Tải bản đầy đủ - 0 (trang)
CHƯƠNG 5 - KẾT LUẬN, HƯỚNG PHÁT TRIỂN

CHƯƠNG 5 - KẾT LUẬN, HƯỚNG PHÁT TRIỂN

Tải bản đầy đủ - 0trang

sản phẩm. Tuy nhiên, không phải người dùng lúc nào cũng sẵn sàng

để lại các phản hồi của họ, vì vậy cần nghiên cứu thêm các thuật tốn

gợi ý thơng qua phản hồi ẩn (implicit feedbacks).

 Chức năng gợi ý khi người dùng đăng nhập đang được tính offline và

lưu vào khối (module) tìm kiếm. Đối với tập dữ liệu lớn, nếu tính

online trên khối gợi ý thì khá chậm, ảnh hưởng tới trải nghiệm người

dùng.

 Hệ thống mới dừng lại ở dạng trình diễn (demo) để khẳng định tính

khả thi về mặt tích hợp cơng nghệ, còn thiếu nhiều tính năng thực tế

như: chưa có tính năng cho người dùng đánh giá sản phẩm, tính năng

cho quản trị hệ thống (quản lý người dùng, quản lý sản phẩm, bổ sung

và cập nhật dữ liệu mới).

5.1. HƯỚNG PHÁT TRIỂN

Từ những hạn chế trên, tôi xin đề xuất hướng phát triển, nghiên cứu tiếp

theo như sau:

 Nghiên cứu một số phương pháp chuyển phản hồi ẩn về phản hồi rõ

như dựa trên lịch sử mua hàng, lịch sử duyệt web và tìm kiếm, số lần

click chuột,... Chẳng hạn: một người dùng mua rất nhiều sách của

cùng một tác giả thì chứng tỏ anh ta thích tác giả đó. [10]

 Nghiên cứu các thuật toán gợi ý cho phản hồi ẩn, chẳng hạn SVD++

[17]

 Về vấn đề giảm thiểu thời gian khi tính tốn online có thể tiếp cận

theo hướng: Một là nghiên cứu khai triển thuật toán gợi ý trên nền

Hadoop để tận dụng khả năng xử lý song song. (Chẳng hạn thuật tốn

tối ưu ALS khi tính tốn có thể triển khai phân tán [18]). Hai là sử

dụng điện toán đám mây để tận dụng tài nguyên mạnh của các nhà

cung cấp.



61



 Phát triển thêm các tính năng mới cho hệ thống: tính năng cho người

dùng đánh giá sản phẩm, tính năng cho quản trị hệ thống (quản lý

người dùng, quản lý sản phẩm, bổ sung và cập nhật dữ liệu mới).



62



TÀI LIỆU THAM KHẢO

Sách tham khảo

[1].



Christopher D. Manning, Prabhakar Raghavan and Hinrich Schütze:

Introduction to Information Retrieval, Cambridge University Press, United

States of America, 2008



[2].



Jure Leskovec, Anand Rajaraman, Jeffrey David Ullman: Mining of Massive

Datasets, Cambridge University Press, United States of America, 2014



[3].



Clinton Gormley & Zachary Tong: Elasticsearch: The Definitive Guide.

O’Reilly, United States of America, 2015



[4].



Sean Owen, Robin Anil, Ted Dunning, and Ellen Friedman: Mahout in Action.

Manning, United States of America, 2012



[5].



Francesco Ricci, Lior Rokach, Bracha Shapira, Paul B. Kantor: Recommender

Systems Handbook, Springer, United States of America, 2010



[6].



Ted Dunning and Ellen Friedman: Practical Machine Learning. O’Reilly, United

States of America, 2014



Báo tham khảo

[7].



Badrul Sarwar, George Karypis, Joseph Konstan, and John Riedl: Item-based

Collaborative Filtering Recommendation Algorithms, University of Minnesota,

Minneapolis, MN 55455, 2001



[8].



Sebastian Schelter, Sean Owen: Collaborative Filtering with Apache Mahout,

RecSysChallenge’12, 2012



[9].



Yehuda Koren, Robert Bell and Chris Volinsky: Matrix Factorization

Techniques For Recommender System, IEEE Computer Society, 2009

Yehuda Koren, Yifan Hu and Chris Volinsky: Collaborative Filtering for

Implicit Feedback Datasets, IEEE Computer Society, 2008



[10].



Hình tham khảo

Christopher D. Manning, Prabhakar Raghavan and Hinrich Schütze:

Introduction to Information Retrieval, Chương 6, Trang 128. Cambridge

University Press, United States of America, 2008



[11].



63



Clinton Gormley & Zachary Tong: Elasticsearch: The Definitive Guide,

Chương 2, Trang 32. O’Reilly, United States of America, 2015



[12].



Sean Owen, Robin Anil, Ted Dunning, and Ellen Friedman: Mahout in

Action, Chương 4, Trang 47. Manning, United States of America, 2012



[13].



Link tham khảo

https://mapr.com/blog/recommendation-engines-driving-customerinteractions-next-best-action/



[14].



http://www.techrum.vn/threads/bi-mat-dang-sau-thanh-cong-ngoai-suctuong-tuong-cua-de-che-moi-noi-netflix.62713/



[15].



https://nlp.stanford.edu/IR-book/html/htmledition/the-vector-space-modelfor-scoring-1.html



[16].



[17].



https://mahout.apache.org/users/recommender/matrix-factorization.html



[18].



https://mahout.apache.org/users/recommender/intro-als-hadoop.html



[19].



https://en.wikipedia.org/wiki/Recommender_system



https://mapr.com/blog/inside-look-at-components-of-recommendationengine/



[20].



https://mapr.com/products/mapr-sandbox-hadoop/tutorials/recommendertutorial/



[21].



[22].



https://grouplens.org/datasets/movielens/



https://www.elastic.co/guide/en/elasticsearch/guide/current/practicalscoring-function.html



[23].



[24].



https://www.elastic.co/blog/found-elasticsearch-from-the-bottom-up



64



Tài liệu bạn tìm kiếm đã sẵn sàng tải về

CHƯƠNG 5 - KẾT LUẬN, HƯỚNG PHÁT TRIỂN

Tải bản đầy đủ ngay(0 tr)

×