Tên luận án:
HỆ TƯ VẤN DỰA TRÊN PHÂN TÍCH HÀM Ý THỐNG KÊ
Ngành:
Khoa học máy tính
Tóm tắt nội dung tài liệu:
Luận án này giải quyết vấn đề quá tải thông tin ngày càng phổ biến do sự phát triển mạnh mẽ của Internet và mạng xã hội, khiến việc lựa chọn thông tin hữu ích trở nên khó khăn. Mô hình tư vấn được xem là giải pháp hiệu quả, có khả năng tự động phân tích, phân loại, lựa chọn và cung cấp sản phẩm, dịch vụ quan tâm thông qua ứng dụng kỹ thuật thống kê và trí tuệ nhân tạo, đặc biệt là các giải thuật học máy.
Tuy nhiên, các mô hình tư vấn hiện tại chưa đáp ứng đầy đủ yêu cầu phức tạp của người sử dụng trong bối cảnh bùng nổ thông tin và đa dạng sản phẩm trên các trang thương mại điện tử. Xuất phát từ thực tiễn này, đề tài tập trung nghiên cứu và đề xuất các mô hình tư vấn lọc cộng tác, ứng dụng các độ đo được phát triển từ phương pháp phân tích hàm ý thống kê, khuynh hướng biến thiên hàm ý thống kê và luật kết hợp.
Các đóng góp chính của luận án bao gồm:
- Đề xuất phương pháp phân lớp các độ đo hấp dẫn khách quan dựa trên tiếp cận bất đối xứng sử dụng các tham số hàm ý thống kê.
- Đề xuất mô hình tư vấn dựa trên chỉ số hàm ý thống kê, giải quyết bài toán tư vấn khi các thuộc tính điều kiện và thuộc tính quyết định trên cùng một đối tượng.
- Đề xuất mô hình tư vấn lọc cộng tác dựa trên cường độ hàm ý thống kê, sử dụng luật kết hợp và độ đo cường độ hàm ý thống kê để đưa ra kết quả tư vấn.
- Đề xuất độ đo tương đồng hàm ý thống kê dựa trên tiếp cận bất đối xứng nhằm cải thiện độ chính xác của mô hình tư vấn lọc cộng tác dựa trên người dùng.
- Xây dựng bộ công cụ thực nghiệm ARQAT trên ngôn ngữ R để hỗ trợ triển khai các thực nghiệm của luận án.
Kết quả thực nghiệm cho thấy các mô hình đề xuất đạt độ chính xác khá cao trên các tập dữ liệu thực nghiệm, đặc biệt mô hình tư vấn lọc cộng tác dựa trên cường độ hàm ý thống kê có độ chính xác vượt trội trên dữ liệu nhị phân. Luận án cũng đưa ra các hướng phát triển trong tương lai như xây dựng kernel tương đồng và mô hình dựa trên đồ thị hàm ý phân cấp để nâng cao hiệu quả và giảm thời gian tính toán.
Mục lục chi tiết:
- Phần mở đầu.
- Chương 1: Tổng quan.
- 1.3. Mô hình tư vấn
- 1.3.1. Các khái niệm cơ bản
- 1.3.2. Mô hình tư vấn dựa trên lọc nội dung
- 1.3.3. Mô hình tư vấn dựa trên lọc cộng tác
- 1.3.4. Mô hình tư vấn dựa trên các đặc tính nhân khẩu học
- 1.3.5. Mô hình tư vấn dựa trên tri thức
- 1.3.6. Mô hình tư vấn dựa trên luật kết hợp
- 1.3.7. Mô hình tư vấn dựa trên phân tích hàm ý thống kê
- 1.3.8. Mô hình tư vấn tích hợp
- 1.4. Đánh giá mô hình tư vấn
- 1.4.1. Phương pháp xây dựng dữ liệu đánh giá
- 1.4.2. Phương pháp đánh giá mô hình tư vấn
- 1.5. Ứng dụng của mô hình tư vấn
- 1.6. Hướng phát triển của mô hình tư vấn
- 1.7. Kết luận chương 1
- Chương 2: Phân lớp độ đo hấp dẫn khách quan theo tham số hàm ý thống kê.
