Đề xuất thuật toán khuyến nghị theo phân bố dựa trên mô hình hỗn hợp Gaussian
1
ĐỀ XUẤT THUẬT TOÁN KHUYẾN NGHỊ
THEO PHÂN BỐ DỰA TRÊN MÔ HÌNH
HỖN HỢP GAUSSIAN
Nguyễn Văn Đạt∗, Tạ Minh Thanh‡†
∗Sun* Inc., 13F Keangnam 72 Tower, Plot E6, Phạm Hùng, Nam Từ Liêm, Hà Nội
†Học Viện Kỹ Thuật Quân Sự, 239 Hoàng Quốc Việt, Cầu Giấy, Hà Nội
Tóm tắt—Ngày nay, các hệ thống khuyến nghị phân phối, Gaussian Mixture Model - GMM, Gaus-
được tích hợp vào hầu hết các trang thương mai sianFilter Function, Collaborative Filtering.
điện tử giúp tăng cường năng suất bán hàng cho các
doanh nghiệp bằng cách hỗ trợ người tiêu dùng tìm
I. MỞ ĐẦU
được những sản phẩm phù hợp, chất lượng nhất.
Hiện nay, có khá nhiều thuật toán khuyến nghị tốt
và hiệu quả, tuy nhiên, thuật toán content-based
recommendation vẫn là thuật toán phổ biến nhất
được sử dụng trong giai đoạn đầu của các dự án.
Trong một số trường hợp, độ chính xác của kết
quả từ thuật toán content-based vẫn là một điều lo
ngại khi bài toán liên quan đến độ tương tự về phân
phối giữa các thành phần. Thêm nữa, các phương
pháp để đo độ tương đồng cũng là một vấn đề quan
trọng ảnh hưởng đến độ chính xác của các thuật
toán content-based trong các bài toán về độ tương
đồng giữa các phân phối. Để giải quyết hai vấn đề
này, chúng tôi đề xuất một thuật toán content-based
mới dựa trên mô hình hỗn hợp gaussian giúp tăng
độ chính xác cho kết quả đầu ra. Mô hình đề xuất
được thực nghiệm trên một bộ dữ liệu về rượu bao
gồm 6 chỉ số về mùi vị, dữ liệu tag mô tả về vị của
rượu và một số trường thông tin khác. Thuật toán
này sẽ gom n bản ghi dựa trên n vectors 6 chiều
thành k nhóm (k < n) trước khi áp dụng một công
thức để sắp xếp các kết quả trả về. So sánh kết quả
mô hình đề xuất với 2 thuật toán phổ biến khác
trên bộ dữ liệu trên, kết quả thực nghiệm thu được
không chỉ đạt được độ chính xác tốt hơn, mà thời
gian thực thi của mô hình cũng vượt qua điều kiện
cho việc áp dụng vào các ứng dụng thực tế.
A. Tổng quan
Với sự phổ biến của mạng Internet trong những
năm gần đây, công nghệ đã mang lại những cơ
hội rất lớn phục vụ tự động hoá đến cuộc sống
của con người. Mặt khác, sự đa dạng và dư thừa
thông tin, nội dung trên các website, thư viện số
là yếu tố dẫn đến sự ngày càng khó khăn trong
việc tìm kiếm thông tin thực sự cần thiết cho mỗi
nhu cầu cá nhân [7, 11, 2]. Hệ thống khuyến nghị
(Recommendation systems) là một giải pháp hiệu
quả để giải quyết vấn đề này mà không cần người
dùng cung cấp các yêu cầu cụ thể [31, 33]. Thay
vào đó, các hệ thống khuyến nghị có thể phân tích
nội dung các thuộc tính của các sản phẩm, đối
tượng để có thể tự động gợi ý ra những thông tin
làm hài lòng những nhu cầu và sở thích của người
dùng [17, 15]. Kiến trúc chung cho các thuật toán
content-based (CB) được hiển thị trong hình 1.
Ngày nay, làm thế nào để xây dựng và thiết kế
một thuật toán khuyến nghị đã trở thành các chủ
đề tập trung cần được nghiên cứu.
Thuật toán content-base trong hệ thống khuyến
nghị được sử dụng rộng rãi bởi tính đơn giản
và hiệu quả của nó trong thời kỳ đầu của bất
kỳ dự án nào. Theo Pasquale Lops et. al. [14]
trong Chương 3 “Content-based recommendation
system: State of the Art and Trends" đã nhấn
mạng rằng có rất nhiều lợi ích thu được từ các
thuật toán content-based so với các thuật toán
cùng loại là Collaborative Filtering (CF) như là:
tính độc lập giữa người dùng, minh bạch, vấn
Từ khóa—Hệ thống khuyến nghị, Content-Based,
mô hình hỗn hợp gaussian, hệ thống khuyến nghị
Tác giả liên hệ: Nguyễn Văn Đạt, Email:
Đến tòa soạn: 04/2020, chỉnh sửa: 7/2020, chấp nhận
đăng: 07/2020.
‡ Corresponding author
SỐ 02 (CS.01) 2020
TẠP CHÍ KHOA HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG
61
Đề xuất thuật toán khuyến nghị theo phân bố dựa trên mô hình hỗn hợp Gaussian
cột so sánh sự khác nhau giữa 6 thuộc tính của hai
sản phẩm (1 sản phẩm gốc (màu lam), 1 sản phẩm
được gợi ý (màu cam)) được trả về bằng việc sử
dụng công thức sắp xếp khoảng cách (biểu đồ
trên) và phân phối (biểu đồ dưới). Các bài toán
khuyến nghị dựa trên xác xuất phân phối của các
thuộc tính không thể được giải quyết bằng những
phương pháp thông thường.
Một điều khó khăn nữa, các nội dung mô tả
sản phẩm đôi khi là không đáng tin cậy, không
đầy đủ, không chính xác gây ra giảm độ chính
xác trong các bài toán CB [11].
