ỨNG DỤNG PHẦN MỀM DEMO XÂY DỰNG CHƯƠNG TRÌNH PHÂN TÍCH NGỮ NGHĨA TRONG TÌM KIẾM TÀI LIỆU TRỰC TUYẾN

Page 1 of 130
LỜI NÓI ĐẦU
1 1. MỤC TIÊU VÀ Ý NGHĨA CỦA ĐỀ TÀI
Máy tính hiện nay đã đóng góp một phần không nhỏ vào đời sống, và đã trở nên
phổ dụng. Trong lĩnh vực lưu trữ dữ liệu, chỉ cần một ổ cứng 10x15x3 cm
3
là đã có
thể lưu trữ được số lượng sách tương ứng với cả một thư viện sách khổng lồ. Theo đó,
là vấn đề tra cứu dữ liệu trong kho dữ liệu như thế. Cũng như việc tổ chức trong thư
viện, việc lưu trữ tài liệu điện tử trong máy tính cũng được chia thành các loại sách,
và chủ đề lớn khác nhau. Hiện nay xu thế người đọc sách là coi sách là nguồn để tra
cứu những vấn đề mình quan tâm, chứ không phải học một kiến thức mới do một
cuốn sách mang đến. Vấn đề đặt ra là làm sao tư vấn cho người dùng những cuốn
sách nào liên quan nhiều nhất tới chủ đề người dùng yêu cầu (thông qua các từ khóa
được nhập) bằng phân tích nội dung và lịch sử truy cập của những người dùng trước.
Luận văn này đực thực hiện nhằm đề xuất ra được một phương thức xây dựng hệ
thống hỗ trợ tư vấn với các kết quả sau:
1 - Tư vấn hoàn toàn tự động các tài liệu cho người dùng theo từ khóa, lịch sử
truy cập của người dùng đó và những người dùng khác và sở thích của họ. Kết quả tư
vấn ngày càng chính xác hơn vì hệ thống có phân tích và cập nhật lịch sử truy cập của
người dùng.
2 - Giới thiệu tài liệu có độ tương tự nhất định với tài liệu đang nghiên cứu để
SVTH: Lê Ngọc Phương Trinh
Page 2 of 130
người dùng lựa chọn tài liệu tiếp theo nghiên cứu.
- Hệ thống khảo sát (survey) để thu thập các ý kiến đánh giá của người dùng về sự
tương tự của các tài liệu hệ thống gợi ý. Qua đó, càng thu thập nhiều sự đánh giá, kết
quả tư vấn cho người dùng càng sát với vấn đề người ta đặt ra hơn.
3 - Người dùng mới không nhất thiết phải đăng ký thông tin với hệ thống. Hệ
thống vẫn gợi ý cho người dùng thông qua phân tích nội dung và lịch sử truy cập hệ
thống.