- 2.1. Độ đo hấp dẫn khách quan
- 2.2. Phân lớp độ đo hấp dẫn khách quan
- 2.2.1. Phân lớp độ đo dựa trên khảo sát các thuộc tính
- 2.2.2. Phân lớp độ đo dựa trên khảo sát các hành vi
- 2.3. Phân lớp độ đo hấp dẫn khách quan theo tham số hàm ý thống kê
- 2.3.1. Quy tắc xác định giá trị biến thiên của độ đo dựa trên đạo hàm riêng
- 2.3.2. Quy tắc phân lớp độ đo dựa trên thuộc tính biến thiên
- 2.4. Kết quả phân lớp các độ hấp dẫn khách quan bất đối xứng
- 2.4.1. Kết quả phân lớp các độ đo dựa trên đạo hàm riêng theo n
- 2.4.2. Kết quả phân lớp các độ đo dựa trên đạo hàm riêng theo nA
- 2.4.3. Kết quả phân lớp các độ đo dựa trên đạo hàm riêng theo nB
- 2.4.4. Kết quả phân lớp các độ đo dựa trên đạo hàm riêng theo nAB
- 2.5. So sánh và đánh giá kết quả phân lớp theo tham số hàm ý thống kê
- 2.6. Kết luận chương 2
- Chương 3: Mô hình tư vấn dựa trên chỉ số hàm ý thống kê.
- 3.1. Luật kết hợp dựa trên thuộc tính quyết định
- 3.1.1. Định nghĩa luật kết hợp dựa trên thuộc tính quyết định
- 3.1.2. Thuật toán sinh luật kết hợp dựa trên thuộc tính quyết định
- 3.2. Tham số hàm ý thống kê của luật kết hợp
- 3.2.1. Tham số hàm ý thống kê
- 3.2.2. Tham số hàm ý thống kê dựa trên ma trận nhị phân
- 3.3. Tính chỉ số hàm ý thống kê và giá trị đạo hàm riêng dựa trên các tham số hàm ý thống kê
- 3.4. Mô hình tư vấn dựa trên chỉ số hàm ý thống kê
- 3.4.1. Định nghĩa mô hình tư vấn dựa trên chỉ số hàm ý thống kê
- 3.4.2. Thuật toán tư vấn dựa trên chỉ số hàm ý thống kê
- 3.5. Thực nghiệm
- 3.5.1. Dữ liệu thực nghiệm
- 3.5.2. Đánh giá độ chính xác của mô hình trên tập dữ liệu chuẩn
- 3.5.3. Đánh giá độ chính xác của mô hình trên tập dữ liệu thực
- 3.6. Kết luận
- Chương 4: Mô hình tư vấn lọc cộng tác dựa trên cường độ hàm ý thống kê.
- 4.1. Luật kết hợp dựa trên cường độ hàm ý thống kê
- 4.1.1. Định nghĩa luật kết hợp dựa trên cường độ hàm ý thống kê
- 4.1.2. Thuật toán sinh luật kết hợp dựa trên cường độ hàm ý thống kê
- 4.2. Mô hình tư vấn lọc cộng tác dựa trên cường độ hàm ý thống kê
- 4.2.1. Định nghĩa mô hình tư vấn dựa trên cường độ hàm ý thống kê
- 4.2.2. Thuật toán tư vấn dựa trên cường độ hàm ý thống kê
- 4.2.3. Đánh giá độ chính xác của mô hình
- 4.3. Thực nghiệm
- 4.3.1. Dữ liệu thực nghiệm
- 4.3.2. So sánh độ chính xác của mô hình trên dữ liệu xếp hạng dạng nhị phân và dữ liệu xếp hạng dạng số thực
- 4.3.3. Độ chính xác của mô hình so với các mô hình tư vấn lọc cộng tác khác
- 4.4. Kết luận chương 4
- Chương 5: Mô hình tư vấn lọc cộng tác dựa trên tương đồng hàm ý thống kê.
- 5.1. Độ đo tương đồng dựa trên cường độ hàm ý thống kê
- 5.1.1. Độ đo tương đồng hàm ý thống kê giữa hai người dùng
- 5.1.2. Thuật toán đo độ tương đồng hàm ý thống kê giữa hai người dùng
- 5.2. Mô hình tư vấn lọc cộng tác dựa trên tương đồng hàm ý thống kê
- 5.2.1. Định nghĩa mô hình tư vấn dựa trên tương đồng hàm ý thống kê
- 5.2.2. Thuật toán tư vấn lọc cộng tác dựa trên tương đồng hàm ý thống kê
- 5.3. Thực nghiệm
- 5.3.1. Dữ liệu thực nghiệm
- 5.3.2. Đánh giá mô hình trên dữ liệu xếp hạng dạng số thực
- 5.3.3. Đánh giá mô hình trên dữ liệu xếp hạng dạng nhị phân
- 4.4. Kết luận chương 5
- Kết luận và hướng phát triển.
- 1. Các kết quả của luận án
- 2. Hướng phát triển
- Phụ lục