Hình 1: Cấu trúc hệ thống khuyến nghị dựa trên
thuật toán content-based
B. Đóng góp chính của bài báo
Để giải quyết hai vấn đề nêu trên, chúng tôi
đề xuất một phương pháp tiếp cận mới sử dụng
GMM [25] để gom nhóm tất cả các sản phẩm
thành các nhóm khác nhau, sau đó, áp dụng một
công thức bộ lọc Gaussian tính trọng số (Gaussian
Filter Function - GFF) như một phương pháp tính
độ tương đồng để sắp xếp kết quả trả về. Để chứng
minh tính hiệu quả của mô hình, chúng tôi thực
nghiệm và so sánh với 2 phương pháp CB phổ
biến khác, Bag of Word (BOW)[1] với GFF (BOW
+ GFF), và GMM với Euclidean Distance (ED)
[13] (GMM + ED). Mô hình đề xuất của chúng tôi
cố gắng thực hiện một hệ thống sử dụng chủ yếu
những tính chất đặc trưng của sản phầm của các
trang thương mại điện tử để đưa ra được hệ thống
khuyến nghị với độ chính xác cao và hiệu năng tốt
nhất. Dựa vào kết quả thực nghiệm, chúng tôi có
thể kết luận rằng, mô hình của chúng tôi không
chỉ tốt hơn hẳn về độ chính xác, mà còn đạt tốc
đề cold-start khi thêm một sản phẩm mới. Bên
cạnh đó, thuật toán này vẫn còn tồn tai những
mặt hạn chế như: giới hạn về mặt nội dung cho
việc phân tích, tính chuyên môn hoá, thiếu dữ liệu
đánh giá từ người dùng, hay thiếu độ chính xác
cần thiết cho một vài bài toán đặc biệt. Hangyu
et. al. [29] đã sử dụng Gaussian mixture model
(GMM) cho thuật toán khuyến nghị CF để giải
quyết vấn đề thưa thớt dữ liệu đánh giá từ phía
người dùng. Chen et. al. [4] đã đề xuất một mô
hình lai kết hợp giữa GMM với thuật toán khuyến
nghị item-based CF để dự đoán ra dữ liệu đánh giá
của người dùng cho các sản phẩm giúp làm tăng
độ chính xác trên các hệ thống khuyến nghị. Rui
Chen et. al. [3] tận dụng GMM với ma trận tăng
cường factorization giúp làm giảm đi tác động tiêu
cực của dữ liệu rời rạc nhiều chiều. Trong ngữ
cảnh của các bài toán gợi ý bài hát, Yoshii et. al.
[30] đã đề xuất một hệ thống khuyến nghị lai,
bằng việc kết hợp CF sử dụng dữ liệu người dùng
đánh giá và các giá trị thuộc tính content-based
được mô hình hoá bằng GMM dựa trên MFCCs
(Mel-frequency Cepstral Coefficients) qua việc
tận dụng một mạng Bayesian. Tuy nhiên, có một
điểm cần lưu ý đó là, các hệ thống lai hoặc hệ
thống CF yêu cầu lịch sử hành vi của người dùng
để hoạt động hiệu quả, điều mà các hệ thống CB
có thể giải quyết mà không cần đến các dữ liệu
kiểu này. Thêm nữa, các thuật toán CB dựa trên
phân phối các thuộc tính của các sản phẩm vẫn
chưa được giải quyết. Một ví dụ điển hình của
việc sử dụng CB giúp tự động tìm kiếm ra các sản
phẩm tương đồng dựa trên phân phối và khoảng
cách được hiển thị ở Hình 2, đây là hai biểu đồ
Hình 2: Ví dụ giữa việc sử dụng công thức khoảng
cách và phân phối cho hệ thống khuyến nghị dựa
trên phân phối thuộc tính
SỐ 02 (CS.01) 2020
TẠP CHÍ KHOA HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG
62
Nguyễn Văn Đạt, Tạ Minh Thanh
độ trả về kết quả nhanh hơn so với hai mô hình sản phẩm có khả năng nhất phù hợp với từng cá
đã được đề xuất trước đó.
nhân, và nó mang tính cá nhân hoá. Hệ thống sẽ
phân tích một bộ các sản phẩm đã được đánh gía
bởi người dùng và dựa vào đó để xây dựng lên
một bộ hồ sơ về sở thích cho từng người dùng.
Bộ hồ sơ này được biểu diễn dưới dạng dữ liệu có
cấu trúc về sự quan tâm của người dùng trên toàn
bộ tập sản phẩm. Về cơ bản cách hoạt động, hệ
thống sẽ dựa trên các bộ hồ sơ này và thuộc tính
của từng sản phẩm để đưa ra những dự đoán đánh
giá cho các sản phẩm chưa được người dùng xem
đến hoặc đánh giá. Và từ đó, dựa vào giá các giá
trị đánh giá này để trả về cho người dùng những
sản phẩm mà họ có thể quan tâm nhất.
C. Cấu trúc bài báo
Trong bài báo này, chúng tôi tổ chức nội dung
như sau. Các kiến thức liên quan được trình bày
trong mục 2. Trong mục 3, kiến trúc và chi tiết
mô tả về mô hình được đưa ra. Thí nghiệm và
đánh giá được trình bày trong phần 4. Kết luận,
dự kiến nội dung cải thiện và xu hướng nghiên
cứu được đưa ra trong mục 5.
II. CÁC KỸ THUẬT LIÊN QUAN
Trong mục này, chúng tôi sẽ trình bày một số
kỹ thuật liên quan cần được sử dụng trong bài báo.
Chi tiết các phần sẽ được trình bày dưới đây:
B. Độ đo sự tương đồng
Trong thuật toán content-based, công thức tính
toán mức độ tương đồng trực tiếp ảnh hưởng đến
độ chính xác của kết quả đầu ra. Một số công
thức phổ biến sẽ được liệt kê dưới đây:
euclidean distance: đây là một trong
những công thức phổ biến nhất dùng để đo độ
tương đồng giữa 2 vectors bằng việc tính toán
căn bậc hai tổng bình phương khoảng cách của
từng phần tử tương ứng trong vector:
A. Hệ thống khuyến nghị Content-Based
Đây là một trong những thuật toán khuyến nghị
phổ biến và thông dụng nhất. Thuật toán dựa trên
ý tưởng bằng việc sử dụng các mô tả đặc trưng
các thuộc tính của các sản phẩm cho mục đính
khuyến nghị. Bài toán khuyến nghị này có thể
được chia ra làm 2 nhánh chính: Chỉ phân tích
các thuộc tính của sản phẩm, hoặc xây dựng các
bộ hồ sơ người dùng cho từng cá nhân dựa trên
các đặc tính và dữ liệu đánh giá của sản phẩm.
1) Hệ thống khuyến nghị dựa trên phân tích
thuộc tính của sản phẩm: Với trường hợp dữ liệu
là dữ liệu thô, thuần khiết về các thuộc tính sản
phẩm, và không có tính cá nhân hoá, chúng ta
có thể xây dựng một hệ thống khuyến nghị dựa
trên sự tương đồng giữa các thuộc tính này. Ví dụ,
chúng ta có N bản ghi Xn = {x1, x2, ..., xn} với
xi có h thuộc tính xi = {p1, p2, ..., ph}; trong đó
pi có thể phản ánh bất kỳ một giá trị nào đó đó
ngoài đời thực, chẳng hạn như: giá cả, thẻ tags,
nội dung miêu tả, nhãn hiệu... Tư tưởng chính ở
đây là cố gắng tìm ra các sản phẩm có những
vùng nội dung giống nhau nhiều nhất có thể để
nhóm chúng thành một nhóm các sản phẩm tương
đồng.
d(p, q) =
p
(p1 − q1)2 + (p2 − q2)2 + ... + (pn − qn)2
v
u
n
X
u
t
=
(pi − qi)2
i
(1)
Trong đó pi, qi là 2 vectors tương ứng biểu diễn
các thuộc tính của 2 sản phẩm pi, qi dưới dạng số.
