cosin:

Độ tương quan:

Hệ thống cộng tác dựa trên mô hình

Khác với phương pháp dựa trên kinh nghiệm, phương pháp dựa trên mô hình (model-based) sử dụng kĩ thuật thống kê và học máy trên dữ liệu nền (các đánh giá đã biết) để xây dựng nên các mô hình Mô hình này sau đó sẽ được dùng để dự đoán hạng của các sản phẩm chưa được đánh giá

Breese [10] đề xuất hướng tiếp cận xác suất cho lọc cộng tác (collaborative filtering), trong đó công thức sau ước lượng đánh giá của người dùng u về sản phẩm i (thang điểm đánh giá từ 0 đến n):

r u,i = , = ∑ × Pr , = , ́ , ́ ∈

Billsus và Pazzani [9] đề xuất phương pháp lọc cộng tác trên nền học máy, trong đó rất nhiều các kĩ thuật học máy (như mạng nơron nhân tạo) và các kĩ thuật trích chọn đặc trưng (như SVD – một kĩ thuật đại số nhằm làm giảm số chiều của ma trận) có thể được

Một số hạn chế của hệ thống tư vấn lọc cộng tác

Một số hạn chế của các hệ tư vấn lọc cộng tác có thể được liệt kê như sau:

 Vấn đề của sự đánh giá thưa thớt: vấn đề số lượng các đánh giá từ người dùng quá ít để tạo ra các dự đoán đủ tin cậy Mức độ thành công của các hệ thống tư

vấn phụ thuộc nhiều vào những đánh giá nhận được từ khách hàng, và sự tư vấn cộng tác được thực hiện dựa trên sự chồng lấn của những đánh giá này Vì vậy, rất khó để có thể đưa ra những tư vấn chính xác khi không gian đánh giá là thưa thớt Ví dụ như một vài sản phẩm chỉ được nhận được ít đánh giá từ người dùng, chúng có thể rất ít có cơ hội được tư vấn, thậm chí cả khi được đánh giá cao

 Vấn đề người dùng mới: Chiến lược cộng tác học sở thích người dùng từ chính những đánh giá trong quá khứ của họ Đối với những người dùng mới chưa thực hiện đánh giá nào, không có một sự tư vấn nào có thể được tạo ra

 Vấn đề sản phẩm mới: tương tự như vấn đề người dùng mới, đối với những sản phẩm mới, chưa nhận được đánh giá nào từ phía người dùng, không thể có sự tư vấn nào về chúng

 Vấn đề chú cừu xám: Đối với người dùng có sở thích khác biệt với số đông, sự

tư vấn đôi khi không mang lại kết quả

 Vấn đề thiếu tính đa dạng: Vì tri thức của hệ thống về nội dung chỉ dựa trên các lựa chọn từ phía người dùng, nên sự tư vấn thường có xu hướng lệch về những sản phẩm đã được chọn trong quá khứ, kết quả là trong khi phải xử lý lượng lớn

dữ liệu, phần lớn những tư vấn được tạo ra lại chỉ tập trung vào những sản phẩm phổ biến nhất Ví dụ điển hình cho những cản trở của vấn đề này là ở các hệ thống tư vấn tin tức, trong khi những tin tức mới hơn có thể mang nhiều giá trị hơn, những tin tức được nhiều người đọc trước đây lại thường xuyên được tư vấn

1.2.3 Kĩ thuật tư vấn lai

Một vài hệ tư vấn kết hợp cả phương pháp cộng tác và dựa trên nội dung nhằm tránh những hạn chế của cả hai Có thể phân thành bốn cách kết hợp như sau:

 Cài đặt hai phương pháp riêng rẽ rồi kết hợp dự đoán của chúng

 Tích hợp các đặc trưng của phương pháp dựa trên nội dung vào hệ thống cộng tác

 Tích hợp các đặc trưng của phương pháp cộng tác vào hệ thống dựa trên đặc trưng

 Xây dựng mô hình hợp nhất, bao gồm các đặc trưng của cả hai phương pháp

Kết hợp hai phương pháp riêng rẽ

Có hai kịch bản cho trường hợp này:

 Cách 1: Kết hợp kết quả của cả hai phương pháp thành một kết quả chung duy nhất, sử dụng cách kết hợp tuyến tính (linear combination) hoặc voting scheme