4 - Đáp ứng các yêu cầu tìm kiếm trên các trang web (tìm kiếm trong site riêng
hoặc trên internet). Hệ thống hướng tới việc tìm kiếm và xây dựng cơ sở dữ liệu động
từ internet.
0 2. VẤN ĐỀ GIẢI QUYẾT
Có 2 phương pháp chủ đạo được dùng trong hệ tư vấn:
Phương pháp lọc cộng tác: là phương pháp tập hợp các đánh giá hoặc các quan
điểm của người dùng, nhận dạng sự tương đồng giữa các người dùng trên cơ sở các
phiên giao dịch của họ. Phiên giao dịch của người dùng được bắt đầu từ khi người
dùng đánh từ khóa và có tín hiệu search. Kết thúc phiên làm việc với một từ khóa mới
được nhập. Phương pháp lọc cộng tác ước lượng hàm đánh giá R(u,i) của item i với
user u dựa trên cơ sở đánh giá R(u’,i) của user u’ cho cùng item i mà trong đó u và u’
là tương tự nhau.
Phương pháp lọc cộng tác có các vấn đề như:
SVTH: Lê Ngọc Phương Trinh
Page 3 of 130
5 Sự thưa thớt: thực tế thì vấn đề của người dùng quan tâm (từ khóa) nó chiếm
phần rất nhỏ và sự đánh giá sự tương đồng cho tài liệu là rất nhỏ so với rất nhiều tài
liệu của hệ thống. Với hệ thống gợi ý trong luận văn này, các đánh giá, các nhận định
sẽ được lưu lại dần dần, loại bỏ dần những kết quả không chính xác.
6 Vấn đề tài nguyên mới: Hệ thống không ngừng cập nhật các tài liệu mới cho
kho dữ liệu của mình. Mỗi lần thêm một tài liệu mới, hệ thống sẽ tính lại (off-line) là
phân tích độ tương đồng về ngữ nghĩa giữa các văn bản (kỹ thuật LSA) để tìm ra tập
các láng giềng gần của một cuốn sách.
7 Vấn đề người dùng mới: Như đã đề cập, hệ thống sẽ phân tích và lưu trữ lại
lịch sử của tất cả các phiên làm việc, kết hợp phân tích nội dung trong hệ thống để lọc
ra sự tương đồng, liên quan chính xác nhất của các tài liệu. Nên hệ thống hoàn toàn
có thể gợi ý tư vấn cho một người dùng mới. Khi người dùng cung cấp cho hệ thống
các sở thích, hệ thống sẽ lọc tiếp theo sở thích đó, để cung cấp kết quả chính xác hơn.
Phương pháp lọc dựa trên nội dung: là một giải thuật hướng về nghiên cứu lọc
thông tin, phương pháp lọc dựa trên nội dung ước lượng hàm đánh giá R(u,i) của item

i với user u được thiết lập dựa trên cơ sở đánh giá R(u,i’) của cùng user u cho item i’
mà trong đó i và i’ là tương tự nhau về mặt nội dung.
Nhược điểm chính của phương pháp này là nó giả định các thuật ngữ là độc lập
nhau. Trong thực tế, các thuật ngữ thường có liên quan với nhau và hiểu được điều
này có thể dẫn đến việc tính độ liên quan tốt hơn.
SVTH: Lê Ngọc Phương Trinh
Page 4 of 130
Tính đồng nghĩa: có nhiều cách để chỉ đến một đối tượng, ví dụ: car và automobile
8 • Các sản phẩm tương tự được đối xử theo cách khác nhau
9 • Tăng sự thưa thớt, làm mất tính chất bắc cầu giữa các từ khóa
10 • Sinh ra kết quả có chất lượng thấp
Tính nhiều nghĩa của từ: hầu hết các từ đều có nhiều nghĩa, ví dụ: model, python,
chip.
11 • Độ chính xác thấp
12
2 3. CÁCH GIẢI QUYẾT
3 Sử dụng phương pháp lọc cộng tác, hệ thống đã đưa ra phương án giải quyết
được các nhược điểm của nó như đã trình bầy ở trên. Về sử dụng phương pháp lọc
dựa trên nội dung, hệ thống đang sử dụng các phương pháp:
1 3.1 Phân tách tài liệu thành các từ khóa (Filter)
2 Các tài nguyên là các tài liệu được thể hiện dưới dạng văn bản như một cuốn
sách, tạp chí, hay một bài báo, bài diễn văn điện tử nào đó. Với những tài liệu tiếng
Anh, một từ thường có một âm tiết, ta có thể dễ dàng xác định một từ dựa vào dấu
cách (space) hoặc dấu câu. Việc phân tách văn bản tiếng anh thành các từ khóa không
khó khăn. Với những văn bản tiếng việt, mỗi từ nó có thể có một, hai hoặc nhiều hơn
số lượng âm tiết. Việc phân tách thành từ khóa đối với văn bản tiếng việt phải dựa
SVTH: Lê Ngọc Phương Trinh
Page 5 of 130
trên từ điển và các thuật toán đọc từ khóa sao cho đúng nghĩa nhất của câu. Thí dụ:
Học sinh học sinh học thì hệ thống sẽ tách thành Học sinh, học, sinh học. Sau đó,