Cosin: Công thức đo độ tương đồng giữa hai
vectors bằng việc tính toán cosine góc giữa 2
vectors này [21].
~ ~
i.j
~ ~
cosin(i, j) =
(2)
~
~
| i |. | j |
2) Xây dựng hồ sơ người dùng dựa trên thuộc
tính sản phẩm: Trong trường hợp này, chúng ta
giả sử có C người dùng Un = {u1, u2, ..., uc}, n
sản phẩm Xn = {x1, x2, ..., xn}, và dữ liệu đánh
giá trên một vài sản phẩm của từng người dùng.
Giá trị của thước đo này được trả về trong
khoảng [-1, 1], trong đó i, j là 2 vectors tương
ứng biểu diễn 2 sản phẩm khác nhau.
Pearson: Hệ số tương quan pearson phản ánh
Tư tưởng chính ở đây là tận dụng dữ liệu đánh mức độ tương quan tuyến tính giữa 2 vectors [26],
giá rời rạc của các người dùng để dự đoán một số được định nghĩa như sau:
SỐ 02 (CS.01) 2020
TẠP CHÍ KHOA HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG
63
Đề xuất thuật toán khuyến nghị theo phân bố dựa trên mô hình hỗn hợp Gaussian
P
r∈ i,j(Ri,r−Ri)(Rj ,r−Rj )
q
q
p(i, j) =
P
P
r∈ i,j(Ri,r−Ri)2
r∈ i,j(Rj ,r−Rj )2
(3)
Giá trị của p(i, j) trả về sẽ nằm trong khoảng [-
1, 1], trong đó r là phần giao nhau giữa các phần
khác nhau giữa 2 vectors i, j. Ri, Rj là trung bình
giá trị của 2 vectors i, j.
Jaccard: Độ tương đồng Jaccard thường được
sử dụng để đo độ tương đồng và khác nhau giữa 2
tập mẫu hữu hạn [19], được định nghĩa như sau:
Hình 3: Mô hình hỗn hợp Gaussian
| A ∩ B |
Giả
sử
rằng
một
tập
mẫu
J(A, B) =
(4)
D
=
{x1, x2, x3, ..., xm} tuân theo phân
| A | + | B | − | A ∩ B |
phối hỗn hợp Gaussian, chúng ta có thể sử dụng
một biến ngẫu nhiên zj ∈ {1, 2, ..., k} để biểu
diễn thành phần hỗn hợp của mẫu xj, ở đó các
giá trị của nó là không xác định. Ngoài ra, có
thể nhận ra rằng xác suất trước P(zj = i) của
zj tương ứng với αi(i = 1, 2, 3, ..., k). Theo lý
thuyết Bayes [12], chúng ta có thể thu được xác
suất sau của zj được định nghĩa như sau:
Trong đó, A và B là 2 tập mẫu khác nhau.
C. Mô hình hỗn hợp Gaussian (GMM)
GMM là một hàm số được tổng hợp từ rất nhiều
bộ Gaussians, được sử dụng để giải quyết các bài
toán liên quan đến dữ liệu ở cùng một tập chứa
các phân phối khác nhau [24, 5], mỗi phân phối
được định nghĩa bởi k ∈ {1..K}, trong đó K là
số cụm của bộ dữ liệu. Mỗi Gaussian k trong hỗn
hợp này được tổng hợp từ các tham số sau:
(i) Giá trị trung bình µ định nghĩa trung tâm
của cụm.
(ii) Hiệp phương sai Σ định nghĩa biên của
cụm.
(iii) Giá trị xác suất α định nghĩa mức độ lớn
hay nhỏ của hàm Gaussian.
P(zj = i).p(xj|zj = i)
p(zj − i|xj) =
p(xj)
αi.N(xj|µi, Σi)
=
(8)
P
k
l=1 αl.N(xj|µl, Σl)
Trong công thức trên, p(zj = i|xj) biểu diễn
xác suất sau của mẫu xj được sinh ra từ thành
phần hỗn hợp Gaussian thứ i. Giả sử γij
=
GMM được định nghĩa như sau:
{1, 2, 3, ..., k} biểu diễn p(zj = i|xj). Khi tham
số mô hình {(αi, µi, Σi)|1 ≤ i ≤ k} trong
công thức trên được tìm ra, các cụm của mô
hình hỗn hợp Gaussian chia mẫu D thành k cụm
C = {C1, C2, ..., Ck} [24], và nhãn cụm λj của
mỗi mẫu xj có thể được định nghĩa theo công
thức sau:
k
X
p(x) =
αi.N(x|µi, Σi),
(5)
i=1
trong đó, N(x|µi, Σi) là thành phần thứ i của mô
hình lai này, là hàm mật độ xác suất của vector
x có n chiều tuân theo phân phối Gaussian và có
thể được định nghĩa như sau:
λj = arg maxi∈1,2,3,...,kγji
(9)
Dựa vào công thức, chúng ta có thể đưa xj vào
P−1
12 (x−µ)T
1
N(x) =
1 ꢀ−
(x−µ), (6)
cụm Cλ . Tham số mô hình này {(αi, µi, Σi)|1 ≤
n
j
2
2
(2π) | Σ |
i ≤ k} được giải quyết bởi thuật toán EM [16].
và
D. Tập dữ liệu
k
X
Mô hình đề xuất của chúng tôi được thực hiện
trên một bộ dữ liệu về rượu, cụ thể hơn, về rượu
αi = 1
(7)
i=1
SỐ 02 (CS.01) 2020
TẠP CHÍ KHOA HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG
64
Nguyễn Văn Đạt, Tạ Minh Thanh
Tuy nhiên, đây thực sự là một bộ dataset khó,
do thiếu dữ liệu hoặc dữ liệu không đồng đều dẫn
đến sự rời rạc trong dữ liệu, đặc biệt là trong 6
chỉ số f1, ..., f6. Vì vậy, nhiệm vụ của chúng ta
trở nên khó khăn hơn, ảnh hưởng trực tiếp đến
kết quả hệ thống. Cụ thể hơn, hơn 30% các giá
trị trường 6 chỉ số là rỗng, 2% không tồn tại chỉ
số mùi vị tags. Thêm nữa, rất nhiều giá trị tags
là không chính xác, không tin cậy cần được tiền
xử lý và xoá bỏ nhiễu. Dưới đây là bảng thống kê
các giá trị rỗng trong bộ dữ liệu, một số trường
không được liệt kê trong bảng này.