 Cách 2: Tại mỗi thời điểm, chỉ chọn phương pháp cho kết quả tốt hơn (dựa trên một số độ đo chất lượng tư vấn nào đó)

Thêm đặc trưng của mô hình dựa trên nội dung vào mô hình cộng tác

Một số hệ thống lai (như Fab[5]) dựa chủ yếu trên các kĩ thuật cộng tác nhưng vẫn duy trì hồ sơ về người dùng (theo dạng của mô hình dựa trên nội dung) Hồ sơ này được dùng để tính độ tương đồng giữa hai người dùng, nhờ đó giải quyết được trường hợp có quá ít sản phẩm chung được đánh giá bởi cả hai người Một lợi ích khác là các gợi ý sẽ không chỉ giới hạn trong các sản phẩm được đánh giá cao bởi những người cùng sở thích (gián tiếp), mà còn cả với những sản phẩm có độ tương đồng cao với sở thích của chính người dùng đó (trực tiếp)

Thêm đặc trưng của mô hình cộng tác vào mô hình dựa trên nội dung

Hướng tiếp cận phổ biến nhất là dùng các kĩ thuật giảm số chiều trên tập hồ sơ của phương pháp dựa trên nội dung Ví dụ, Soboroff và Nicholas [29] sử dụng phân tích ngữ nghĩa ẩn (latent semantic analysis) để tạo ra cách nhìn cộng tác (collaborative view) với tập hồ sơ người dùng (mỗi hồ sơ được biểu diễn bởi một vector từ khóa)

Mô hình hợp nhất hai phương pháp

Trong những năm gần đây đã có khá nhiều nghiên cứu về mô hình hợp nhất Basu

và cộng sự [5] đề xuất kết hợp đặc trưng của cả hai phương pháp vào một bộ phân lớp dựa trên luật (rule-based classifier) Popescul và cộng sự [25] đưa ra phương pháp xác suất hợp nhất dựa trên phân tích xác suất ngữ nghĩa ẩn (probabilistic latent semantic analysis) Ansari và cộng sự [4] giới thiệu mô hình hồi quy Bayes sử dụng dây Markov Monte Carlo để ước lượng tham số

Độ chính xác của hệ thống tư vấn lai ghép có thể được cải tiến bằng cách sử dụng các kĩ thuật dựa trên tri thức (knowledge-based) như case-based reasoning Ví dụ, hệ thống Entrée dùng những tri thức về nhà hàng, thực phẩm (như: đồ biển không phải là thức ăn chay) để gợi ý nhà hàng thích hợp cho người dùng Hạn chế chính của hệ thống dạng này là nó cần phải thu thập đủ tri thức, đây cũng là nút thắt cổ chai (bottle- neck) của rất nhiều hệ thống trí tuệ nhân tạo khác Tuy nhiên, các hệ thống tư vấn dựa trên tri thức hiện đang được phát triển trên các lĩnh vực mà miền tri thức của nó có thể biểu diễn

ở dạng mà máy tính đọc được (như ontology) Ví dụ, hệ thống Quickstep và Foxtrot sử dụng ontology về chủ đề của các bài báo khoa học để gợi ý những bài báo phù hợp cho người dùng

Mô hình hệ tư vấn do khóa luận đề xuất không được triển khai một cách độc lập mà tích hợp vào hệ thống cung cấp tin tức Với việc phân tích những đặc trưng của đối tượng

tư vấn này, khóa luận đề xuất ý tưởng ban đầu cho giải pháp tư vấn được triển khai

1.3.1 Đặc trưng của tư vấn tin tức

Tư vấn tin tức là một lĩnh vực giàu tiềm năng bởi số lượng các sản phẩm tư vấn, số lượng người dùng và số lượt sử dụng cao hơn nhiều so với các đối tượng tư vấn khác Tuy nhiên, đi kèm theo đó là các thử thách về các đặc trưng riêng có của miền đối tượng tin tức cũng như các đặc trưng chung của người sử dụng tư vấn

Tin tức là một đối tượng tư vấn đặc biệt, các đặc trưng sau của tin tức giúp đưa ra các giải pháp hữu hiệu hơn trong xây dựng giải pháp tư vấn:

 Tính không đồng nhất giá trị: Giá trị của tin tức chỉ có thể được xác định bằng

cách kết hợp các yếu tố: nội dung thông tin của bản tin, nguồn tin, thời điểm xuất bản, nhà xuất bản, tác giả, người nhận tin,…