loại bỏ các từ dừng (Stopword – Những từ mang ý nghĩa cảm thán, đại từ…như anh,
bạn, do đó…), những từ không mang nhiều ý nghĩa về nội dung. Bước tiếp theo, dùng
kỹ thuật TF-IDF để lọc bỏ bớt số lượng từ khóa của tài liệu.
3.2 Phân tích ngữ nghĩa tiềm ẩn (Latent Semantic Analystic-LSA)
3 Kỹ thuật LSA là những lý thuyết và phương thức cho việc trích rút và thể hiện
ngữ cảnh sử dụng ngữ nghĩa của từ dựa trên việc tính toán thông kê. Kỹ thuật này cho
phép ứng dụng trên một kho dữ liệu văn bản lớn. Ý tưởng cơ bản của kỹ thuật là tổng
hợp tất cả các văn cảnh của từ, trong đó, một từ được đưa ra đã và không chỉ định
biểu lộ những tập ràng buộc lẫn nhau. Những tập ràng buộc này cho phép xác định sự
tương đồng về nghĩa của những từ và tập hợp mỗi từ khác.
4 Tập các từ khóa của các tài liệu của bước phân tích trên được dùng làm đầu vào
cho các hàng của ma trận. Theo đó, bộ từ khóa của một tài liệu được dùng làm cột,
các tài liệu làm hàng, các cell của ma trận được khởi tạo là tần suất xuất hiện của từ
khóa-thuật ngữ đó trong tài liệu. LSA dùng kỹ thuật phân tích giá trị riêng (SVD-
singular value decomposition) để giảm bớt để giảm bớt kích thước ma trận thuật ngữ-
tài liệu, không gian N-chiều sẽ được giảm bớt xuống một không gian K chiều, K<<N,
không gian mới này được gọi là không gian khái niệm.
5 Sử dụng kết quả bước này, ta thu được tập các tài liệu có sự tương đồng về ngữ
SVTH: Lê Ngọc Phương Trinh
Page 6 of 130
nghĩa nhất định với tài liệu xét. Là nguồn quan trọng trong việc đưa ra gợi ý những tài
liệu tương tự với tài liệu người dùng đang đọc.
3.3 Phân tích lịch sử truy cập của người dùng
6
Một phiên làm việc của người dùng được đánh dấu bằng việc nhập một từ khóa
và nhấn nút search. Các kết quả gợi ý được đưa ra, khi người dùng quyết định chọn
một tài liệu (A), hệ thống gợi thống gợi ý các tài liệu có liên quan (dựa vào phân tích
LSA trước và phân tích lịch sử phiên làm việc). Khi người dùng chọn một tài liệu (B)
tiếp theo trong phần của hệ thống gợi ý để đọc, hệ thống ghi nhận tài liệu B có liên
quan nhất trong phiên làm việc đó với tài liệu A. Và cứ thế, hệ thống sẽ cập nhật và