III. MÔ HÌNH ĐỀ XUẤT THUẬT TOÁN
Trong phần này, chúng tôi sẽ giới thiệu và giải
thích chi tiết hơn về mô hình đề xuất. Như đã đề
cập ở phần trước, nhiệm vụ của chúng ta là phải
trả về những sản phẩm rượu giống nhất có thể
với một sản phẩm mà khách hàng đang xem, dựa
vào 19 thuộc tính của sản phẩm. Đặc biệt hơn, 6
chỉ số mùi vị và tags mùi vị là những tác nhân
chính ảnh hưởng trực tiếp đến kết quả cả về độ
chính xác và tính giác quan. Vì vậy, chúng tôi chỉ
chọn 6 chỉ số mùi vị và tags mùi vị để cho kết
quả tốt hơn. Càng giống nhau về 6 chỉ số này, kết
quả gợi ý cho người dùng càng chính xác. Dựa
trên nguyên lý này, chúng tôi đề xuất một phương
pháp tận dụng sự tương đồng trong phân phối của
dữ liệu để tăng cường độ chính xác của kết quả
trả về.
Trong đề xuất của chúng tôi, thay vì sử dụng
các vector 6 chiều để tính toán độ tương đồng
bằng các công thức cosine hay euclidean, chúng
tôi đầu tiên sử dụng GMM để nhóm tất cả các
bản ghi thành K = {1, 2, 3, ..., k} nhóm, sau đó
sắp xếp kết quả ở mỗi nhóm với từng bản ghi ở
từng nhóm. Để sắp xếp các kết quả này, như đã đề
cập chúng ta hoàn toàn có thể sử dụng các công
thức tính độ tương đồng phổ biến như cosine hoặc
euclidean, tuy nhiên, để thu được kết quả tốt hơn,
chúng tôi sẽ sử dụng một công thức tính trọng số
giữa các phân phối của 2 vector tuân theo phân
Hình 4: Trực quan hoá 6 chỉ số mùi vị
sake là một trong những loại rượu nổi tiếng nhất
của Nhật Bản. Tập dữ liệu này được thu thập từ
bộ dữ liệu của Sakenowa1. Đây là một trang web
nổi tiếng và uy tín chuyên bán rượu sake tại xứ
sở hoa anh đào. Các thí nghiệm trong thuật toán
đề xuất và thuật toán so sánh đều được tiến hành
thử nghiệm trên bộ dữ liệu Sakenowa này và so
sánh với kết quả thực tế mà trang thương mại rượu
Sakenowa đang sử dụng để khuyến nghị các loại
rượu cho khách hàng.
Bộ dataset này tổng cộng chứa 1072 bản ghi
được đặc trưng bởi 19 thuộc tính như tên rượu,
thương hiệu rượu, năm sản xuất, ảnh rượu, tags về
mùi vị của rượu, 6 chỉ số về rượu (f1, f2, ..., f6)
biểu diễn cho fruity, mellow, rich, mild, dry và
light, chúng tôi để nguyên văn bản gốc tiếng anh
để giữ nguyên được bản sắc và tính trừu tượng
của 6 chỉ số mùi vị này)... Đáng chú ý hơn, tags
về mùi vị rượu, 6 chỉ số về rượu đóng vai trò quan
trọng hơn các thuộc tính khác.
Khoảng giá trị của 6 chỉ số (f1, · · · , f6) trong
khoảng [0, 1], trong đó phần lớn giá trị thuộc [0.2,
0.6]. Giá trị các trường văn bản trong bộ dữ liệu
này đều là ngôn ngữ nhật. Nhiệm vụ của thuật
toán khuyến nghị là bằng cách nào đó tự động
trả về những loại rượu tương đồng, giống nhất có
thể với một loại rượu mà người dùng đang xem.
Hình 4 mô phỏng về 6 chỉ số rượu đang được
dùng làm đặc trưng chính trong trang Sakenowa.
Bảng I: Bảng thống kê các trường dữ liệu rỗng
f1..6
Số thực
30.4 %
Tags mùi vị Tên sản phẩm
Kiểu chuỗi
Kiểu chuỗi
13.4 %
1.77 %
1https://sakenowa.com
SỐ 02 (CS.01) 2020
TẠP CHÍ KHOA HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG
65
Đề xuất thuật toán khuyến nghị theo phân bố dựa trên mô hình hỗn hợp Gaussian
Hình 6: Trực quan hoá GMM
rượu. Theo cách thông thường và phổ biến, chúng
ta sẽ xây dựng 1 vector biểu diễn tất cả các thuộc
tính của từng loại rượu, rồi tận dụng các phương
pháp so sánh độ tương đồng như cosine hoặc
euclidean để sắp xếp và trả về top kết quả. Tuy
nhiên, trong một vài trường hợp, các chỉ số mùi
vị tags là không đủ độ chính xác, có nhiều độ
nhiễu, dẫn đến ảnh hướng xấu đến kết quả cuối
cùng. Thêm nữa, có một vấn đề không dễ dàng
có thể nhận thấy được là luôn luôn có sự bù nhau
giữa các thuộc tính nếu ta sử dụng các thuật toán
so sánh khoảng cách để đo sự tương đồng nhau
giữa các vectors. Cụ thể hơn đó là sự không đồng
đều giữa 6 chỉ số mùi vị của kết quả trả về.
Do đó, chúng tôi quyết định nhóm tất cả các
sản phẩm dựa theo phân phối của 6 chỉ số mùi
vị thành các nhóm khác nhau để đảm bảo những
sản phẩm có cùng phân phối 6 chỉ số này sẽ ở
cùng nhóm với nhau. Nếu không thống nhất việc
chọn đặc trưng của các sản phẩm để phân cụm
dựa theo phân phối của thuộc tính thì sẽ dễ bị chi
phối bởi rất nhiều những thông tin nhiễu, giảm độ
chính xác dẫn đến khó ứng dụng trong các thuật
toán khuyến nghị. Tham khảo Hình 6 mô phỏng
hoá các sản phẩm sau khi được phân cụm.
Hình 5: Mô hình hoạt động thuật toán
phối Gaussian. Mô hình hoạt động của mô hình
thuật toán được hiển thị ở Hình 5.
A. Tiền xử lý dữ liệu
Thực tế chỉ ra rằng, text mining là vô cùng quan
trọng mọi bài toán liên quan đến văn bản, và thuật
toán CB không phải là một ngoại lệ. Hơn nữa,
chúng tôi chỉ chọn tags mùi vị và 6 chỉ số mùi
vị như là các đặc trưng chính cho việc tính toán
mức độ tương đồng giữa các sản phẩm. Trong đó,
tags mùi vị là 1 tập các văn bản được viết bằng
tiếng Nhật và cần được làm sạch và cấu trúc lại
trước khi đưa vào mô hình tính toán.
Chúng tôi chuyển đổi 6 chỉ số mùi vị thành số
thực và cần thực hiện 1 số thuật toán làm sạch
và cấu trúc lại dữ liệu văn bản như tokenization,
stemmings, stop word removal, tìm và thay thế từ
đồng nghĩa, lemmatization,... [22, 6, 23] trước khi
sử dụng. Thêm nữa, trường chỉ số tags mùi vị đã
được tách thành các từ có nghĩa, vì vậy chúng tôi
có thể bỏ qua bước tokenization và thực hiện các
bước tiếp theo.