 Tính dễ sinh ra: một số lượng lớn tin tức có thể nảy sinh xung quanh một sự

kiện, hiện tượng

 Tính dễ tàn lụi: hiện tượng tin tức đánh mất giá trị khi vấn đề nó đề cập không

còn tính thời sự

Khi xem xét đến yếu tố phù hợp giữa đối tượng tư vấn và mối quan tâm người dùng, các đặc trưng về mối quan tâm của người dùng cũng cần được xem xét

 Tính đa quan tâm: Tại một thời điểm, người dùng có thể có nhiều mối quan

tâm khác nhau Ví dụ: họ có thể quan tâm đến cả các thông tin về cả thể thao và chính trị

 Tính thay mới: Mối quan tâm của họ có thể phân chia thành 3 loại chính: các

mối quan tâm dài hạn, các mối quan tâm trung hạn và các mối quan tâm ngắn hạn Tính thay mới có thể diễn ra ở cả ba loại mối quan tâm này, tuy nhiên tốc độ

thay mới của các mối quan ngắn hạn là nhanh nhất và nó cũng có ưu thế hơn khi dùng để tư vấn các tin tức, vốn liên tục được sinh ra

1.3.2 Hướng tiếp cận của khóa luận

Để vượt qua các thử thách này, chúng tôi tập trung vào các tiếp cận lọc dựa trên nội dung với thông tin về mối quan tâm ngắn hạn thông qua các chủ đề ẩn Các lý do có thể được nêu ra là:

 Thứ nhất: Lọc dựa trên nội dung không gặp phải các vấn đề rất khó giải quyết

của lọc cộng tác trên miền đối tượng tin tức: (i) vấn đề những đánh giá đầu: các tin tức liên tục được sinh ra và cần dễ dàng tiếp cận trong khi quá trình lọc cộng tác không thể tạo ra các sản phẩm chưa từng được đánh giá bởi người dùng khác hoặc những người dùng chưa từng đánh giá một sản phẩm nào; (ii) vấn đề ma trận thưa: Khó tìm ra được các sản phẩm đã được đánh giá bởi một lượng đủ người dùng vì số lượng quá lớn các tin tức mới và đặt gánh nặng cung cấp thông

tin đánh giá lên người dùng [11]

 Thứ hai: Biểu diễn thông tin ở mức chủ đề có mô tả rõ ràng hơn tập hợp các

mối quan tâm hay sở thích của người dùng Sử dụng phương pháp này còn có thể khắc phục được hạn chế tư vấn các sản phẩm quá giống các sản phẩm đã được

ưa thích trước đó (ví dụ như vấn đề trùng lặp tin tức)

 Thứ ba: Các dữ liệu thu thập dựa trên những tin tức được truy cập gần nhất cho phép mô tả chính xác hơn đặc tính thay mới mối quan tâm

Theo đó, hệ thống đề xuất giải quyết hai vấn đề cơ bản của tiến trình tư vấn:

 Đầu tiên là dựa trên khảo sát về các phương pháp xây dựng mô hình hóa sở thích người dùng dựa trên các dữ liệu văn bản thường được áp dụng cho hướng tiếp cận lọc nội dung, đề xuất giải pháp mô hình sở thích người dùng dựa trên phân

tích chủ đề ẩn phiên duyệt web người dùng (ngữ cảnh đọc tin tức)

 Sau đó, dựa trên mô hình sở thích này của người dùng, những tin tức liên quan được thực hiện thông qua đối chiếu chủ đề và thực thể của chúng với những chủ

đề và thực thể người dùng từng quan tâm

Chương 2 Mô hình hóa sở thích người dùng cho các hệ tư

vấn dựa trên nội dung

Trong chương một, khóa luận đã trình bày sơ bộ về các khái niệm liên quan đến hệ

tư vấn Qua đó, chúng ta biết rằng chất lượng của những tư vấn cá nhân phụ thuộc vào khả năng học sở thích người dùng của hệ tư vấn (hay xây dựng hồ sơ sở thích ngươi dùng) Hồ sơ sở thích người dùng càng phản ảnh đúng mối quan tâm của họ, thì càng có nhiều khả năng có được những tư vấn tốt

Các kĩ thuật tư vấn dựa trên nội dung thường dựa trên các hồ sơ sở thích được xây dựng thông qua một quá trình phân tích các tài liệu dạng văn bản

