Cá nhân hóa truy vấn dựa trên sở thích người dùng

Trước hết, cá nhân truy vấn là quá trình thực thi một truy vấn liên quan đến sở thích được lưu trữ trong một hồ sơ người dùng với mục đích cung cấp câu trả lời cá nhân.. Tham số K và L c

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI

-

Hoàng Thị Minh Tâm

TÊN ĐỀ TÀI LUẬN VĂN

CÁ NHÂN HÓA TRUY VẤN DỰA TRÊN SỞ THÍCH NGƯỜI DÙNG

Chuyên ngành : Công nghệ thông tin

LUẬN VĂN THẠC SĨ KĨ THUẬT

Công nghệ thông tin

NGƯỜI HƯỚNG DẪN KHOA HỌC :

TS Vũ Tuyết Trinh

Hà Nội – Năm 2014

MỤC LỤC

CHƯƠNG I GIỚI THIỆU 4

1.1 Đặt vấn đề 4

1.2 Mục đích, phạm vi nghiên cứu 6

1.3 Bố cục luận văn 6

CHƯƠNG II CÁC KỸ THUẬT XỬ LÝ TRUY VẤN DỰA TRÊN 6

SỞ THÍCH NGƯỜI DÙNG 6

2.1 Biểu diễn sở thích 8

2.1.1 Sở thích chọn lọc 8

2.1.2 Sở thích tham gia 11

2.2 Sở thích ẩn 14

2.3 Kết hợp các sở thích 16

2.4Thứ tự ưu tiên, xếp hạng 18

2.5 Lựa chọn sở thích sử dụng cho truy vấn 19

2.6 Xử lý truy vấn dựa trên sở thích người dùng 23

2.6.1 Phương pháp SPA 23

2.6.2 Phương pháp PPA 27

CHƯƠNG III ỨNG DỤNG TRUY VẤN THƯ VIỆN SÁCH TRUYỆN 33

3.1 Yêu cầu ứng dụng 33

3.2 Xây dựng hệ thống 34

3.2.1 Kiến trúc hệ thống 34

3.2.2 Xử lý truy vấn cá nhân hóa 36

3.3 Đánh giá 42

KẾT LUẬN 45

TÀI LIỆU THAM KHẢO 45

DANH MỤC CÁC HÌNH VẼ Hình 1 Ví dụ về hồ sơ người dùng Error! Bookmark not defined Hình 2 Ví dụ về đồ thị cá nhân hoá Error! Bookmark not defined Hình 3 Một phần đồ thị cá nhân của Jon Error! Bookmark not defined Hình 4 Một câu truy vấn trên đầu trang của một đồ thị cá nhân Error! Bookmark not defined Hình 5 Ví dụ đồ thị với mức độ tới hạn Error! Bookmark not defined Hình 6 Cơ sở dữ liệu sách Error! Bookmark not defined Hình 7 Cơ sở dữ liệu sở thích Error! Bookmark not defined Hình 8 Mô hình xử lý truy vấn dựa trên sở thích người dùng Error! Bookmark not defined Hình 9 Kết quả truy vấn không kết hợp sở thích Error! Bookmark not defined

Hình 10 Kết quả truy vấn kết hợp sở thích……… ……… ………

Error! Bookmark not defined

CHƯƠNG I GIỚI THIỆU

1.1 Đặt vấn đề

Một người sử dụng truy cập một hệ thống thông tin với mục đích tìm kiếm một thông tin cần thiết, có thể phải thực hiện lại truy vấn vài lần và chọn lọc thông qua nhiều kết quả cho đến khi đạt yêu cầu Do sự phong phú thông tin và người dùng không đồng nhất trong trang web Những người sử dụng khác nhau có thể mong đợi câu trả lời khác nhau cho cùng một truy vấn vì sở thích hay mục tiêu không giống nhau,v.v Nhưng hầu hết các hệ thống tìm kiếm hiện tại chưa đáp ứng được yêu cầu này

Sở thích có mặt ở mọi nơi trong cuộc sống hàng ngày của chúng ta Và gần đây, chúng được chú ý nhiều đến trong việc phát triển phần mềm, điển hình trong các ứng dụng tìm kiếm thông tin Sở thích trong thế giới thực được thể hiện trong nhiều dạng khác nhau như là mọi người có thông tin về một đối tượng nào đó Chúng ta làm một cuộc kiểm tra về những biểu lộ tự nhiên của con người khi ước muốn về một vấn đề gì

