Tư vấn người dùng Twitter sử dụng lọc cộng tác kết hợp phát hiện cộng đồng (LV thạc sĩ)

Tư vấn người dùng Twitter sử dụng lọc cộng tác kết hợp phát hiện cộng đồng (LV thạc sĩ)Tư vấn người dùng Twitter sử dụng lọc cộng tác kết hợp phát hiện cộng đồng (LV thạc sĩ)Tư vấn người dùng Twitter sử dụng lọc cộng tác kết hợp phát hiện cộng đồng (LV thạc sĩ)Tư vấn người dùng Twitter sử dụng lọc cộng tác kết hợp phát hiện cộng đồng (LV thạc sĩ)Tư vấn người dùng Twitter sử dụng lọc cộng tác kết hợp phát hiện cộng đồng (LV thạc sĩ)Tư vấn người dùng Twitter sử dụng lọc cộng tác kết hợp phát hiện cộng đồng (LV thạc sĩ)Tư vấn người dùng Twitter sử dụng lọc cộng tác kết hợp phát hiện cộng đồng (LV thạc sĩ)Tư vấn người dùng Twitter sử dụng lọc cộng tác kết hợp phát hiện cộng đồng (LV thạc sĩ)Tư vấn người dùng Twitter sử dụng lọc cộng tác kết hợp phát hiện cộng đồng (LV thạc sĩ)Tư vấn người dùng Twitter sử dụng lọc cộng tác kết hợp phát hiện cộng đồng (LV thạc sĩ)Tư vấn người dùng Twitter sử dụng lọc cộng tác kết hợp phát hiện cộng đồng (LV thạc sĩ)Tư vấn người dùng Twitter sử dụng lọc cộng tác kết hợp phát hiện cộng đồng (LV thạc sĩ)

TÓM TẮT LUẬN VĂN THẠC SĨ KỸ THUẬT

NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS TỪ MINH PHƯƠNG

HÀ NỘI – 2016

trong bất kỳ công trình nào khác

TÁC GIẢ LUẬN VĂN

NGUYỄN ĐỨC KIÊN

rất nhiều những sự quan tâm giúp đỡ, hưỡng dẫn tận tình của các thầy cô cùng với những lời động viên khuyến khích từ phía gia đình, bạn Tôi xin bày tỏ lời cảm ơn chân thành đến tất cả mọi người

Tôi xin tỏ lòng biết ơn sâu sắc đến thầy Từ Minh Phương đã tận tình hướng dẫn, định hướng cho tôi trong quá trình thực hiện đề tài Thầy cho tôi những lời khuyên, chỉ dẫn, truyền đạt cho tôi những kiến thức, kinh nghiệm về việc thực hiện luận văn

Tôi xin cảm ơn các thầy cô trong khoa Quốc tế và đào tạo sau đại học, học viện Công nghệ Bưu chính Viễn thông đã tận tình dạy dỗ và cho tôi những kiến thức bổ ích trong suốt quá trình hai năm học tập, giúp tôi nâng cao được chuyên môn, làm nền tảng để tôi có thể hoàn thành khóa luận, cũng như tự tin phát triển công việc sau này

Cuối cùng, tôi muốn gửi lời cảm ơn tới gia đình và bạn bè, những người thân

đã luôn ở bên, cảm thông, hỗ trợ, giúp đỡ tôi những khó khăn trong công việc, cuộc sống cũng như trong quá trình học tập