đánh giá lại sự liên quan nhất định của các tài liệu qua các phiên làm việc của người
dùng.
Hệ thống còn đưa ra kỹ thuật khảo sát (survey) để thu thập ý kiến chính xác hơn
của người dùng về sự tương đồng của các tài liệu.
Hạn chế của phương pháp này, là khi có một tài liệu mới được cập nhật, chỉ số
lịch sử truy cập của nó là 0, hoặc một giá trị âm nào đó. Có thể về cơ bản thì nó rất
tương đồng với văn bản A trên chẳng hạn, nhưng phải qua nhiều lần, nhiều phiên làm
việc thì nó mới đứng đầu trong các văn bản liên quan của A.
SVTH: Lê Ngọc Phương Trinh
Page 7 of 130
4. CÁC ĐÓNG GÓP CHÍNH CỦA LUẬN VĂN
 Cung cấp bộ phân tách văn bản thành các từ khóa với văn bản tiếng Việt
và văn bản tiếng Anh. Sử dụng bộ đọc văn bản đầu vào Ifilter để xử lý, kết hợp các
file từ điển, file từ stopword để tách dữ liệu được đọc vào thành các từ khóa, đặc
trưng cho tài liệu đó.
 Kỹ thuật LSA, đánh giá độ tương đồng về mặt ngữ nghĩa giữa các tài
liệu dựa trên kỹ thuật xử lý ma trận SVD. Phần này sẽ được trình bày chi tiết trong
luận văn còn lại của dự án (Liên lạc với Mr Kiều Văn Cường)
 Cung cấp kỹ thuật xử lý lịch sử phiên làm việc của một người dùng, cho
phép các kết quả chính xác hơn sau nhiều phiên làm việc.
 Đề xuất mô hình và phương thức triển khai cho phần mở rộng dự án, xây
dựng hệ thống CSDL động trên Internet và đẩy hết các quá trình xử lý thành on-line
(hệ thống như một tool tìm kiếm cho khách hàng. Hệ thống sẽ bắt đầu khi người dùng
bắt đầu phiên làm việc)
SVTH: Lê Ngọc Phương Trinh
Page 8 of 130
5. CÀI ĐẶT
5.1 Tách tài liệu thành các từ khóa. Tìm kiếm dựa trên từ khóa
Mô hình này áp dụng cho những lần gợi ý đầu tiên, cho khi người dùng nhập từ
khóa.

Giải thuật tách từ khóa (chạy off-line):
Input: tập tài nguyên là sách, tạp chí, trang thông tin (html) ở các định dạng tài liệu.
Output: Tập các từ khóa với rank tương ứng.
Quá trình tìm kiếm sẽ ưu tiên với những khóa được lọc ra ở tập khóa có mức độ
ưu tiên được đánh giá bằng rank tương ứng của chúng
Giải thuật này được thiết kế để chạy offline trong phiên bản đầu tiên này. Quá
trình cập nhật tài liệu được người quản trị nhập. Chi phí thời gian cho modul này là
khá lớn, một cuốn sách điện tử tầm 200 trang tương ứng là 3 phút cho hệ thống đọc
và tách thành từ khóa.
SVTH: Lê Ngọc Phương Trinh
Tập văn bản nguồn Tập văn bản đã được phân tách
Page 9 of 130
Hình 1: Hình minh họa tập tách văn bản
SVTH: Lê Ngọc Phương Trinh
Page 10 of 130
5.2 Mô hình tìm tư vấn dựa trên phân tích ngữ nghĩa tiềm ẩn
Sau khi tách thành tập các từ khóa, modul này sẽ thực hiện việc cập nhật tiếp các
tài liệu liên quan, có độ tương đồng nhất định về nội dung. Mỗi tài liệu sẽ được xác
định cùng với nó một tập các tài liệu khác có tương đồng về mặt nội dung.
Hình 2: Cấu trúc giải thuật LSA
SVTH: Lê Ngọc Phương Trinh
Tập tài liệu
(từ khóa)
Xử lý LSA
(ma trận
và giải
thuật SVD)
Tập các tài liệu
liên quan tới 1
tài liệu