đó Cuộc sống hàng ngày với sự phong phú của sở thích đến từ sự cảm nhận hoặc ảnh hưởng khác Trong thế giới thực này, nó trả lại một cách nhanh chóng những mong muốn thường xuyên xảy ra, như là “tôi thích A hơn B” Loại ưa thích này là phổ biến

và trực quan cho mọi người Nghĩ đến sở thích có nghĩa là mong muốn “tốt hơn”, điều này cũng có chút liên quan đến toán học: Toán học có thể ánh xạ chúng vào thành một thứ tự bộ phận chặt Con người thường xuyên đề cấp đến vấn đề sự ưa thích, thông thường với nó là không diễn tả trong phạm vi con số cụ thể Sở thích là một trình bày

rõ ràng cụ thể dựa trên một tập các thuộc tính định danh với một miền quan hệ của giá trị, theo cách nói ẩn dụ là “thuộc về ước muốn” Cụ thể hơn, sở thích có thể được thể hiện qua giá trị của các thuộc tính, và qua mối quan hệ giữa các thực thể Những giá trị

của các sở thích hoàn toàn có liên quan Mối quan hệ giữa các sở thích chỉ ra mức độ nào, nếu có, các yếu tố liên quan phụ thuộc lẫn nhau (bởi sở thích đặc biệt của nhau)

Nhưng cũng có một phần khác của thế giới thực luôn hướng tới là tiết kiệm chi phí hoặc công nghệ đưa ra phải tối ưu Một cách dễ hiểu hơn là xếp hạng có thể được được xem như một phần của sở thích Do đó mô hình sở thích như là một ràng buộc không trọn vẹn, điều này đã từng được chứng tỏ trong nhiều ngành khoa học khác nhau, đặc biệt là trong khoa học máy tính và các môn học Và việc lưu sở thích người dùng có ý nghĩa rất lớn:

(1) Ngữ nghĩa trực quan: Sở thích đóng vai trò quan trọng trong xử lý mô hình Điều này đòi hỏi một cách trực quan và giải thích rõ ràng của hệ thống tìm kiếm Mô hình sở thích người dùng nên bao gồm biểu diễn ph i số như là phương pháp phân hạng… (2) Nền tảng toán học ngắn gọn: điều này là tất yếu, nhưng nền tảng toán học phải được cân đối với ngữ nghĩa trực quan

(3) Xây dựng và mở rộng mô hình sở thích: Sở thích đầy đủ được xây dựng quy nạp từ các vấn đề đơn giản

(4) Các xung đột của các sở thích phải không là nguyên nhân làm cho hệ thống bị lỗi: kết cấu động của sở thích phức tạp phải được hỗ trợ ngay cả trong sự có mặt của sự xung đột Mô hình sở thích thực hiện có thể tồn tại cùng với sự xung đột, không ngăn chặn chúng hoặc gây ra lỗi nếu chúng xảy ra

(5) Xây dựng truy vấn sở thích: Sự phù hợp trong thế giới thực làm cầu nối giữa những mong muốn và sự tin cậy Sự thể hiện này là cần thiết cho một mô hình truy vấn mới khác phù hợp với mô hình của ngôn ngữ truy vấn cơ sở dữ liệu đã có trước đây

Vì vậy, nếu ta lưu trữ sở thích của người dùng, hệ thống sẽ có cơ hội trả về kết quả tập trung hơn, phạm vi tìm thấy là nhỏ hơn, và làm hài lòng người dùng hơn

Với những lí do trên đây, luận văn này nhằm mục đích tìm hiểu về “Cá nhân hóa truy vấn dựa trên sở thích người dùng” và xây dựng ứng dụng “Tìm kiếm thư

viện sách truyện” áp dụng cá nhân hóa truy vấn

1.2 Mục đích, phạm vi nghiên cứu

Đề tài nhằm mục đích:

 Tìm hiểu về sở thích người dùng và ảnh hưởng đến quá trình đánh giá truy vấn

 Tìm hiểu các kỹ thuật cá nhân hóa truy vấn

 Xây dựng ứng dụng minh họa

1.3 Bố cục luận văn

Đề tài “Cá nhân hóa truy vấn dựa trên sở thích người dùng” và ứng dụng demo

“Tìm kiếm thư viện sách truyện” được chia làm 3 chương như sau:

Chương 2: Kỹ thuật truy vấn dựa trên sở thích người dùng

Tìm hiểu về mô hình hóa sở thích và các kỹ thuật xử lý truy vấn dựa trên sở thích người dùng

Chương 3: Ứng dụng truy vấn thư viện sách truyện

Xây dựng ứng dụng thư viện sách truyện áp dụng kỹ thuật truy vấn dựa trên sở thích người dùng để tìm kiếm

Kết luận: Tổng kết lại vấn đề nghiên cứu và một số hướng nghiên cứu trong tương lai