Trong chương này, khóa luận trình bày sâu hơn về các khái niệm và kĩ thuật liên quan đến quá trình mô hình hóa sở thích người dùng nói chung và cho các hệ tư vấn dựa trên nội dung nói riêng

Theo Gauch và các cộng sự [14], một tiến trình mô hình hóa sở thích người dùng cho các ứng dụng hướng cá nhân (như các hệ tư vấn hướng cá nhân, các hệ thống web thích nghi, …) bao gồm 2 pha cơ bản như minh họa sau

Hình 2 Tiến trình mô hình hóa sở thích người dùng

Trong pha đầu tiên, một tiến trình thu thập thông tin được sử dụng để thu thập các

dữ liệu từ người dùng, có thể chia các dữ liệu này thành hai loại cơ bản: các thông tin người dùng hiện (hay thông tin người dùng rõ) và các thông tin người dùng ẩn Những thông tin này sau đó được tổng hợp để xây dựng mô hình sở thích người dùng trong pha còn lại, pha xây dựng hồ sơ người dùng

2.2 Thu thập thông tin về người dùng

Bước đầu tiên trong kĩ thuật học sở thích người dùng là thu thập các thông tin về người dùng cá nhân Trong đó, một yêu cầu cơ bản là hệ thống cần phải xác định duy nhất người dùng Nhiệm vụ này sẽ được trình bày trong phần 2.2.1 Các thông tin người dùng được có thể được thu thập hiện qua việc nhập trực tiếp bởi người dùng hay thu thập ẩn thông qua một các tử phần mềm Nó có thể thu thập từ máy khách của người dùng hay thu thập từ chính máy chủ ứng dụng Phụ thuộc vào cách thức thu thập dữ liệu này mà những dạng dữ liệu khác nhau về người dùng có thể được thu thập Một số lựa chọn và ảnh hưởng của các lựa chọn được trình bày ở mục 2.2.2 Nhìn chung, các hệ thống thu thập thông tin ẩn và thu thập thông tin từ máy chủ được ưa thích hơn do đặt ít hơn gánh nặng cung cấp thông tin về phía người dùng và hạn chế được phiền hà vì yêu cầu cài đặt thêm phần mềm [14]

2.2.1 Phương pháp định danh người dùng

Định danh người dùng là tiêu chí quan trọng giúp hệ thống phân biệt, và xây dựng

hồ sơ khác nhau cho những người dùng khác nhau Gauch và cộng sự [14] liệt kê ra 5 cách tiếp cận cơ bản trong định danh người dùng: các tử phần mềm (software agent), đăng nhập (login), proxy server, cookie và phiên duyệt web(session) Mỗi phương pháp đều có những ưu, nhược điểm riêng và ảnh hưởng các dữ liệu người dùng có thể thu thập được

Ba phương pháp đầu tiên chính xác hơn, nhưng chúng yêu cầu sự tham gia của người dùng Các tử phần mềm là một phần mềm nhỏ được đặt trên máy người dùng, thu thập thông tin về họ và chia sẻ chúng với máy chủ thông qua một vài giao thức Giải pháp này có độ tin cậy cao nhất vì có nhiều hơn sự điều khiển khi triển khai ứng dụng và các giao thức Nó cũng có khả năng thu thập được nhiều thông tin nhất vì có quyền truy cập tới nhiều hơn các nguồn thông tin người dùng Tuy nhiên, nó yêu cầu sự tham gia của người dùng để cài đặt phần mềm, đó là một cản trở không dễ chịu Giải pháp có độ tin cậy thứ hai là dựa trên việc đăng nhập Bởi vì người dùng định danh chính họ thông qua đăng nhập, cách định danh này thường chính xác và có thể sử dụng để xác định người dùng dùng nhiều máy khách khác nhau Mặt trở ngại của phương pháp này là người dùng cần thực hiện một tiến trình đăng kí và thực hiện đăng nhập và đăng xuất cho mỗi lần sử dụng