C. Sắp xếp với hàm Gaussian Filter
Chúng ta có K = {1, 2, 3, ..., k} cụm, chúng
ta sẽ giả sử mỗi sản phẩm truy vấn sẽ là trung
tâm của mỗi cụm mà chúng ta muốn tìm. Vì vậy,
mục tiêu của chúng ta là tìm ra top m sản phẩm
giống nhau nhất có thể về phân phối giữa 6 chỉ số
thuộc tính, do đó, Gaussian Filter Function (GFF)
B. Phân cụm
Chúng tôi nhận ra rằng kết quả dự đoán cuối là sự lựa chọn tốt hơn so với cosine hay euclidean.
cùng phụ thuộc rất lớn vào 6 chỉ số mùi vị của Công thức GFF được định nghĩa như sau:
SỐ 02 (CS.01) 2020
TẠP CHÍ KHOA HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG
66
Nguyễn Văn Đạt, Tạ Minh Thanh
trong 6 chỉ số mùi vị rượu giữa itemi và itemj
trong cụm k (k = {1, ..., K} K cụm), levtags(i, j)
là hàm levenshtein để so sánh mức độ tương đồng
giữa các chỉ số tags của hai vectors.
Chúng tôi nhận ra rằng, giá trị S(i, j) giữa 2
vector càng lớn, càng có sự giống nhau giữa 2 sản
phẩm được so sánh. Vì vậy, chúng tôi sắp xếp theo
thứ tự giảm dần của tất cả sản phẩm trong từng
cụm và trả về top m sản phẩm giống nhất với mỗi
sản phẩm trong từng cụm.
(fil − fjl)2
2σk2l
Gkl(fil, fjl) = exp −
,
(10)
trong đó, Gk(fil, fjl) được xem xét như 1 hàm
tính trọng số giữa từng cặp giá trị thứ l trong 6
chỉ số mùi vị của 2 sản phẩm khác nhau (i, j)
trong cụm k, l = {1, 2, 3, ..., 6}, và σkl là độ lệch
chuẩn của giá trị chỉ số f thứ l trong cụm k, công
thức σkl được định nghĩa như sau:
s
P
nk
i=1
(filk − µ)2
F. Mô hình giả mã
σkl
=
,
(11)
nk − 1
Để rõ ràng hơn, chúng tôi đưa ra tiến trình xử
lý thuật toán đề xuất dưới dạng giả mã để người
đọc dễ dàng hiểu và hình dung hơn về toàn bộ
mô hình đề xuất của chúng tôi. Hãy xem mô hình
giả mã sau:
trong đó, nk là số lượng các sản phẩm thuộc cụm
k, filk là giá trị thứ l của f trong 6 chỉ số mùi
vị của sản phẩm thứ i trong cụm k, µ là giá trị
trung bình thuộc tính fl trong nhóm k.
Chúng ta sẽ tính 6 lượt cho từng chỉ số f trong
6 chỉ số mùi vị cho mỗi cặp sản phẩm trên toàn
bộ sản phẩm trong một cụm, rồi sắp xếp theo thứ
tự giảm dần để tìm được kết quả tốt nhất.
Algorithm 1: Mô hình thuật toán đề xuất
Đầu vào: Số cụm k
Đầu ra: Top m sản phẩm tương khác tự
nhau của mỗi sản phẩm
Data: Bộ dữ liệu L
1. Tiền xử lý dữ liệu cho các trường văn
bản
D. Khoảng cách Levenshtein so sánh tags
Các tags mùi vị cũng đóng vai trò khá quan
trọng ở kết quả đầu ra, vì vậy chúng ta có thể coi
chỉ số này có mức độ và vai trò tương tự như 1
trong 6 chỉ số mùi vị. Để tính toán và so sánh mức
độ giống nhau giữa 2 giá trị tags của 2 sản phẩm,
chúng tôi sử dụng levenshtein distance (LD) để
giải quyết vấn đề này [8, 32]. Công thức của
2. Xây dựng ma trận của vector 6 chiều
đại diện cho 6 chỉ số mùi vị (f1 − f6)
3. Lấy ma trận này như là đầu vào cho
GMM để phục vụ cho quá trình đào tạo
và lưu giá trị cụm tương ứng cho mỗi
sản phẩm vào bộ dữ liệu.
4. for item in dataset do
- Lấy ra số cụm của sản
phẩm
levenshtein distance được định nghĩa bên dưới:
max(i, j), nếu min(i, j) = 0
leva,b(i, j) =
(12)
- Tìm tất cả những sản
phẩm có cùng số cụm với
sản phẩm truy vấn
- Áp dụng công thức (13) để
tính S(i, j) cho mỗi cặp sản
phẩm
leva, b(i − 1, j) + 1
min =
leva, b(i, j − 1) + 1, ngược lại
leva, b(i − 1, j − 1) + 1
(ai=bj )
E. Công thức sắp xếp cuối cùng
Kết hợp hàm tính trọng số cho 6 chỉ số mùi
vị và hàm so sánh tags mùi vị bởi levenshtein
distance (LD), chúng tôi thiết lập một công thức
cho việc sắp xếp kết quả đầu ra như sau:
- Trả về top m sản phẩm
tương tự bằng cách sắp xếp
theo thứ tự giảm dần
end
K
6
X X
IV. KẾT QUẢ THỰC NGHIỆM
S(i, j) =
Gkl(i, j) + levtags(i, j), (13)
k=1 l=1
Ở mục này, chúng tôi sẽ chứng minh tính đúng
trong đó, Gkl là hàm tính trọng số Gaussian Filter đắn và hiệu quả mô hình đề xuất. Bằng cách so
trong công thức (11) tương ứng với chỉ số thứ lth sánh mô hình đề xuất của chúng tôi với hai thuật
SỐ 02 (CS.01) 2020
TẠP CHÍ KHOA HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG
67
Đề xuất thuật toán khuyến nghị theo phân bố dựa trên mô hình hỗn hợp Gaussian
toán rất phổ biến và hiệu quả khác trong các hệ mình để chứng minh hiệu quả của GMM và GFF,
thống CB là BOW+GFF, GMM+ED. Chúng tôi đồng thời đưa ra so sánh và đánh giá cho kết quả
cũng chứng minh ảnh hưởng của GMM lên độ thí nghiệm.
chính xác và tính hiệu quả của GFF trong việc
1) Thí nghiệm 1: BOW + GFF: Lý do cho thí
tính toán mức độ tương đồng so với cosine và
nghiệm này là để xác thực tác động của GMM lên
euclidean.
độ chính xác của kết quả đầu ra so với thuật toán
BOW. Do đó, ở thí nghiệm này chúng tôi áp dụng
BOW kết hợp với GFF để cho kết quả đầu ra. Đầu
tiên, chúng tôi thực hiện tiền xử lý dữ liệu cho các
dữ liệu văn bản như stemming, replace synonyms,
filling missing data,... [22]. Như đã đề cập ở mục
trước, các trường văn bản quan trọng được viết
dưới ngôn ngữ Nhật, nên chúng tôi sử dụng một
số công cụ thư viện xử lý tiếng Nhật như Ginza
[9], Janome [10], JapaneseStemmer [18], được lấy
cảm hứng từ thuật toán Porter Stemming [28], để
tiền xử lý.