CHƯƠNG II CÁC KỸ THUẬT XỬ LÝ TRUY VẤN DỰA TRÊN

SỞ THÍCH NGƯỜI DÙNG

Chúng ta tập trung vào các sở thích trong các hồ sơ người dùng và các thuật toán cá nhân hoá truy vấn Sở thích là một khái niệm cơ bản trong toán học ứng dụng [7], triết học [8], AI [20], và cơ sở dữ liệu [15] Việc xác định sở thích [13] cần được xây dựng cụ thể, do đó không xem xét các khả năng hạn chế tùy ý trong hồ sơ người

dùng Bên cạnh đó, cá nhân hóa là một lĩnh vực nghiên cứu rất rộng, và có cách tiếp cận khác nhau từ lọc thông tin tới đối tượng của bài toán [19, 11], các tác nhân [2] về bối cảnh truy vấn, chẳng hạn như vị trí người sử dụng, thời gian, thiết bị…, phương pháp tiếp cận cá nhân hoá truy vấn [18,4] của Georgia Koutrika, Yannis Ioannidis [16]

và cơ sở dữ liệu [14] là nền tảng cho đề tài này

Trước hết, cá nhân truy vấn là quá trình thực thi một truy vấn liên quan đến sở thích được lưu trữ trong một hồ sơ người dùng với mục đích cung cấp câu trả lời cá nhân Các truy vấn tập trung vào người dùng tạo ra một sự thay đổi hướng tới ‘cá nhân’, mọi tính toán đều dựa trên những đặc điểm của mỗi người [18]

Các thành phần cần thiết của cá nhân hóa truy vấn gồm một mô hình để lưu trữ các sở thích, một phạm vi xác định loại câu trả lời cá nhân tạo ra cho một truy vấn và

hồ sơ người sử dụng, và các thuật toán cá nhân hóa truy vấn Một câu trả lời cá nhân được xây dựng bởi việc xác định K số các sở thích ưu tiên hàng đầu từ các hồ sơ người

sử dụng, và số L (L ≤ K) những tiêu chí mà ít nhất làm hài lòng người dùng Tham số

K và L có thể được quy định trực tiếp bởi người sử dụng hoặc có nguồn gốc dựa trên các tiêu chuẩn về bối cảnh truy vấn, chẳng hạn như vị trí người sử dụng, thời gian, thiết

bị, vv

Cá nhân hóa truy vấn thu được qua hai giai đoạn: (Lựa chọn sở thích) Sở thích đầu vào K bắt nguồn từ hồ sơ người dùng (Câu trả lời cá nhân) Đây là những kết quả của sự kết hợp câu truy vấn với sở thích và câu trả lời cá nhân được trả về đáp ứng (ít nhất) L tiêu chí của các sở thích K

Một hệ thống cần nắm bắt mức độ khác nhau của sự quan tâm [1], và truy vấn trả về các bộ dữ liệu phù hợp nhất đi kèm các bộ dữ liệu so sánh khác Trong chương này, tôi tìm hiểu đầy đủ các vấn đề liên quan đến các biến thể của sở thích, liên kết giữa các sở thích, kết quả truy vấn được xếp hạng dựa vào mức độ quan tâm Từ đó giải quyết bài toán cá nhân hóa truy vấn và xây dựng ứng dụng minh họa

2.1 Biểu diễn sở thích

Để cá nhân hoá, chúng ta xây dựng cho mỗi người dùng một hồ sơ cá nhân có cấu trúc liên quan đến mô hình truy vấn Không mất tính tổng quát, chúng ta tập trung vào các truy vấn trên cơ sở dữ liệu quan hệ Hồ sơ sở thích người dùng thể hiện một đồ thị ở mức độ cao hơn so với các lược đồ cơ sở dữ liệu, là sự kết hợp sở thích với cơ sở

dữ liệu Đây là một sự trừu tượng hóa bằng cách sử dụng một hồ sơ cá nhân trên nhiều

cơ sở dữ liệu với thông tin tương tự nhưng có thể khác nhau ở các lược đồ, và tái cấu trúc lược đồ

Đối với một thuộc tính RA của một bảng quan hệ R, cho DA là miền giá trị Chúng ta tập trung vào cá nhân hóa truy vấn, lưu trữ các sở thích ở mức độ truy vấn con, do đó được gọi là thành phần sở thích Các giá trị sở thích được lưu trữ như là

những sở thích chọn lọc (thành phần chọn lọc sở thích), và các mối quan hệ sở thích được lưu trữ như sở thích tham gia (thành phần tham gia sở thích)

2.1.1 Sở thích chọn lọc

Thành phần chọn lọc là các giá trị của sở thích được lưu trữ trong hồ sơ người dùng Đối với bất kỳ điều kiện q, thành phần chọn lọc sở thích trên thuộc tính RA cho các giá trị phù hợp (hay không) được thể hiện bởi mức độ quan tâm đến q, ký hiệu là doi (q), được định nghĩa như sau:

doi(q) = < dT(u), dF(u) >

với ∀ u∈ DA đáp ứng điều kiện q, dT(u), dF(u) ∈ [-1,1] và dT(u)*dF(u) ≤ 0

Với định nghĩa này, ta phân biệt 3 yếu tố có liên quan tới các sở thích: Hóa trị, mức độ quan tâm, độ đàn hồi