Ở giải pháp thứ ba, một proxy server sẽ làm nhiệm vụ thu thập thông tin người dùng, phương pháp này hữu ích khi cần thu thập thông tin về một nhóm người dùng hoặc một

người dùng sử dụng nhiều máy tính, tương tự như hai giải pháp trên, nó yêu cầu người dùng tham gia bằng cách đăng kí cùng một địa chỉ proxy cho tất cả các máy họ sử dụng Hai phương pháp sau, cookie và phiên duyệt web không yêu cầu bất cứ sự tham gia nào từ phía người dùng Trong lần đầu tiên trình duyệt máy khách truy cập vào hệ thống , một userid được tạo ra, id này sẽ được lưu trong cookie máy người dùng Một người dùng truy cập vào cùng một trang web được xác định là duy nhất nếu cùng một userid được sử dụng Tuy nhiên, nếu người dùng sử dụng nhiều hơn một máy tính, hay một loại trình duyệt, sẽ có những cookie khác nhau, và tương ứng là những hồ sơ người dùng khác nhau Hơn nữa, giải pháp này cũng gặp vấn đề khi có nhiều hơn một người dùng cho một máy, hoặc trường hợp người dùng xóa, hay tắt cookie Đối với phiên duyệt web, trở ngại cũng tương tự khi có nhiều hơn một người dùng cho một máy hay có sử dụng nhiều hơn một máy, một trình duyệt, nhưng nó không lưu trữ userid giữa những lần duyệt Một người dùng bắt đầu với một phiên duyệt web mới, thông tin trong phiên duyệt web lưu lại vết các hành vi người dùng tương tác với hệ thống trong một lần duyệt web của họ ví dụ danh sách các pageview, thời gian giành cho mỗi pageview, địa chỉ IP,…

Ưu điểm quan trọng của giải pháp định danh dựa trên phiên duyệt web là nó không đặt bất cứ gánh nặng nào về phía người dùng, không gặp những nghi ngại về tính riêng tư (tức là không lưu lại bất cứ thông tin nào về người dùng) và cũng không yêu cầu bật cookie ở trình duyệt

2.2.2 Các phương pháp thu thập thông tin

Thông thường, các kĩ thuật thu thập thông tin được phân theo tính chất của dữ liệu thu thập được Theo đó, tương ứng với hai kiểu thông tin người dùng ẩn và hiện, có hai phương pháp thu thập thông tin người dùng

2.2.2.1 Phương pháp thu thập thông tin người dùng hiện

Phương pháp thu thập thông tin người dùng hiện (hay thông tin phản hồi hiện) thu thập những thông tin được nhập trực tiếp bởi người dùng, thông thường qua các HTML Form Dữ liệu thu thập có thể là các là các thông tin như ngày sinh, tình trạng hôn nhân, nghề nghiệp, sở thích,…

Một trong các hệ tư vấn sớm nhất Syskill & Webert [23] tư vấn các trang web dựa vào các phản hồi hiện Nếu người dùng đánh giá cao một vài liên kết từ một trang, Syskill

& Webert sẽ tư vấn các trang liên kết khác Thêm vào đó, hệ thống còn có thể tạo một

truy vấn tới máy tìm kiếm Lycos1 để trích xuất các trang web có thể người dùng sẽ ưa

thích

Một vấn đề với các thông tin phản hồi hiện đó là nó đặt gánh nặng cung cấp thông

tin về phía người dùng Vì vậy, nếu người dùng không muốn phải cung cấp các thông tin

riêng tư, họ sẽ không tham gia hoặc không cung cấp thông tin chính xác Hơn nữa, vì các

hồ sơ được duy trì tĩnh trong khi tồn tại các đặc điểm có thể thay đổi như sở thích, thói

quen,…khiến cho những hồ sơ này có thể trở nên không chính xác nữa theo thời gian

Một lý lẽ cho những hệ thống sử dụng thông tin phản hồi hiện là trong một vài trường hợp

người dùng thích cung cấp, chia sẻ thông tin của họ

2.2.2.2 Phương pháp thu thập thông tin người dùng ẩn

Hồ sơ người dùng trong phương pháp này được xây dựng dựa trên các thông tin

phản hồi ẩn Ưu điểm của phương pháp này là không yêu cầu bất cứ sự xen vào nào của

người dùng trong suốt tiến trình xây dựng và duy trì các hồ sơ người dùng Công trình của

Kelly và Teevan [20] cung cấp một cái nhìn tổng quát về các kĩ thuật phổ biến để thu thập

thông tin phản hồi ẩn và các thông tin về người dùng có thể suy diễn từ hành vi của họ