Cập nhật
CSDL (dữ
liệu tài liệu
liên quan )
Page 11 of 130
5.3 Mô hình tư vấn dựa trên lịch sử phiên truy cập của người dùng
Kế thừa từ các hệ thống học thông minh, từ các phiên làm việc của người dùng,
hệ thống sẽ tự động cập nhật để chính xác hơn những thông tin có trong cơ sở dữ liệu
để phục vụ cho những lần tư vấn sau đó. Có rất nhiều mô hình khai thác trên lĩnh vực
người dùng. Trong đồ án này, tôi chỉ khai thác trên khía cạnh sở thích và lịch sử các
phiên làm việc của người dùng. Khi người dùng đăng ký thông tin, hệ thống ghi nhận
ở tài khoản của họ, thông tin về các lĩnh vực người dùng quan tâm để lọc các kết quả
tìm kiếm. Tại phiên làm việc của người dùng, khi người dùng click vào một tài liệu
mà hệ thống đưa ra để gợi ý cho tài liệu đang đọc, hệ thống sẽ cập nhật hệ số tương
quan giữa 2 tài liệu đó, phục vụ cho các kết quả tư vấn ở lần tiếp theo.
SVTH: Lê Ngọc Phương Trinh
Nhận và tiền
xử lý query
Câu truy vấn
Xử lý query,
tạo kết quả trả
Tài liệu chứa từ
khóa trong query
Tài liệu có liên quan
với tài liệu kết quả
Truy vấn
CSDL (tài
liệu)
Tập tài liệu
Các tài liệu liên quan

Cập nhật tài
liệu liên quan
Hiển thị kết
quả ra
browser
Tài liệu trả về
Xử lý tác thao
tác người
dùng
Page 12 of 130

Hình 3: Quy trình truy vấn
6. GIAO DIỆN TRANG CHỦ CHƯƠNG TRÌNH
SVTH: Lê Ngọc Phương Trinh
Page 13 of 130
Hình 4: Giao diện chính trang chủ chương trình
SVTH: Lê Ngọc Phương Trinh
Page 14 of 130
PHẦN I: VẤN ĐỀ VÀ THỰC TRẠNG
1. ĐẶT BÀI TOÁN
Hiện nay, khoa học kỹ thuật ngày càng phát triển. Máy vi tính được phát triển từ
năm 1980 đã ngày càng được sử dụng rộng rãi với các ứng dụng tiên tiến của nó.
Theo đó, các hệ thống lưu trữ tài liệu dần chuyển sang lưu trữ số trên máy tính. Các
hệ thống thư viện điện tử, thư viện trực tuyến ngày càng được sử dụng rộng rãi. Theo
đó, là các vấn đề liên quan đến tìm kiếm, chia theo danh mục và gợi ý nội dung đọc
Ebook cho người dùng.
Trên internet, chúng ta đã có rất nhiều các công cụ tìm kiếm và gợi ý các tài liệu
cần đọc và những tài liệu liên quan. Thí dụ như công cụ tìm kiếm của Google, ngoài
những tài liệu có chứa từ khóa, nó còn gợi ý những tài liệu có độ tương đồng nhất
định với nội dung người dùng tra cứu, thể hiện ở các liên kết cuối mỗi trang. Với