Hóa trị (Valence) Sở thích rất đa dạng, nó có thể là tích cực (thể hiện sự ưa thích), tiêu

cực (thể hiện không thích) hoặc không quan tâm Chúng được biểu diễn thông qua hai giá trị dT (u) và dF(u) đối với mỗi u∈ DA Trong đó dT (u) thể hiện sự ưa thích của sở

thích tích cực, cho thấy mức độ quan tâm tới u (mức độ 1 là rất thích) Và dF (u) biểu diễn mức độ không quan tâm tới u, mức độ không thích ngày càng tăng khi dF càng giảm (mức độ -1 là giá trị khó chịu nhất) Mức độ về 0 cho thấy sự không quan tâm tới

u Sở thích với dT (u) = dF (u) = 0, không được lưu trữ trong hồ sơ

Mức độ quan tâm (Concern) Sở thích có thể là sự hiện diện (liên quan đến sự có mặt

của các giá trị) hoặc không có (liên quan đến sự vắng mặt của giá trị) Một mối quan tâm của người sử dụng được thể hiện bởi <dT (u), dF (u)> Theo định nghĩa, dT (u) thể hiện một mối quan tâm của người dùng cho sự có mặt của giá trị u của thuộc tính

RA dF(u) thể hiện một mối quan tâm của người dùng cho sự vắng mặt của cùng một giá trị đang xét Sự quan tâm mạnh mẽ tới sự có mặt của u có thể được kết hợp với sự không quan tâm đến các giá trị khác u hoặc quan tâm nhiều hơn tới các giá trị đó (vắng mặt u)

Tính đàn hồi (Elasticity) Sở thích có thể là chính xác hoặc đàn hồi phụ thuộc vào các

miền DA là giá trị tuyệt đối hoặc bằng số

Nếu miền DA là giá trị tuyệt đối thì với sự độc lập lẫn nhau của các giá đó, các

sở thích được coi là chính xác hoặc đàn hồi hoặc không ở tất cả

Với sở thích biểu diễn bởi các giá trị số liên tục trên miền DA và có thể đáp ứng được yêu cầu người dùng, trong trường hợp đó, nó được coi là đàn hồi Độ đàn hồi xác định bởi hàm dT (u), và dF (u) Có rất nhiều hàm có thể biểu diễn các sở thích đàn hồi

Để đơn giản, chúng ta sử dụng e (d) để biểu diễn một hàm đàn hồi để phân biệt với doi(q) (sở thích chính xác) e(d) cũng có miền giá trị từ -1 đến 1

Từ 3 yếu tố trên ta có thể phân loại được sỏ thích: Sở thích tích cực, sở thích tiêu cực; Sở thích có mặt, sở thích vắng mặt; Sở thích đàn hồi

Ví dụ: Hãy xem xét một cơ sở dữ liệu phim được mô tả bởi lược đồ dưới đây, khóa

chính được gạch chân:

THEATRE(tid, name, phone, region, ticket),

PLAY(tid, mid, date), GENRE(mid, genre)

MOVIE(mid, title, year, duration)

CAST(mid, aid, award, role) ACTOR(aid, name)

DIRECTED(mid, did), DIRECTOR(did, name)

Một bộ phim chiếu rạp có các thông tin liên quan như tên phim, năm sản xuất, thời lượng, nhà hát chiếu bộ phim đó (tên, điện thoại, địa điểm, vé), lịch chiếu phim, thể loại phim, diễn viên chính, đạo diễn Jon muốn lựa chọn một bộ phim để đặt vé, chúng

ta quan tâm đến sở thích của ông ấy Sở thích của Jon được phát biểu như sau:

(p1) Ông rất thích giám đốc W Allen

(p2) Ông ấy không thích bộ phim phát hành trước năm 1980

(P3) Ông ấy thích một vé giá khoảng 6 Euro

(p4) Ông ấy thích bộ phim có thời lượng dao động khoảng 2h

(p5) Ông ấy thật là hạnh phúc nếu bộ phim không phải là một vở nhạc kịch

(p6) Ông sẽ không đi đến nhà hát không ở trung tâm thành phố

Theo đó, ta phân biệt được các loại sở thích của Jon như sau:

Về hóa trị, p1, p3 là một thể hiện của một sở thích tích cực (sự ưa thích), và p2, p5, p6

là một thể hiện của một sở thích tiêu cực (không thích)

Về mối quan tâm, người ta có thể quan tâm đến sự hiện diện (có mặt) của một giá trị, hoặc không quan tâm đối với trường hợp ngược lại Ví dụ: Jon có một sự quan tâm tích cực đối với bộ phim của đạo diễn W Allen (sở thích có mặt), nhưng ông không quan tâm nếu W Allen không phải là đạo diễn bộ phim đó Mặt khác, ông thích nhà hát trung tâm thành phố và ông không thích đến một nhà hát không ở trung tâm Vậy p1 là

sở thích có mặt, p2, p5, p6 là sở thích vắng mặt Trong đó, p6 là sở thích kết hợp sự có mặt tích cực và vắng mặt tiêu cực như là một, đó là một sở thích phức tạp