Theo đó, Gauch và các cộng sự [14] thống kê tóm tắt các cách tiếp cận của kĩ thuật

thu thập thông tin phản hồi ẩn

1 http://www.lycos.com/

Hình 3 Các hệ thống tư vấn dựa trên thông tin phản hồi hiện

Bảng 2 Các kĩ thuật thu thập thông tin ẩn [14]

Kĩ thuật Thông tin

Ưu: Người dùng không cần cài đặt bất cứ

thứ gì

Nhược: Người dùng phải upload cache

định kì

OBIWAN [24]

Proxy Servers Hành vi

duyệt web

Bất cứ trang web nào

Ưu: Người dùng có thể sử dụng nhiều

trình duyệt

Nhược: Người dùng phải sử dụng proxy

server

OBIWAN [24]

Browser Agents Hành vi

duyệt web

Bất cứ ứng dụng hướng

cá nhân nào

Ưu: Các tử có thể thu thập tất cả các hành

vi web

Nhược: Cài đặt và sử dụng ứng dụng mới

khi đang duyệt web

WebMate [12]

Desktop Agents

Tất cả hành

vi người dùng

Bất cứ ứng dụng hướng

cá nhân nào

Ưu: Tất cả các tập tin và hành vi của

người dùng

Nhược: Yêu cầu cài đặt phần mềm

Google Desktop

Web Logs Hành vi

duyệt web

Các trang web có log

Ưu: Thông tin về nhiều người dùng

Nhược: Có thể có ít thông tin vì chỉ từ một

trang web

Mobasher [7]

Search Logs

Truy vấn

và Url được click

Các trang tìm kiếm

Ưu: Thu thập và sử dụng thông tin từ

Trong khi các kĩ thuật thu thập thông tin phía máy khách đặt gánh nặng về phía người dùng để thu thập và chia sẻ log các hành vi của họ Các kĩ thuật thu thập thông tin phía máy chủ (như search log và web log) thu thập chỉ những thông tin trong quá trình

tương tác của người dùng và hệ thống Điều này làm cho các thông tin có thể thu thập từ máy chủ ít hơn nhưng có ưu thế hơn về độ phức tạp của dữ liệu thu thập được cũng như tránh được các nghi ngại về tính riêng tư của người dùng

Thông thường dựa trên các đặc trưng của dữ liệu thu thập được, có những cách tiếp cận khác nhau để xây dựng mô hình sở thích người dùng Dữ liệu thu thập từ người dùng

có thể được chia làm hai loại chính là dữ liệu có cấu trúc và không cấu trúc Các dữ liệu

có cấu trúc như các đánh giá theo điểm, nghề nghiệp, tuổi tác, … Các dữ liệu không cấu trúc là các dữ liệu dạng văn bản như nội dung của các tin tức đã xem, mô tả của các bộ phim đã xem, hay các lời nhận xét dưới dạng ngôn ngữ tự nhiên …

Gauch và cộng sự trong [14] mô tả khá chi tiết ba phương pháp xây dựng mô hình

sở thích người dùng dựa trên các dữ liệu dạng văn bản là phương pháp dựa từ khóa khóa

có trọng số, phương pháp dựa trên các mạng ngữ nghĩa và phương pháp dựa trên cây phân cấp khái niệm Đây là các giải pháp mô hình sở thích người dùng thường được sử dụng cho các hệ thống tư vấn dựa trên nội dung

2.3.1 Phương pháp dựa trên từ khóa có trọng số

Mối quan tâm được mô tả bằng tập các từ khóa có trọng số Trong đó, từ khóa được trích xuất từ tập các dữ liệu người dùng với trọng số thường được đánh giá thông qua mô hình trọng số tf*idf Đây là giải pháp được đưa ra sớm nhất và dễ dàng cài đặt nhất, tuy nhiên vấp phải các trở ngại về vấn đề nhập nhằng ngữ nghĩa và kích thước không gian từ khóa Ví dụ điển hình của phương pháp tiếp cận này là WebMate [12], hồ sơ người dùng chứa một vector từ khóa cho mỗi lĩnh vực quan tâm của người dùng, và một ý tưởng mở rộng của WebMate[12], Alipes [31] sử dụng ba vector từ khóa cho mỗi mối quan tâm người sử dụng bao gồm: một vector mô tả tính dài hạn, hai vector mô tả tính ngắn hạn: một tích cực và một tiêu cực