A. Phương pháp đánh giá
Phương pháp đánh giá phổ biến của các hệ
thống khuyến nghị thường là Mean Square Error
(MSE, trung bình bình phương lỗi) là giá trị trung
bình của tổng bình phương lỗi [27]. MSE càng
nhỏ kết quả dự đoán đầu ra càng gần với kết quả
thực tế. Nó được định nghĩa như sau:
n
X
1
MSE =
(ri − rb )2,
(14)
i
N
1
Trước khi sử dụng GFF cho việc sắp xếp kết
quả, chúng tôi sử dụng BOW cho các trường văn
bản đã được tiền xử lý để tìm ra ma trận vector
biểu diễn cho các sản phẩm. Bước kế tiếp, chúng
tôi sử dụng ma trận này như dữ liệu đầu vào cho
thuật tóan K-nearest neighbors (KNN) dựa trên
ý tưởng thuật toán không giám sát KNN Scikit-
Learn [20] để tìm ra top các sản phẩm tương đồng
nhau dựa vào các vectors này. Trong top các sản
phẩm này, chúng tôi áp dụng công thức S(i, j)
trong (13) để lấy ra những kết quả tốt nhất.
trong đó, ri vector biểu diễn sản phẩm được dự
đoán ra, và rb là vector gốc biểu diễn sản phẩm
i
truy vấn.
Chúng tôi cũng sử dụng kết quả khuyến nghị
từ Sakenowa như một thước đo chuẩn để so sánh
với 3 thuật toán thực nghiệm bởi vì Sakenowa là
website rất có uy tín, tính phổ biến, nổi tiếng tại
Nhật Bản trong rất nhiều năm. Bên cạnh đó, kết
quả khuyến nghị của Sakenowa cũng vô cùng ấn
tượng về độ chính xác và là một dịch vụ được tin
cậy lâu dài trong thực tế. Người đọc có thể truy
vấn tại Sakenowa tại đây https://sakenowa.com/
2) Thí nghiệm 2: GMM + ED: Ở mục này,
chúng tôi sẽ tận dụng GMM để gom nhóm n sản
phẩm vào k nhóm. Tuy nhiên, đầu tiên chúng tôi
vẫn áp dụng các bước tiền xử lý cho dữ liệu văn
bản như ở Thí nghiệm 1. Sau đó, chúng tôi xây
dựng một ma trận 6 chiều cho n sản phẩm, ma
trận này biểu diễn cho các chỉ số 6 mùi vị và
được đưa vào GMM để huấn luyện. Sau khi huấn
luyện, kết quả cụm cho từng sản phẩm sẽ được
lưu lại.
B. Phân tích thực nghiệm
Trong phần này, một vài thí nghiệm sẽ được
tiến hành để kiểm chứng ảnh hưởng của GMM
trong hệ thống gợi ý theo phân phối thuộc tính.
Mô hình đề xuất của chúng tôi được thực hiện
qua những bước như thống kê dữ liệu, làm sạch
dữ liệu, nhóm tất cả sản phẩm vào các cụm khác
nhau bằng GMM và cuối cùng sử dụng GFF và
LD để sắp xếp và trả về kết quả.
Ở bước tiếp theo, chúng tôi sẽ chuyển dữ liệu
văn bản tags mùi vị thành ma trận biểu diễn các
Để chứng thực sự hiệu quả của GMM và GFF từ dưới dạng tần suất xuất hiện của từng từ trong
cho kết quả dự đoán tốt hơn, chúng tôi chia thí toàn bộ danh sách tags mùi vị bằng cách sử dụng
nghiệm thành 3 phần. Đầu tiên, chúng tôi không CountVectorizer của Scikit-Learn [20], và ghép
sử dụng GMM, thay vào đó là thuật toán Bag- với ma trận (n, 6) bên trên để có được vector cuối
of-word (BOW) [1] trên một số thuộc tính như cùng biểu diễn đặc trưng cho từng sản phẩm. Bước
tags mùi vị trước khi áp dụng GFF để sắp xếp cuối cùng, để trả về được top sản phẩm tương tự
kết quả. Ở thí nghiệm thứ 2, chúng tôi áp dụng nhất với 1 sản phẩm đầu vào, chúng tôi chỉ cần
GMM+ED để làm rõ tác dụng của GMM. Và cuối tìm đến cụm chứa sản phẩm đó và áp dụng công
cùng chúng tôi thí nghiệm mô hình đề xuất của thức ED rồi sắp xếp kết quả trả về.
SỐ 02 (CS.01) 2020
TẠP CHÍ KHOA HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG
68
Nguyễn Văn Đạt, Tạ Minh Thanh
Hình 7: MSE áp dụng BOW+GFF
Hình 8: MSE áp dụng GMM+ED, GMM+GFF
3) Thí nghiệm 3: GMM + GFF: Hai thí
nghiệm trên của chúng tôi là để chứng minh tầm
quan trọng của GMM và GFF trong mô hình đề
xuất của chúng tôi ở thí nghiệm này. Tương tự
như xử lý trên, chúng tôi vẫn thực hiện các bước
tiền xử lý dữ liệu văn bản như ở hai thí nghiệm
trước. Tiếp theo chúng tôi xây dựng một ma trận
(n, 6) biểu diễn 6 chỉ số mùi vị cho n sản phẩm
và đưa vào GMM như dữ liệu đầu vào để đào tạo.
Lưu lại các giá trị cụm tương ứng của từng sản
phẩm.
Để gợi ý ra những sản phẩm tương đồng nhất
với một sản phẩm, chúng tôi chỉ cần tìm đến cụm
mà sản phẩm này thuộc về và coi nó như trung
tâm của cụm đó rồi sử dụng công thức (13) từng
cặp từng cặp với các sản phẩm khác trong cụm
đó. Sắp xếp các giá trị thu được theo thứ tự giảm
dần chúng ta sẽ thu được kết quả tốt nhất từ hệ
thống khuyến nghị.
Hình 9: Biểu đồ thống kê mức độ tương đồng kết
quả với sakenowa
C. Kết quả thí nghiệm và so sánh
sản phẩm gần nhất cho mỗi sản phẩm trong bộ dữ
liệu. Kết quả khuyến nghị từ Sakenowa cho mỗi
sản phẩm được trả về từ bộ API2; trong đó, f1...6
là giá trị tương ứng cho từng chỉ số mùi vị.