Hà Nội, tháng 11 năm 2016

Nguyến Đức Kiên

MỤC LỤC

DANH MỤC CÁC CHỮ VIẾT TẮT iii

DANH MỤC HÌNH VẼ VÀ SƠ ĐỒ iv

DANH MỤC BẢNG BIỂU v

MỞ ĐẦU 1

CHƯƠNG 1 MẠNG XÃ HỘI TWITTER VÀ PHƯƠNG PHÁP TƯ VẤN NGƯỜI DÙNG TWITTER 3

1.1 Tổng quan về hệ tư vấn 3

1.1.1 Giới thiệu về hệ tư vấn 3

1.1.2 Kiến trúc cơ bản một hệ tư vấn 3

1.1.3 Mô tả bài toán tư vấn 3

1.1.4 Phân loại hệ tư vấn 4

1.2 Tư vấn xã hội 5

1.2.1 Phương tiện xã hội 5

1.2.2 Khái niệm tư vấn xã hội 5

1.2.3 Các bài toán chính trong tư vấn xã hội 5

1.3 Mạng xã hội Twitter và các đặc trưng thông tin 6

1.3.1 Mạng xã hội Twitter 6

1.3.2 Các đặc trưng thông tin của Twitter 6

1.4 Kết luận chương 1 7

CHƯƠNG 2 PHƯƠNG PHÁP LDA VÀ THỪA SỐ HÓA MA TRẬN VÀ ÁP DỤNG TRONG HỆ TƯ VẤN KẾT BẠN CHO NGƯỜI DÙNG TWITTER 8

2.1 Tư vấn kết bạn trên mạng xã hội Twitter 8

2.1.1 Mối quan hệ người dùng trong mạng Twitter 8

2.1.2 Hệ tư vấn hỗ trợ người dùng Twitter 8

2.2 Cộng đồng trong mạng xã hội 9

2.2.1 Khái niệm 9

2.2.2 Cộng đồng trong mạng xã hội Twitter 9

2.3 Phương pháp LDA 10

2.3.1 Giới thiệu mô hình phân tích chủ đề ẩn 10

2.3.2 Mô hình sinh cho tài liệu – LDA 10

2.3.3 Ước lượng tham số với lấy mẫu Gibbs 11

2.3.4 Phân định chủ đề theo mô hình LDA với lấy mẫu Gibbs 12

2.4 Kỹ thuật thừa số hóa ma trận (Matrix factorization) 13

2.5 Phương pháp tư vấn người dùng Twitter sử dụng lọc cộng tác kết hợp phát hiện cộng đồng 14

2.5.1 Ứng dụng LDA trong phát hiện cộng đồng 15

2.5.2 Kỹ thuật thừa số hóa ma trận trong tư vấn cộng đồng người dùng 16

2.6 Cài đặt thuật toán 17

2.7 Kết luận chương 2 18

CHƯƠNG 3 THỬ NGHIỆM VÀ ĐÁNH GIÁ 19

3.1 Dữ liệu thực nghiệm 19

3.2 Phương pháp thử nghiệm 19

3.2.1 Độ đo 19

3.3 Môi trường thực nghiệm 20

3.4 Đánh giá và so sánh 20

3.4.1 Kết quả thực nghiệm 20

3.4.2 So sánh kết quả với các thuật toán khác 21

3.5 Kết luận chương 3 22

KẾT LUẬN 23

HƯỚNG PHÁT TRIỂN 24

DANH MỤC CÁC CHỮ VIẾT TẮT

4 DCG Discounted cumulative gain Độ lợi tích lũy giảm dần

5 NDCG Normalized Discounted cumulative

DANH MỤC HÌNH VẼ VÀ SƠ ĐỒ

Hình 1-1: Ví dụ về 1 hệ tư vấn trên website thương mại Error! Bookmark not defined Hình 1-2: Kiến trúc cơ bản một hệ tư vấn Error! Bookmark not defined Hình 1-3: Ví dụ về một hệ tư vấn trên website thương mại Error! Bookmark not defined Hình 1-4: Hoạt động của hệ tư vấn chọn lọc hợp tác Error! Bookmark not defined Hình 1-5: Mô hình hệ tư vấn dựa trên nhân chủng học Error! Bookmark not defined Hình 1-6: Mô hình tư vấn dựa trên cộng đồng Error! Bookmark not defined Hình 1-7: Mô hình một hệ tư vấn lai Error! Bookmark not defined Hình 1-8: Thông tin xã hội được biểu diễn bằng ma trận user - user S[6] Error! Bookmark not defined.

Hình 1-9: Quan hệ người dùng và hiển thị tweet theo mối quan hệ đó 7

Hình 1-10: Tweet có chứa hashtag trong nội dung Error! Bookmark not defined

Hình 1-11: Người dùng Twitter có thể mention một người dùng khác trong Tweet của

mình Error! Bookmark not defined

Hình 1-12: Nếu ký hiệu mention được sử dụng ở đầu tweet, ý nghĩa sẽ là một hành động

reply Error! Bookmark not defined Hình 1-13: Mối quan hệ follower-followee trên mạng Twitter Error! Bookmark not defined.