amazon.co.uk, hệ thống recommender chỉ với những thành viên đăng ký tài khoản với
hệ thống. Khi đăng ký tài khoản, user đăng ký luôn các sở thích và các lĩnh vực họ
quan tâm. Với hệ thống mubu.com, họ gợi ý trong lĩnh vực âm nhạc. Người dùng
cũng phải cung cấp thông tin về sở thích như ca sỹ, nhạc sĩ, thể loại nhạc quan tâm.
Từ đó, hệ thống gợi ý cho người dùng không cần keyword…
SVTH: Lê Ngọc Phương Trinh
Page 15 of 130
Hình 5: Tìm kiếm thông tin – So sánh gợi ý của người và máy
SVTH: Lê Ngọc Phương Trinh
Page 16 of 130
Rất nhiều người không có thời gian để lọc ra trong một tệp các cuốn sách được
thông tin mình mong muốn. Thậm chí trong một cuốn sách dầy tới nghìn trang. Mục
lục ở mỗi cuốn sách cũng là các tóm tắt ý, các chủ đề viết về cho cuốn sách. Người
dùng có thể tìm trong các mục lục đó, cũng có thể tìm theo từ khóa (ứng với mỗi tài
liệu, chúng được tìm theo từ khóa dựa vào chương trình đọc tài liệu đó). Như hình
trên, vấn đề là, tìm được một cuốn sách chứa chủ đề của mình và có đủ lượng thông
tin cần thiết cho vấn đề mình quan tâm. Hoặc khi chưa đủ thông tin, người dùng được
gợi ý những cuốn sách viết về những chủ đề có liên quan mà người ta cần tra cứu
thông tin về.
Bài toán đặt ra là, trong kho dữ liệu, bao gồm rất nhiều cuốn sách, rất nhiều các
tài liệu như bài báo, tạp chí. Người dùng cần tra cứu thông tin về một vấn đề nào đó.
Hệ thống sẽ phải cung cấp những cuốn sách viết về vấn đề đó và sắp xếp theo thứ tự
ưu tiên nhất định cho người đọc. Hơn nữa, hệ thống cũng cung cấp các tài liệu mà
những người dùng trước đó đã sử dụng khi cần tra cứu vấn đề đó.
Người dùng thiết lập một phiên giao dịch, bằng việc đăng nhập vào hệ thống hoặc
có thể không cần đăng nhập (Tất nhiên, khi đăng nhập vào hệ thống sẽ được hỗ trợ
một số tính năng tìm kiếm nâng cao). Bằng việc đánh một từ khóa người dùng quan
tâm, hệ thống sẽ cung cấp hai loại kết quả:
SVTH: Lê Ngọc Phương Trinh
Page 17 of 130

1. Kết quả do truy vấn SQL trong cơ sở dữ liệu của hệ thống
2. Kết quả do phân tích qua lịch sử truy cập của những người dùng trước.
Với loại kết quả đầu tiên, kết quả tìm được do việc truy vấn bằng các câu truy
vấn SQL trong cơ sở dữ liệu. CSDL phải được thiết kế sao cho quá trình tìm kiếm là
thuận lợi nhất. Khi tìm được các kết quả theo mức độ ưu tiên, người dùng sẽ chọn
một văn bản nào đó để nghiên cứu. Hệ thống phải cung cấp tiếp cho người dùng
những tài liệu liên quan tới tài liệu mà họ đang đọc. Việc tìm những văn bản liên
quan là dựa trên sự tương đồng giữa hai văn bản. Với loại kết quả thứ hai, hệ thống
sẽ cung cấp cho người dùng những văn bản mà qua những lần truy cập hệ thống trước
đó, hệ thống ghi nhận những tài liệu mà các người dùng trước đã đọc khi đọc tài liệu
này học tài liệu khác cùng chủ đề hay có độ tương đồng nhất định với tài liệu đó. Sơ
đồ tổng quát giao dịch của hệ thống:
SVTH: Lê Ngọc Phương Trinh
Page 18 of 130
SVTH: Lê Ngọc Phương Trinh
Query search
1.Truy vấn theo từ khóa
2.Truy vấn theo tài liệu
liên quan (LSA + phân
tích lịch sử làm việc)
Items Databases
Phân tích phiên làm việc
Page 19 of 130
Hình 6: Mô hình sơ đồ hệ thống gợi ý cho người dùng
Kết quả trả lại được sắp xếp theo thứ tự giảm dần của mức độ ưa thích.
SVTH: Lê Ngọc Phương Trinh
Page 20 of 130
2. CÁC VẤN ĐỀ VÀ CÁC GIẢI PHÁP HIỆN TẠI
2.1 Các hệ thống gợi ý (recommender systems - RS)
2.1.1 Các khái niệm về Recommender System

