Thông tin về luận án tiến sĩ trước bảo vệ cấp Học viện của NCS.Đỗ Thị Liên

Tên đề tài luận án tiến sĩ: PHÁT TRIỂN MỘT SỐ PHƯƠNG PHÁP XÂY DỰNG HỆ TƯ VẤN

Chuyên ngành: Hệ thống thông tin

Mã số: 9.48.01.04

Họ và tên NCS: Đỗ Thị Liên

Cán bộ hướng dẫn:

GS.TS Từ Minh Phương

TS Nguyễn Duy Phương

Đơn vị đào tạo: Học viện Công nghệ Bưu chính Viễn thông

Cơ sở đào tạo: Học viện Công nghệ Bưu chính Viễn thông

NHỮNG KẾT QUẢ MỚI CỦA LUẬN ÁN

Đề xuất một phương pháp lọc cộng tác dựa trên mô hình đồ thị cho hệ tư vấn theo ngữ cảnh, cụ thể:

Đề xuất độ đo tương tự cho lọc cộng tác dựa trên mô hình đồ thị. Độ đo tương tự đề xuất cho phép khai thác các mối quan hệ trực tiếp và bắc cầu giữa các đỉnh người dùng hoặc giữa các đỉnh sản phẩm trên đồ thị vào quá trình dự đoán và tư vấn, điều này giúp hạn chế ảnh hưởng của vấn đề thưa dữ liệu đánh giá.

Đề xuất phương pháp lọc cộng tác dựa trên mô hình đồ thị cho hệ tư vấn theo ngữ cảnh sử dụng độ đo tương tự đề xuất nêu. Phương pháp đề xuất ngoài việc giải quyết khá tốt vấn đề dữ liệu thưa, còn cho phép tích hợp đầy đủ thông tin ngữ cảnh vào quá trình dự đoán sản phẩm tới người dùng, từ đó nâng cao hiệu quả tư vấn.

Đề xuất một phương pháp lọc kết hợp bằng phương pháp đồng huấn luyện, cụ thể:

Đề xuất phương pháp lọc cộng tác bằng phương pháp đồng huấn luyện. Phương pháp lọc cộng tác đề xuất cho phép giải quyết hiệu quả vấn đề thưa của dữ liệu đánh giá.

Hợp nhất biểu diễn các giá trị đặc trưng nội dung vào lọc cộng tác. Sử dụng biểu diễn này để xây dựng phương pháp dự đoán cho lọc kết hợp bằng đồng huấn luyện. Phương pháp lọc kết hợp đề xuất phát triển từ phương pháp lọc cộng tác bằng đồng huấn luyện cho phép giải quyết vấn đề dữ liệu thưa, đồng thời tích hợp hiệu quả thông tin về các đặc trưng người dùng, đặc trưng sản phẩm và dữ liệu đánh giá của người dùng với sản phẩm vào quá trình dự đoán đánh giá, qua đó nâng cao chất lượng tư vấn.

CÁC ỨNG DỤNG, KHẢ NĂNG ỨNG DỤNG TRONG THỰC TIỄN HOẶC NHỮNG

VẤN ĐỀ CÒN BỎ NGỎ CẦN TIẾP TỤC NGHIÊN CỨU

Kết quả nghiên cứu của luận án có thể áp dụng vào xây dựng các hệ thống tư vấn thông tin cá nhân hóa tới người dùng ở đa dạng các lĩnh vực.

Do thời gian thực hiện của đề tài còn hạn hẹp, đề tài còn nhiều vấn đề liên quan cần được tiếp tục nghiên cứu, ví dụ như:

Nghiên cứu phát triển mô hình học máy mới cho hệ tư vấn theo hướng kết hợp thông tin nội dung về đặc trưng sản phẩm và người dùng trong hệ tư vấn theo ngữ cảnh.

Nghiên cứu phát triển phương pháp đồng huấn luyện cho lọc cộng tác và lọc kết hợp theo hướng mở rộng nhiều khung nhìn dữ liệu phù hợp với từng bộ dữ liệu thực tế. Đồng thời xem xét tích hợp những mô hình phân lớp tiên tiến để học trên mỗi khung nhìn dữ liệu.

Nghiên cứu giải quyết vấn đề người dùng mới, sở thích của người dùng với sản phẩm thay đổi theo thời gian.

XÁC NHẬN CỦA TẬP THỂ NGƯỜI HƯỚNG DẪN

GS.TS. Từ Minh Phương TS. Nguyễn Duy Phương

NGHIÊN CỨU SINH

Đỗ Thị Liên

Title of the thesis:

DEVELOPING METHODS FOR RECOMMENDER SYSTEMS

Specified field of study: Information System

Code of specialty: 9.48.01.04

Name of PhD candidate: Do Thi Lien

Name of the research supervisors:

1. Dr. Tu Minh Phuong

Dr. Nguyen Duy Phuong

Academic Institution: Posts and Telecommunications Institute of Technology

THE SCIENTIFIC CONTRIBUTIONS

The scientific contributions of the thesis are as follows:

Propose a new graph-based context-aware collaborative filtering method for recommender systems, specifically:

Propose a new measure of similarity between two users or two items on the user-item graph model. The proposed measure exploits the transitivity of the interactions between users and items on the user-item graph to augment the direct interactions, thus reducing the negative effect of sparse data into the predictive process.

Based on the proposed measure of similarity, the thesis introduces a new collaborative filtering method for context-aware recommender systems (CARS). The proposed method for CARS allows not only reducing the negative effect of sparse data but also exploiting all available contextual information into predictive process, then improve efficiency of recommendations.

Propose a new hybrid filtering by co-training method, specifically:

Propose a new collaborative filtering by co-training method. The proposed collaborative filtering method limits of the negative affected by data sparseness.

Unify a representation of content-specific values into collaborative filtering. The new given representation then is used to develop a new hybrid filtering by co-training method. The proposed hybrid filtering method is developed by the collaborative filtering method above, this allows not only reducing the negative effect of sparse data but also exploiting all available ratings, content features of users and items, then improve efficiency of recommendations.

APPLICATIONS, PRACTICAL APPLICABILITY AND FURTHER STUDIES

The research results of the thesis can be used for building personal recommender systems in various fields.

Because of the taken time of the thesis is short, thesis, many problems to need for research in future, example:

Research and develop machine learning models for context-aware recommender systems in the direction of combining content features of users and items.

Research and develop the multi-view learning method for collaborative filering and hybrid filtering. Also considering to integrate advanced classification models in the data learning phase.