DANH MỤC BẢNG BIỂU Bảng 1-1: Kết quả đánh giá của người xem phim với một số phim khảo sát 4

MỞ ĐẦU

Twitter là một mạng xã hội phổ biến với số lượng người sử dụng lên đến trên

500 triệu người, nó cho phép người dùng chia sẻ các thông tin thông qua việc đăng các tin nhắn trong phạm vi giới hạn 140 ký tự, được gọi là các tweet hoặc các status Lượng tweet được người dùng đăng lên hàng ngày rất lớn, lên đến 340 triệu tweets mỗi ngày, kèm với đó là một lượng thông tin khổng lồ được chia sẻ và cập nhật mới nhất Sự thành công của mạng xã hội này dựa trên rất nhiều khả năng và cách thức

mà nó giúp người dùng tiếp cận được nhau và “gặp” được nhau trên mạng xã hội và

nó hình thành 2 nhóm người dùng: nhóm quan tâm người khác (Follower) và nhóm được người khác quan tâm (Followee) Twitter đưa ra danh sách top-K người dùng

mà nó cho rằng người dùng muốn quan tâm hay kết bạn Việc người dùng bấm vào theo dõi hay kết bạn, chúng ta gọi đó là một thành công của hệ thống tư vấn

Thông thường, các hệ tư vấn kết bạn cho người dùng sử dụng các thông tin lịch sử tương tác của người dùng và hệ thống như việc đách giá một sản phẩm, lịch

sử tìm kiếm hay các thông tin chia sẻ trên các mạng xã hội Từ những thông tin này,

hệ thống sẽ phân tích dữ liệu và đưa ra tập người dùng có cùng đặc điểm chung về

sở thích hay cùng quan tâm tới một vấn đề nào đó Tuy nhiên, đây lại là một trở ngại đối với mạng xã hội Twitter bởi việc hạn chế về thông tin người và các thông tin chia sẻ bị giới hạn về nội dung và chứa nhiều thông tin dư thừa Phương pháp lọc cộng tác cũng là một trong những lựa chọn phổ biến trong việc xây dựng hệ tư vấn Phương pháp này có ưu điểm sử dụng các mối quan hệ giữa người quan tâm và người được quan tâm (Follower-Followee) giúp tăng độ chính xác, tuy nhiên phương pháp này cho ra kết quả chính xác thấp khi chạy với bộ dữ liệu thưa

Chính vì vậy, việc xây dựng một hệ tư vấn kết bạn cho người dùng nhằm khắc phục các khó khăn nêu trên là một vấn đề vô cùng quan trọng Em đã chọn đề tài

“Tư vấn người dùng Twitter sử dụng lọc cộng tác kết hợp phát hiện cộng đồng” để

thực hiện trong khuôn khổ luận văn tốt nghiệp thạc sỹ ngành khoa học máy tính Trong đề tài này, em nghiên cứu một phương pháp tiếp cận dựa vào cộng đồng

người dùng cho hệ tư vấn kết bạn cho người dùng trên mạng xã hội Twitter Mục tiêu của phương pháp này là thành lập tập các cộng đồng người dùng để giảm dữ liệu thưa thớt và tập trung vào việc khám phá những đặc điểm tiềm ẩn của cả cộng đồng thay vì cá nhân Ở đây, cộng đồng là các nhóm người dùng có cùng quan tâm tới một số chủ đề, lĩnh vực Các cộng đồng như vậy được phát hiện bằng cách áp dụng một phương pháp mô hình hoá chủ đề, cụ thể là phương pháp latent Dirichlet allocation (LDA), áp dụng trên dữ liệu quan hệ follower-followee của Twitter để tìm ra các cộng đồng trước khi áp dụng phương pháp thừa số hoá ma trận (Matrix factorization) trên từng cộng đồng

Nội dung luận văn được cấu trúc thành 3 chương như sau

Chương 1: Mạng xã hội twitter và phương pháp tư vấn người dùng twitter

Giới thiệu về mạng xã hội Twitter, các khái niệm và đặc trưng trong mạng xã hội này, bao gồm các mối quan hệ trong mạng, những tác nhân ảnh hưởng trực tiếp đến cá nhân người dùng, cách thức đăng tải thông tin thông qua Twitter Giới thiệu những cách thức tư vấn hiện nay được áp dụng cho Twitter và những hạn chế của các phương pháp này