Ở Hình 7, danh sách giá trị của MSE được hiện
thị và chịu ảnh hưởng bởi các số neighboors khác
Tại phần này, chúng tôi so sánh thuật toán
đề xuất của mình với kết quả khuyến nghị từ
Sakenowa và 2 thuật toán CB khác. Chúng tôi kết
luận rằng độ chính xác thuật toán của chúng tôi
là tốt hơn Sakenowa và hai thuật toán còn lại. Kết
quả so sánh được thể hiện trong Hình 7, Hình 8
và Hình 9.
2https://sakenowa.com/api/v1/brands/flavor?f=0&fv
=
Cả 3 thí nghiệm của chúng tôi đều trả về top 10 f1, f2, f3, f4, f5, f6
SỐ 02 (CS.01) 2020
TẠP CHÍ KHOA HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG
69
Đề xuất thuật toán khuyến nghị theo phân bố dựa trên mô hình hỗn hợp Gaussian
Bảng IV: Thời gian dự đoán cho một lần thực
hiện
nhau trong khoảng [25-39] của KNN. Chúng ta có
thể dễ dàng nhận ra, mặc dù có xu hướng giảm,
nhưng nó là không đáng kể và thời gian cho một
lần tính toán là rất chậm do số neighboors tăng
lên.
BOW+GFF GMM+ED GMM+GFF
0.1856s 0.0174s 0.0156s
Thời gian
Tại Hình 8, khoảng cách của MSE giữa
GMM+ED và GMM+DFF được hiển thị. Dựa vào
biểu đồ này, có thể thấy GMM+GFF cho kết quả
tốt hơn so với GMM+ED và chứng minh được tác
dụng của GFF trong việc so sánh mức độ tương
đồng. Cả 2 thí nghiệm đều hiển thị sự ảnh hưởng
của số cụm GMM lên MSE trong khoảng [65-85].
V. KẾT LUẬN
Ở bài báo này, chúng tôi đã đề xuất một thuật
toán hiệu quả cho các bài toán gợi ý dựa theo
phân phối thuộc tính trong các hệ thống khuyến
nghị sử dụng thuật toán CB, và ứng dụng cho việc
giải quyết bài toán gợi ý rượu trong một ứng dụng
thực đang triển khai ở Nhật bản. Ngoài ra, chúng
tôi cũng đề xuất một công thức sắp xếp mới cho
danh sách kết quả tiềm năng thay vì sử dụng các
công thức phổ biến như Cosine hay Euclidean.
Thuật toán đề xuất không chỉ đạt được độ chính
xác cao, mà còn đạt được tốc độ xử lý rất nhanh
phù hợp với các ứng dụng thực tế. Thuật toán
hoàn toàn có thể áp dụng cho nhiều hoặc ít hơn
6 thuộc tính ở các bộ dữ liệu khác thay vì như thí
nghiệm trên bộ dữ liệu về rượu của chúng tôi. Mặc
dù có rất nhiều ưu điểm, tuy nhiên điểm hạn chế
của thuật toán là cần huấn luyện lại mô hình sau
khi có thêm một lượng các sản phẩm mới được
thêm vào. Hướng nghiên cúu trong tương lai của
chúng tôi là tìm cách cải thiện mô hình GMM
trong khâu phân cụm sản phẩm để đạt được kết
quả tốt hơn nữa.
Tại Hình 9, biểu đồ so sánh kết quả dự đoán
trên toàn bộ dữ liệu của mô hình chúng tôi với
kết quả gợi ý từ Sakenowa và xây dựng một danh
sách thống kê phần trăm tương đồng qua từng giá
trị cụm khác nhau.
Ở Bảng II và Bảng III, chúng tôi xây dựng
bảng thống kê giá trị của MSE được sinh ra từ
GMM+ED, BOW+GFF, GMM+GFF và kết quả
từ Sakenowa. Dựa vào bảng thống kê này có thể
nhận thấy rằng thuật toán GMM+GFF của chúng
tôi cho kết quả tốt hơn hoàn toàn so với các thuật
toán còn lại, và chứng minh được tính hiệu quả
của thuật toán đề xuất trên bộ dữ liệu. Thêm nữa,
thời gian xử lý của chúng tôi được thể hiện trong
Bảng IV cũng cho thấy tốt hơn và nhanh hơn so
với các thuật toán được đề xuất trước đây.
Bảng II: Giá trị MSE theo số lượng cụm GMM
khác nhau
TÀI LIỆU THAM KHẢO
[1] Sounak Bhattacharya and Ankit Lundia.
“Movie Recommendation System Using
Bag Of Words and Scikit-learn”. In: In-
ternational Journal of Engineering Applied
Sciences and Technology 04 (Oct. 2019),
Số cụm GMM+ED GMM+GFF Sakenowa
65
70
75
80
85
0.02211
0.02135
0.02074
0.01939
0.01873
0.01738
0.01680
0.01613
0.01628
0.01580
0.01868
0.01868
0.01868
0.01868
0.01868
[2] Dirk Bollen, Bart Knijnenburg, and Mark
Willemsen. “Understanding choice over-
load in recommender systems”. In: Jan.
[3] Rui Chen, Qingyi Hua, and Gao. “A Hybrid
Recommender System for Gaussian Mix-
ture Model and Enhanced Social Matrix
Factorization Technology Based on Multi-
ple Interests”. In: Mathematical Problems
Bảng III: Giá trị MSE ảnh hưởng bởi số neigh-
boors trong KNN
Số neighbors BOW+GFF Sakenowa results
20
25
30
35
39
0.05254
0.04624
0.04228
0.03895
0.03709
0.01868
0.01868
0.01868
0.01868
0.01868
SỐ 02 (CS.01) 2020
TẠP CHÍ KHOA HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG
70
Nguyễn Văn Đạt, Tạ Minh Thanh
in Engineering 2018 (Oct. 2018), pp. 1–22. [15] Linyuan Lu¨, Matúsˇ Medo, and Chi Ho Ye-
ung. “Recommender systems”. English. In:
Physics Reports 519.1 (Oct. 2012), pp. 1–
[4] Kong Fan-sheng. “Hybrid Gaussian pLSA
model and item based collaborative filter-
ing recommendation”. In: Computer Engi-
neering and Applications (2010).
[5] Dilan Go¨ru¨r and Carl Rasmussen. “Dirich-
let Process Gaussian Mixture Models:
Choice of the Base Distribution”. In: J.
[16] Yang Lu, Xuemei Bai, and Feng Wang.
“Music Recommendation System Design
Based on Gaussian Mixture Model”. In:
ICM 2015. 2015.
Comput. Sci. Technol. 25 (July 2010), [17] Prem Melville and Vikas Sindhwani.
[6] Vairaprakash Gurusamy and Subbu Kan-
“Recommender Systems”. In: Jan. 2011,
nan. “Preprocessing Techniques for Text [18] MrBrickPanda. Japanese Stemmer. 2019.
Mining”. In: Oct. 2014.