Về độ đàn hồi, p1, p2, p5 và p6 là trường hợp của các sở thích chính xác.Tuy nhiên, ưu tiên của Jon cho các bộ phim với thời gian khoảng 2 giờ có thể co giãn, như phim diễn

ra khoảng 122 hoặc 115 phút có mức quan tâm tương tự đối với ông ta Vì vậy, p4 là một sở thích đàn hồi p3 cũng tương tự p4

2.1.2 Sở thích tham gia

Thành phần tham gia là biểu diễn cho mối quan hệ giữa các sở thích chọn lọc Một sở thích tham gia q được thể hiện bằng mức độ quan tâm đến q, doi(q), quy định như sau:

doi (q) = <d>, d ∈ [0, 1]

Giá trị bằng 0 thể hiện sự không quan tâm đến các điều kiện tham gia, trong khi mức 1 cho biết sự quan tâm tối đa ('phải có') Ngoài ra, các thành phần tham gia sở thích được xác định bởi chỉ số mức độ khác nhau nằm trong đoạn [0,1]

Ví dụ, xét cơ sở dữ liệu phim và hồ sơ sở thích của Jon được bổ sung thêm như sau: (p7) Ông rất quan tâm đến đạo diễn của một bộ phim

(p8) Ông quan tâm rất nhiều về thể loại phim

(P9) Ông quan tâm ít hơn về các nhà hát chiếu một bộ phim

(p10) Ông quan tâm rất nhiều về những bộ phim của một nhà hát

Ở đây, phim và nhà hát có liên quan nhưng Jon nghĩ rằng nhà hát phụ thuộc vào phim (p10) nhiều hơn so với thuộc tính khác thể hiện trong (p9) Vì vậy, một thành phần tham gia sở thích thể hiện sự phụ thuộc của phần bên trái đối với phần bên phải liên kết Nói cách khác, phần bên trái cho thấy mối quan hệ đã được bao gồm trong một truy vấn và quyền tương ứng với các mối quan hệ có thể ảnh hưởng đến kết quả

cuối cùng, nếu thành phần tham gia được xem xét Hình 2 cho thấy hồ sơ của Jon có thể như sau:

< MOVIE.duration=‘2h’, e(0.7), e(-0.5)>

(Ông ấy thích những bộ phim có thời lượng dao động khoảng 2h với mức độ quan tâm dT= 0.7 và cũng quan tâm đến bộ phim có thời lượng khác với mức độ dF= -0.5)

Về ký hiệu, <q, dT(u), dF(u)> để biểu thị một thành phần chọn lọc sở thích p,

và <q, d> biểu thị một thành phần tham gia sở thích

Khi đó, ánh xạ từ hồ sơ cá nhân của Jon ta có đồ thị cá nhân tương ứng như sau:

Hình 2 Ví dụ về đồ thị cá nhân hoá

Các nút trong tập V phân biệt thành những loại như sau:

(a) Các nút mối quan hệ, mỗi nút là một quan hệ trong lược đồ

(b) Các nút thuộc tính, một nút cho mỗi thuộc tính của mỗi quan hệ trong lược đồ (c) Các nút giá trị, một nút cho mỗi giá trị của mức độ thích từ một người dùng cụ thể

Xét hình 2, các nút mối quan hệ: THEATRE, GENRE, PLAY, MOVIE;

Các nút thuộc tính: TID, NAME, PHONE, TICKET,REGION, MID, GENRE,…

Các nút giá trị: 6 euros, downtown, musical, 1980

Tương tự như vậy, các cạnh trong tập E cũng phân loại như sau:

(a) Cạnh lựa chọn biểu diễn cho thành phần chọn lọc sở thích, nhãn của cạnh là giá trị

dT, dF của thành phần chọn lọc

(b) Cạnh tham gia biểu diễn cho thành phần tham gia sở thích, nhãn của cạnh là giá trị

d của thành phần tham gia

2.2 Sở thích ẩn

Bằng cách xét thành phần sở thích trong đồ thị cá nhân (composable), người ta có thể xây dựng các sở thích ẩn (Implicit preferences), tức là, sở thích thể hiện thông qua các mối quan hệ Sở thích ẩn có thể hình thành khi được ánh xạ cho:

+ Một đường dẫn trong đồ thị cá nhân từ một nút thuộc tính tới một nút giá trị Khi đó,

nó bao gồm các cạnh tham gia và nút giá trị

+ Một đường dẫn nối giữa đường giữa hai nút thuộc tính Khi đó, nó bao gồm cạnh tham gia và một cạnh lựa chọn kết nối các thuộc tính và giá trị tương ứng