Recommender Systems (RS) là một hế thống lọc thông tin đặc biệt, hệ thống cho
phép lọc thông tin dựa trên sự quan tâm của người dùng và nội dung của văn bản.
Điển hình, một hệ thống RS sẽ so sánh những thông tin người dùng với những đặc
trưng liên quan. Những đặc trưng này có thể thu thập từ nội dung thông tin (Cách tiếp
cận theo nội dung: Content - based approach) hoặc từ môi trường mạng xã hội của
người sử dụng (Cách tiếp cận theo hướng lọc cộng tác: Collaborative filtering
approach). <Theo wikipedia>
Như vậy dựa vào khái niệm trên chúng ta có thể thấy hiện có hai kỹ thuật chính
được sử dụng để xây dựng một hệ thống RS hiện nay. Một là kỹ thuật hướng nội
dung – Content based approach, kỹ thuật này cho phép hệ thống đưa ra những gợi
ý phù hợp nhất với những tiêu chuẩn đã được xác định. Hệ thống phải nắm được tất
cả những đặc điểm chính được thể hiện trong đối tượng được quan tâm (Theo từ khoá
của người dùng) và sắp xếp chúng theo những tiêu chuẩn tương ứng.
Mặt khác , tiếp cận theo hướng lọc cộng tác – Collborative filtering CF lại
làm việc dựa trên cơ chế tìm kiếm những sự đồng nhất của một cá nhân với cộng
đồng mà họ tham gia để xác định gợi ý hơn là dựa trên việc xác thực nội dung của sự
SVTH: Lê Ngọc Phương Trinh
Page 21 of 130
quan tâm. Tức là CF dựa trên sự công tác giữa một nhóm cá thể có chung một quan
điểm hay một sự lựa chọn nào đó để đưa ra nhưng gợi ý cho người tìm kiếm.
Hình 7: Sơ đồ tổng quát hệ thống
Trong môt số hệ thống cũng thường áp dụng cả hai kỹ thuật này cách này gọi là hệ
thống lai (Hybrid).
Về căn bản mô hình bài toán được xây dựng như sau:
- Gọi C là số thành viên của hệ thống: ci là tường người dùng cụ thể.
- Gọi S là toàn bộ không gian đối tượng có thể đưa ra và si là một đối tượng cụ thể.
- Gọi u là giá trị phù hợp của đối tượng s với người dùng c.
Vậy bài toán là sự ánh xạ u: CxS  R. Trong đó R chính là tập hợp các đối tượng
được đưa ra giới thiệu. Tập R sẽ được sắp xếp theo thứ tự giảm dần của u.Công việc
SVTH: Lê Ngọc Phương Trinh

Page 22 of 130
chính của giải thuật đơn giản chỉ là đi tìm giá trị hàm u=f(c, s) sao cho u (max) là giá
trị được ưa thích nhất.
Dễ thấy độ phức tạp của bài toán là rất cao bởi không gian S là rất lớn. Ví dụ như
cách ứng dụng về gợi ý sách, số lượng sách có thể lên tới hàng triệu quyển. Hoặc hệ
thống gợi ý về CDs…Đồng thời không gian C cũng rất lớn nếu như mạng phát triển
mang tính toàn cầu như Ebay, Google, Yahoo có thể lên đến hàng tỉ thành viên.
2.1.2 Các hệ thống recommender tiêu biểu
SVTH: Lê Ngọc Phương Trinh
Page 23 of 130
Hệ thống bán hàng trực tuyến m a z o n e .
SVTH: Lê Ngọc Phương Trinh
Page 24 of 130
Hình 8: Giao diện tìm kiếm của Amazone.com
Đầu vào: Tên thiết bị, tên công ty, tên danh mục hay bất cứ từ khóa nào
Đầu ra: Gợi ý cho người dùng các sản phẩm hiện có.
Hình 9: Giao diện kết quả trả lại
Kết quả trả về với đúng cuốn sách cần tìm. Ngoài ra, hệ thống còn tư vấn các sản
phẩm khác tương tự
SVTH: Lê Ngọc Phương Trinh
Page 25 of 130

SVTH: Lê Ngọc Phương Trinh