Chương 2: Phương pháp LDA và thừa số hóa ma trận và áp dụng trong hệ tư vấn kết bạn cho người dùng twitter

Trình bày tổng quan về hệ tư vấn người dùng, một số kỹ thuật trong hệ tư vấn người dùng và tập trung vào kỹ thuật được sử dụng trong luận văn là kỹ thuật LDA và thừa số hóa ma trận

Chương 3: Thử nghiệm và đánh giá

Chương 3 trình bày về phương pháp thử nghiệm và đánh giá

Kết luận và hướng phát triển

Trình bày tóm tắt những kết quả đã đạt được và chưa đạt được Từ đó đề xuất mục tiêu cũng như hướng nghiên cứu, phát triển tiếp theo

CHƯƠNG 1 MẠNG XÃ HỘI TWITTER VÀ PHƯƠNG

PHÁP TƯ VẤN NGƯỜI DÙNG TWITTER

1.1.1 Giới thiệu về hệ tư vấn

Hệ tư vấn (Recommender system), còn dịch là hệ khuyến nghị, là hệ thống chọn lọc thông tin nhằm tìm kiếm và dự báo các đánh giá (rating)/ưa chuộng (preferences) mà người sử dụng sẽ dành cho các hạng mục / sản phẩm (items) mà

trước đó họ chưa quan tâm đến [5] Trên cơ sở dự đoán đó, hệ tư vấn giới thiệu với người dùng một danh sách ngắn những sản phẩm mà người dùng nhiều khả năng sẽ thích hoặc quan tâm Sản phẩm ở đây có thể là hàng hoá, tin tức, phim, video, hay

là người dùng Twitter khác như trong bài toán đang xét

1.1.2 Kiến trúc cơ bản một hệ tư vấn

Về cơ bản, một hệ tư vấn thường bao gồm các thành phần sau (Hình 1-2):

- Giao diện người dùng (UI): gồm giao diện trên ứng dụng hoặc giao

diệnWeb Trên đó, yêu cầu về tư vấn có thể do người dùng đề xuất trực tiếp cho hệ thống hoặc được tự động chuyển đổi thông qua các yêu cầu truy cập, chẳng hạn yêu

cầu tìm kiếm thông tin về sản phẩm trên website

- Hệ thống cơ sở dữ liệu: gồm cơ sở dữ liệu về các người dùng, cáchạng

mục.Chẳng hạn như dữ liệu điểm đánh giá của các người dùng đánh giá các hạng mục, thông tin nhân khẩu học của người dùng, đặc tính của hạng mục, quan hệ giữa người dùng và hạng mục, v.v…

- Recommender module: nhận các yêu cầu truy vấn từ UI thông qua một

module tích hợp trung gian và cơ sở dữ liệu từ hệ thống, thực hiện triển khai các thuật toán tư vấn, xử lý truy vấn trả kết quả về UI cho người dùng

Mô tả bài toán tư vấn

Một cách hình thức, bài toán tư vấn có thể được mô tả như sau: Gọi U là tập tất cả người dùng, I là tập tất cả các hạng mục có thể tư vấn được Không gian U và

I có thể từ vài trăm đến vài ngàn, thậm chí lên đến hàng triệu Khi đó hàm R(u,i) đo

lường mức độ hữu ích của hạng mục i đối với người dùng u được gọi là hàm hữu dụng và R: U x I-> P, với P là một tập có thứ tự

Khi đó, với mỗi người dùng u∈U, ta sẽ tìm các hạng mục i’∈I để tối ưu hóa tính hữu dụng cho người dùng u Nghĩa là ta sẽ tìm i’ u sao cho:

∀𝑢 ∈ 𝑈, 𝑖′𝑢 = 𝑎𝑟𝑔𝑚𝑎𝑥 𝑖∈𝐼𝑅(𝑢, 𝑖) (1.1) Tính hữu dụng của một hạng mục đối với người dùng trong các hệ tư vấn được