[7] Ido Guy and David Carmel. “Social
Recommender Systems”. In: Jan. 2011, [19] Suphakit Niwattanakul, Jatsada Singth-
[8] Rishin Haldar and Debajyoti Mukhopad-
ongchai, and Naenudorn. “Using of Jaccard
Coefficient for Keywords Similarity”. In:
Mar. 2013.
hyay. “Levenshtein Distance Technique in [20] Fabian Pedregosa, Alexandre Varoquaux,
Dictionary Lookup Methods: An Improved
Approach”. In: Computing Research Repos-
itory - CORR (Jan. 2011).
and Michel. “Scikit-learn: Machine learn-
ing in Python”. In: Journal of machine
learning research 12.Oct (2011), pp. 2825–
2830.
[9] Mai Hiroshi and Masayuki. “Ginza NLP
[11] Shah Khusro, Zafar Ali, and Irfan Ul-
lah. “Recommender Systems: Issues, Chal-
“Application of Content-Based Approach
in Research Paper Recommendation Sys-
tem for a Digital Library”. In: International
Journal of Advanced Computer Science
lenges, and Research Opportunities”. In: [22] Reza Rahutomo, Febrian Lubis, and Muljo.
Feb. 2016, pp. 1179–1189. ISBN: 978-981-
“Preprocessing Methods and Tools in Mod-
elling Japanese for Text Classification”. In:
[12] Dar-Shyang Lee, Jonathan Hull, and B.
Erol. “A Bayesian framework for Gaussian [23] Martin Rajman and Romaric Besanc¸on.
mixture background modeling”. In: vol. 3.
“Text Mining: Natural Language techniques
and Text Mining applications”. In: Pro-
ceedings of the 7th IFIP Working Confer-
ence on Database Semantics (DS-7) (Jan.
[13] Leo Liberti, Carlile Lavor, and Maculan.
“Euclidean Distance Geometry and Appli-
cations”. In: SIAM Review 56 (May 2012).
[14] Pasquale Lops, Marco de Gemmis, and
Giovanni Semeraro. “Content-based Rec-
[24] Carl Rasmussen. “The Infinite Gaussian
Mixture Model”. In: vol. 12. Apr. 2000,
pp. 554–560.
ommender Systems: State of the Art and [25] Douglas Reynolds. “Gaussian Mixture
Trends”. In: Jan. 2011, pp. 73–105. DOI:
Models”. In: Encyclopedia of Biometrics
SỐ 02 (CS.01) 2020
TẠP CHÍ KHOA HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG
71
Đề xuất thuật toán khuyến nghị theo phân bố dựa trên mô hình hỗn hợp Gaussian
that affect the accuracy of content-based recom-
mendation in probabilistic problems. Face with
these problems, we propose a new content-based
recommendation based on the Gaussian mixture
model to improve the accuracy with more sensitive
results for probabilistic recommendation problems.
Our proposed method experimented in a liquor
dataset including six main flavor taste, liquor main
taste tags, and some other criteria. The method
clusters n liquor records relied on n vectors of six
dimensions into k group (k < n) before applying a
formula to sort the results. Compared our proposed
algorithm with two other popular models on the
above dataset, the accuracy of the experimental
results not only outweighs the comparison to those
of two other models but also attain a very speedy
response time in real-life applications.
[26] Philip Sedgwick. “Pearson’s correlation co-
efficient”. In: BMJ 345 (July 2012), e4483–
[27] Guy Shani and Asela Gunawardana. “Eval-
uating Recommendation Systems”. In:
[28] Karen Sparck Jones and Peter Willett,
eds. Readings in Information Retrieval. San
Francisco, CA, USA: Morgan Kaufmann
Publishers Inc., 1997. ISBN: 1558604545.
[29] Hangyu Yan and Yan Tang. “Collaborative
Filtering based on Gaussian Mixture Model
and Improved Jaccard Similarity”. In: IEEE
[30] Kazuyoshi Yoshii, Masataka Goto, and
Kazunori Komatani. “Hybrid Collaborative
and Content-based Music Recommendation
Using Probabilistic Model with Latent User
Preferences.” In: Jan. 2006, pp. 296–301.
[31] Bo Zhu, Jesus Bobadilla, and Fernando Or-
tega. “Reliability quality measures for rec-
ommender systems”. In: Information Sci-
ences (May 2018).
Từ khóa—Recommendation system, Content-
Based, Gaussian Mixture Model - GMM, Gaussian
Filter Function, Collaborative Filtering.
Nguyễn Văn Đạt đang theo học Thạc
sĩ Khoa học Máy tính tại Đại học
công nghệ Đại học quốc gia hà nội,
đã tốt nghiệp bằng Kỹ sư Phần mềm
tại trường Đại học Lê Quý Đôn năm
2017.
Lĩnh vực nghiên cứu là thị giác máy
và các hệ thống khuyến nghị.
[32] B. Ziolko, Jakub Gałka, and Dawid Skur-
zok. “Modified Weighted Levenshtein Dis-
tance in Automatic Speech Recognition”.
In: Jan. 2010.
[33] Harry Zisopoulos, Savvas Karagiannidis,
and Demirtsoglou. “Content-Based Recom-
mendation Systems”. In: (Nov. 2008).
Tạ Minh Thanh nhận bằng kỹ sư
CNTT và Thạc sĩ Khoa học Máy tính
của Học viện Phòng vệ Nhật Bản,
vào năm 2005 và 2008. Ông Thanh
là giảng viên của trường Đại học Lê
Quý Đôn từ năm 2005. Năm 2015,
ông nhận bằng Tiến sĩ Khoa học Máy
tính của Học viện Công nghệ Tokyo,
Nhật Bản. Ông đã được công nhận
chức danh Phó giáo sư của Hội đồng Giáo sư nhà nước vào
năm 2019. Ông cũng là thành viên của Hiệp hội IPSJ Nhật
Bản và Hiệp hội IEEE.
Lĩnh vực nghiên cứu của ông thuộc lĩnh vực thủy vân số,
công nghệ mạng, bảo mật thông tin và thị giác máy.
A PROPOSAL OF ROBUST CONTENT-
BASED RECOMMENDATION SYSTEM US-
ING GAUSSIAN MIXTURE MODEL
Tóm tắt—Recommendation systems play an very
important role in boosting purchasing consumption
for many manufacturers by helping consumers find
the most appropriate items. Furthermore, there is
quite a range of recommendation algorithms that
can be efficient; however, a content-based algorithm
is always the most popular, powerful, and produc-
tive method taken at the begin time of any project.
In the negative aspect, somehow content-based al-
gorithm results accuracy is still a concern that
correlates to probabilistic similarity. In addition,
SỐ 02 (CS.01) 2020
TẠP CHÍ KHOA HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG
72
12 trang
20980
Free
Bạn đang xem tài liệu "Đề xuất thuật toán khuyến nghị theo phân bố dựa trên mô hình hỗn hợp Gaussian", để tải tài liệu gốc về máy hãy click vào nút Download ở trên
File đính kèm:
- de_xuat_thuat_toan_khuyen_nghi_theo_phan_bo_dua_tren_mo_hinh.pdf