Một truy vấn ngầm là kết hợp của những thành phần sở thích ẩn cấu thành Mức

độ quan tâm trong một sở thích vắng mặt là một hàm của mức độ quan tâm trong thành phần tham gia sở thích Về nguyên tắc, ta có thể xây dựng một số hàm thoả mãn điều

kiện là mức độ quan tâm tuyệt đối trong một sở thích ẩn giảm khi chiều dài đường dẫn tương ứng tăng

Ví dụ Những sở thích từ hồ sơ cá nhân của Jon

< MOVIE.mid=DIRECTED.mid and

DIRECTED.did=DIRECTOR.did and

DIRECTOR.name=‘W Allen’, 0.72, 0 >

Lưu ý rằng bất kỳ con đường trực tiếp nào trong đồ thị cá nhân có thể lập bản đồ

sở thích ngầm Tuy nhiên, nó còn căn cứ vào trực giác của con người và bằng chứng nhận thức[6]

2.3 Kết hợp các sở thích

Sự hài lòng (Satisfaction) của một thành phần chọn lọc sở thích hoặc sở thích ẩn

<q, dT, dF> là tương đương với sự thỏa mãn của q nếu dT ≥ 0 hay không quan tâm đến

q nếu dF ≥ 0 Như vậy, doi trong sự hài lòng của sở thích kí hiệu là d (u) và mức độ không quan tâm đến kí hiệu là d (u) với:

d (u) = max (dT (u), dF (u)) (nếu dT ≥ 0)

d (u) = min (dT (u), dF (u)) (nếu dF ≥ 0)

Ví dụ Hãy xem xét những lựa chọn ưu tiên của Jon

< DIRECTOR.name=‘W Allen’, 0.8, 0 > (1)

< GENRE.genre=‘musical’, -0.9, 0.7 > (2)

Các bộ dữ liệu thỏa mãn nếu đáp ứng được cả hai điều kiện: (1), các bộ phim phải là của đạo diễn W Allen (dT=0.8; dF=0) và (2) là bộ phim không thuộc thể loại nhạc kịch (dT= -0.9; dF=0.7)

Tổng thể của mức độ quan tâm là kết quả của việc kết hợp các sở thích được tính toán

sử dụng một hàm xếp hạng Trên cơ sở phân biệt các trường hợp sau đây:

(a) Tất cả các sở thích là tích cực (kết hợp tích cực)

(b) Không trường hợp nào trong số các sở thích được chấp nhận (kết hợp tiêu cực) (c) Một số sở thích là tích cực và những trường hợp khác là không (hỗn hợp)

thiết lập các D tương ứng với sự hài lòng (không âm) (để đơn giản ta bỏ qua u):

D = { di |di : doi trong pi ∈ P , i = 1 N }

Mức độ quan tâm đến một sự kết hợp tích cực phải là một giá trị của di Một tham số quan trọng trong vấn đề này là giá trị lớn nhất (D ) Xung quanh nó, người ta có thể thấy được ba vấn đề khác nhau

Lạm phát (Inflationary) Mức độ quan tâm đến các sở thích hài lòng tăng với số

lượng của các sở thích, tức là, (D ) ≥ max (D ), thể hiện một triết lý "càng tốt hơn" Các hàm đề xuất:

Ưu thế (Dominant) Mức độ quan tâm đến các sở thích hài lòng bằng mức độ

quan tâm lớn nhất của sở thích, tức là (D ) = max (D ) Hàm này thể hiện một triết

lý “người chiến thắng có tất cả”, do đó nó không phụ thuộc vào số lượng sở thích

Riêng biệt (Reserved) Mức độ quan tâm đến nhiều sở thích hài lòng giữa mức

cao nhất và mức thấp nhất của sự quan tâm trong số các sở thích ban đầu, tức là:

min (D ) ≤ (D ) ≤ max (D ) Nguyên tắc cơ bản là mức độ quan tâm đáp ứng nhiều

sở thích chủ yếu phụ thuộc vào tầm quan trọng của chúng

Các hàm sau đây thuộc thể loại này:

Sự phù hợp của một hàm xếp hạng chỉ được đánh giá theo cách tiếp cận đối với

cá nhân và, quan trọng hơn, bằng cách nó phản ánh chặt chẽ hành vi của con người

Sự kết hợp các sở thích tiêu cực Một vấn đề tương tự phát sinh liên quan đến mức độ

quan tâm đến các sở thích tiêu cực, tức là, xử lý với nhiều mức độ không tích cực trong

một bộ D_ Trường hợp này là ngược lại với phần trước đó Các tham số quan trọng là min (D_) và người ta có thể xác định lạm phát, ưu thế, và riêng biệt các hàm xếp hạng Các đối số của 1 và 2 ở trên, là như nhau, chỉ thay đổi '+' và '-'

(D ) là một hàm của mức độ quan tâm đáp ứng điều kiện sau:

Ví dụ về các hàm như sau:

Công thức (6) là thích hợp, vì nó còn thể hiện khả năng trực giác rằng mức độ quan tâm tổng thể phụ thuộc vào mức độ quan tâm sự kết hợp sở thích tích cực và tiêu cực, đồng thời phụ thuộc số lượng sở thích Cá nhân hoá truy vấn cần được xếp hạng bẳng việc sử dụng một hàm xếp hạng

2.4 Thứ tự ưu tiên, xếp hạng

Các khái niệm về mức độ tới hạn được đưa ra để xếp hạng sở thích và lựa chọn top K của chúng Như vậy, sở thích được quan tâm nhất và ngược lại tương ứng với d cao nhất , và d thấp nhất

Mức độ tới hạn c của sở thích <q, dT(u), dF(u)> được định nghĩa như sau:

Căn cứ vào mức độ tới hạn, sở thích được sắp xếp theo thứ tự như sau:

Ví dụ 4 Những sở thích từ hồ sơ cá nhân của Jon

2.5 Lựa chọn sở thích sử dụng cho truy vấn

Bước đầu tiên của truy cập cá nhân hoá truy vấn là việc khai thác các sở thích top K (quan trọng nhất) liên quan đến một truy vấn Sở thích có thể ở mức cú pháp hoặc ngữ nghĩa Sở thích mức cú pháp, nếu nó ánh xạ đến một đường thuộc đồ thị truy vấn Đây là một đồ thị top K của lược đồ cá nhân, nó bao gồm tất cả các nút tương ứng với các mối quan hệ liên quan đến các truy vấn, tất cả các cạnh lựa chọn và cạnh tham gia tương ứng với các điều kiện của các truy vấn gọi đến Ví dụ, truy vấn trong hình 4

select title

from MOVIE M, PLAY P

where M.mid=P.mid and P.date=‘28/07/2004’

được mô tả bằng màu xám trên đồ thị cá nhân tương ứng với hồ sơ cá nhân của Jon

Hình 4 Một câu truy vấn trên đầu trang của một đồ thị cá nhân

Một sở thích ẩn liên quan đến truy vấn này là:

MOVIE.mid=GENRE.mid and GENRE.genre=‘comedy’ bởi Jon không thích thể loại

‘musical’, ‘comedy’≠ ‘musical’

Tham số K được quy định cụ thể với việc sử dụng một số tiêu chí Ví dụ, một tiêu chuẩn dựa trên mức độ tới hạn sở thích, có thể chỉ định top 5 sở thích hoặc sở thích với một mức độ tới hạn trên một ngưỡng c , hoặc lựa chọn một tiêu chí dựa vào mức độ quan tâm mong muốn ở kết quả, có thể chỉ định kết quả với mức độ> 0,8

Ý tưởng xây dựng Với đồ thị tương ứng với một người sử dụng G với hồ sơ cá nhân và

đồ thị truy vấn trên của biểu đồ này đại diện cho một truy vấn Q Hãy xem xét P , tập hợp của tất cả pi đường dẫn G có liên quan đến Q theo thứ tự giảm dần của mức độ tới hạn c , nghĩa là

Các thiết lập sở thích có thể ảnh hưởng đến các truy vấn, dựa trên một số tiêu chuẩn độ tới hạn C(.), là tập hợp con đã ra lệnh P = {pi | i ∈ [1, K, c ≥ c } của P mà:

Một thuật toán lựa chọn sở thích được xây dựng trên cơ sở gắn liền với truy vấn phụ trên đồ thị cá nhân G theo hướng giảm dần của mức độ tới hạn Xem xét đồ thị cá nhân được mô tả trong hình 5 Để đơn giản, thuộc tính và giá trị liên quan đến thành phần tham gia và thành phần chọn lọc sở thích được bỏ qua Mỗi cạnh được dán nhãn với mức độ tới hạn của sở thích

Hình 5 Ví dụ đồ thị với mức độ tới hạn

Ta thấy tính gắn bó mạnh bị mất đi đối với các mức độ tới hạn của sở thích ẩn Do đó, một cây tốt nhất đầu tiên của đồ thị không đảm bảo sở thích ẩn được tạo ra theo thứ tự đúng Thật vậy, ABDs1 không quan trọng hơn AEFs2

Một sở thích lựa chọn ẩn có thể là đầu ra kết quả truy vấn chỉ khi nó quan trọng hơn sở thích lựa chọn quan trọng nhất không nhìn thấy (mcsu) Dựa trên công thức (8), sau đó xét đến thành phần tham gia ẩn quan trọng nhất, tiếp theo là một thành phần chọn lọc với mức độ tới hạn bằng 2 Do đó, một sở thích lựa chọn ẩn có thể được coi là đầu ra chỉ khi nó có một mức độ tới hạn tối thiểu bằng mức độ tới hạn tham gia nhân hai Nếu không, các thuật toán nên mở rộng cạnh tham gia và kiểm tra đường dẫn còn lại xuất phát từ nó