đo lường bằng điểm đánh giá, nó biểu thị mức độ ưa chuộng của người dùng đối với

một hạng mục nào đó Hàm hữu dụng R tổng quát có thể là một hàm bất kỳ, hoặc do

người dùng đặc tả hoặc được tính toán bởi một ứng dụng cụ thể

Mỗi người dùng trong không gian U có thể được xác định thông qua profile, chứa nhiều thông tin đặc trưng cho người dùng như tuổi, giới tính, hôn nhân, thu nhập, … hay đơn giản hơn chỉ là mã số người dùng (userId) Tương tự, mỗi hạng

mục trong tập I cũng được xác định bởi tập các đặc trưng cho hạng mục đó

Điểm hữu dụng giữa người dùng và hạng mục được biểu diễn dưới dạng ma

trận như ví dụ trong Bảng 1-1

Bảng 1-1: Kết quả đánh giá của người xem phim với một số phim khảo sát

1.1.3 Phân loại hệ tư vấn

Phân loại hệ tư vấn chủ yếu dựa trên kỹ thuật mà hệ sử dụng để tiếp cận Có 6 hướng tiếp cận tư vấn chính là:

- Phương pháp dựa trên nội dung (content-based)

- Phương pháp chọn lọc cộng tác (collaborative filtering)

- Phương pháp dựa trên nhân khẩu học (demographic-based)

- Phương pháp dựa trên tri thức (knowledge-based)

- Phương pháp dựa trên cộng đồng (community-based)

- Phương pháp lai (hybrid)

Thiết kế hệ tư vấn dựa vào kỹ thuật nào tùy thuộc vào lĩnh vực và đặc trưng của dữ liệu có sẵn

1.2 Tư vấn xã hội

1.2.1 Phương tiện xã hội

Chúng ta đang sống trong thời đại toàn cầu hóa với sự thay đổi và phát triển chóng mặt của Web và Internet Với sự ra đời của hàng loạt các mạng xã hội, các ứng dụng Web, cùng với đó các hình thức tương tác và liên lạc mới giữa những người dùng cũng ra đời Các chợ trực tuyến giới thiệu các sản phẩm bằng cách sử dụng trí tuệ đám đông thông qua các tương tác trong việc mua sắm và đánh giá sản phẩm của người dùng [14] Các phương tiện xã hội bao gồm nhiều loại như: blog (Worldpress, Blogspot, ), mạng xã hội (Facebook, LinkedIn, ), wikis (Wikipedia, ), nền tảng chia sẻ phương tiện truyền thông (Youtube, Flickr, ), diễn

đàn (vn-zoom, Yahoo! answer, ) hay microblogging (Twitter, ) [14]

1.2.2 Khái niệm tư vấn xã hội

Sự phát triển của các phương tiện xã hội đã mạng lại một nguồn dữ liệu mới

từ các mối quan hệ xã hội phong phú giữa những người dùng Ví dụ như mối quan

hệ bạn bè hai chiều trên mạng xã hội Facebook hay quan hệ following – follower trên Twitter, quan hệ tin cậy trên các diễn đàn, Các mối quan hệ này cho phép những người dùng trao đổi ý kiến và chia sẻ ý tưởng, quan điểm với bạn bè của họ Những sở thích của người dùng tương tự với hoặc chịu ảnh hưởng bởi bạn bè kết nối xã hội của họ và lý do đằng sau giả định có thể được giải thích bởi lý thuyết tương quan xã hội như homophily và ảnh hưởng xã hội

1.2.3 Các bài toán chính trong tư vấn xã hội

Người dùng trên phương tiện xã hội được mô tả bằng 3 loại thông tin: thông tin xã hội, thông tin nội dung, thông tin địa điểm Trong đó, loại thông tin xã hội bao gồm các thông tin như: bạn bè, người theo dõi, “người bị theo dõi”…Loại thông tin nội dung bao gồm các thông tin như: tin tức, thẻ, nhạc…mà người đó quan tâm, yêu thích Thông tin địa điểm gồm: địa điểm địa lý, POIs – Point(s) Of Interest (địa điểm tham quan) Từ 3 loại thông tin trên mà tư vấn xã hội đặt ra 3 nhiệm vụ (bài toán) chính: tư vấn bạn bè (Friend recommendation), tư vấn nội dung (Content recommendation), tư vấn địa điểm (Location recommendation) Với mỗi loại tư vấn

sẽ có những nhiệm vụ, giải pháp và cách tiếp cận khác nhau để giải quyết chúng

1.3 Mạng xã hội Twitter và các đặc trưng thông tin

1.3.1 Mạng xã hội Twitter

Twitter là dịch vụ mạng xã hội miễn phí cho phép người dùng sử dụng đọc, nhắn và cập nhật các mẩu tin nhỏ gọi là tweet, đây là một dạng tiểu blog Những mẩu tweet được giới hạn tối đa 140 ký tự và được lan truyền nhanh chóng trong phạm vi nhóm bạn của người nhắn hoặc có thể được trưng rộng rãi cho mọi người Thành lập từ năm 2006, Twitter đã trở thành một hiện tượng phổ biến toàn cầu, những tweet có thể chỉ là dòng tin cá nhân cho đến những cập nhật mang tính thời

sự tại chỗ kịp thời và nhanh chóng hơn cả truyền thông chính thông

1.3.2 Các đặc trưng thông tin của Twitter

Người dùng Twitter cập nhật các bản tin ngắn bị giới hạn trong 140 ký tự được gọi là các 𝑡𝑤𝑒𝑒𝑡, và thuật ngữ để chỉ việc đăng các bản tin đó gọi là 𝑡𝑤𝑒𝑒𝑡𝑖𝑛𝑔 Người dùng Twitter có mối quan hệ trực tiếp với nhau, nếu người dùng

𝐴 theo dõi người dùng B nhưng B không theo dõi A, A sẽ thấy tất cả các tweet của

B nhưng ngược lại, B không thấy tweet của A Mô tả cho mối quan hệ người dùng này được thể hiện trong hình 1-9

Hình 1-1: Quan hệ người dùng và hiển thị tweet theo mối quan hệ đó

Trong chương này, luận văn giới thiệu khái quát về hệ tư vấn truyền thống cũng như hệ tư vấn xã hội và một số phương pháp để giải quyết bài toán tư vấn truyền thống và bài toán tư vấn xã hội Đồng thời, khóa luận cũng đưa ra cái nhìn tổng quan về khả năng khai thác các mối quan hệ xã hội trong trong mạng xã hội Twitter

Chương tiếp theo sẽ trình bày một phương pháp nhằm khai thác những đặc điểm dữ liệu về các mối quan hệ trong mạng xã hội Twitter để áp dụng vào hệ tư vấn kết bạn trong mạng xã hội này

CA

A

CHƯƠNG 2 PHƯƠNG PHÁP LDA VÀ THỪA SỐ HÓA MA TRẬN VÀ ÁP DỤNG TRONG HỆ TƯ VẤN KẾT BẠN CHO

NGƯỜI DÙNG TWITTER

Chương này sẽ trình bày tổng quan về tư vấn kết bạn trên mạng xã hội Twiter, các khái niệm về cộng đồng, phương pháp phát hiện cộng đồng trong mạng Twiter Sau đó, luận văn trình bày tập trung vào hai kỹ thuật sử dụng trong phương pháp nghiên cứu là kỹ thuật LDA và thừa số hóa ma trận rồi từ đó Từ những cơ sở được nêu trên, luận văn trình bày chi tiết phương pháp tư vấn người dùng Twiter kết hợp phát hiện cộng đồng

2.1.1 Mối quan hệ người dùng trong mạng Twitter

Thông qua cơ chế truyền thông của Twitter, chúng ta có thể thấy hai khái niệm được sử dụng để thể hiện mối quan hệ hai chiều giữa những người dùng, đó là,

“followers và followings” Trong đó, “Followers” là khái niệm chỉ những người dùng đồng ý nhận các Tweets của một người dùng nhất định thông qua Twitter Và nếu người dùng này thêm một ai đó vào danh sách theo dõi các tweet của họ thì có nghĩa là người dùng đang “following” họ Số lượng “followers” là quan trọng với một người dùng Twitter bởi sự nổi tiếng và uy tín được đo bằng số lượng

“followers” mà một người dùng có

2.1.2 Hệ tư vấn hỗ trợ người dùng Twitter

Twitter có một tính năng “Who to follow” trong trang chủ của Twitter, trong các trang thông tin cá nhân của người dùng và trong các trang tìm kiếm và kết nối Thông qua chức năng này, Twitter sẽ tư vấn các “followees” tương tự với các “followees” hiện tại của người dùng đích, và các “followees” của các “followees”

đó Khi người dùng đích xem trang thông tin cá nhân của người dùng khác, thì những người dùng tương tự với người dùng đang được xem sẽ được tư vấn cho người dùng đích