Giả sử rằng thành phần tham gia ẩn quan trọng nhất được theo sau bởi một thành phần chọn lọc với một mức độ tới hạn bằng 2, dự tính trường hợp xấu nhất mcsu

- Mục đích: Lựa chọn sở thích để xác định đường đi có chi phí rẻ hơn

- Đầu vào của thuật toán sẽ là mức độ tới hạn của hầu hết các thành phần chọn lọc sở thích sau đó đến thành phần tham gia sở thích

- Đầu ra: Kết quả là một cây đầu tiên tốt nhất của đồ thị cá nhân G dựa trên kết quả c

*fc Bất cứ khi nào một sở thích lựa chọn được xây dựng, nó là đầu ra ngay lập tức

- Xử lý: Thuật toán FakeCrit

Một lựa chọn tốn ít chi phí có mức độ tới hạn tạm thời fc, quy định: Đối với mỗi cạnh lựa chọn, fc được thiết lập là 1 Đối với mỗi cạnh tham gia, fc được thiết lập tối

đa mức độ tới hạn của tất cả các cạnh sau này Nếu một trong chúng là tham gia, mức

độ tới hạn được nhân với 2

Thuật toán FakeCrit dùng để lựa chọn sở thích có đường đi với một mức độ tới hạn c và mức độ tới hạn tạm thời fc, như thể nó là một sở thích lựa chọn ẩn với mức độ tới hạn bằng c*fc (thay vì c)

Mục đích là tạo ra của top K sở thích dựa trên một số tiêu chuẩn C(.) Một hàng đợi sở thích được lưu giữ theo thứ tự giảm của c * fc Ban đầu, nó bao gồm thành phần sở thích liên quan đến truy vấn Trong mỗi vòng lặp, thuật toán chọn từ phần tử đầu p Nếu p là một sở thích đáp ứng tiêu chuẩn C ( ∪ {p}), thì nó là đầu ra Nếu p là một sở thích tham gia đáp ứng tiêu chuẩn C ( ∪ {p}), thì sau đó, nó được

mở rộng vào các đường dẫn dài hơn bằng cách thêm vào Một đường đi mới p ∧ được tạo ra cho mỗi thành phần sở thích với p Những thành phần sở thích được coi là trong thứ tự giảm dần c * fc Một đường đi mới được đặt vào : (a) nếu

nó phát triển một quan hệ thành p hoặc Q, bởi một chu kỳ được tạo ra, (b) nếu kết quả của mức độ tới hạn của nó và mức độ tới hạn tạm thời (c * f(c ) < , tiêu chuẩn C xác định rằng sở thích top K phải có một mức độ tới hạn lớn hơn > 0

Thuật toán dừng khi tất cả các sở thích top K được hình thành

2.6 Xử lý truy vấn dựa trên sở thích người dùng

Việc sở thích top K được tích hợp vào các truy vấn người dùng và trả về một câu trả lời

cá nhân Điều này sẽ tương đương với:

(a) Gợi sự quan tâm cho người sử dụng, tức là nó phải đáp ứng (ít nhất) tiêu chí L từ sở

thích top K

.(b) Xếp hạng dựa trên mức độ quan tâm

(c) Tự giải thích Đối với mỗi bộ dữ liệu trả về, các sở thích hài lòng và / hoặc không

cần được cung cấp để giải thích cho lựa chọn và xếp hạng của nó

Sau đây mô tả hai cách tiếp cận cho việc phát sinh các câu trả lời cá nhân Sở thích đàn hồi được chuyển thành điều kiện phạm vi thích hợp bằng cách sử dụng một

bộ quy tắc trước khi chúng có thể được chèn vào một truy vấn

2.6.1 Phương pháp SPA

Câu trả lời cá nhân hoá đơn giản (Simply Personalized Answers-SPA)

Phương pháp SPA là cách tích hợp sở thích top K vào truy vấn ban đầu và xây dựng một truy vấn mới Trên cơ sở xây dựng các truy vấn cá nhân là sự kết hợp của một tập hợp các truy vấn con, mỗi truy vấn là ánh xạ một một hoặc nhiều các sở thích K đã chọn Mỗi truy vấn con được xây dựng bằng cách mở rộng các truy vấn ban đầu từ một điều kiện phù hợp liên quan đến các thành phần tham gia sở thích Truy vấn con này cũng trả về mức độ quan tâm tích cực của các sở thích tương ứng Nếu nó có chứa một

sở thích đàn hồi, thì hàm đàn hồi tương ứng cung cấp mức độ quan tâm trong mỗi bộ

dữ liệu [14], để nó có thể xử lý các sở thích đàn hồi và sở thích vắng mặt Ví dụ: Giả sử Jon gửi một truy vấn đơn giản

- Đầu vào: Câu truy vấn ban đầu và sở thích top K

- Đầu ra: Kết quả cá nhân hóa dựa trên sở thích người dùng đã cung cấp

- Xử lý: