Phương pháp lọc cộng tác và ứng dụng trong hệ thông tin tư vấn

ĐẠI HỌC THÁI NGUYÊN
TRƢỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG

LÊ THANH HUYỀN

PHƢƠNG PHÁP LỌC CỘNG TÁC VÀ ỨNG DỤNG
TRONG HỆ THÔNG TIN TƢ VẤN

LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH

THÁI NGUN - 2015

Số hóa bởi Trung tâm Học liệu – ĐHTN




ĐẠI HỌC THÁI NGUYÊN
TRƢỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG

LÊ THANH HUYỀN

PHƢƠNG PHÁP LỌC CỘNG TÁC VÀ ỨNG DỤNG
TRONG HỆ THÔNG TIN TƢ VẤN
Chuyên ngành: Khoa học máy tính
Mã số: 60.48.01.01

LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH

Ngƣời hƣớng dẫn khoa học: PGS.TS ĐỒN QUANG BAN

THÁI NGUN - 2015

Số hóa bởi Trung tâm Học liệu – ĐHTN




i

LỜI CAM ĐOAN
Tôi xin cam đoan luận văn này c a t n th n tôi t m hi u, nghi n c u i s h
ng n c a PGS TS Đoàn Văn an c ch ng tr nh o ch nh n th n tôi lập tr nh c c k t
qu là hoàn toàn trung th c c tài liệu tham kh o đ c tr ch n và ch th ch đ y đ .
Tác giả

Lê Thanh Huyền

Số hóa bởi Trung tâm Học liệu – ĐHTN




ii

LỜI CẢM ƠN
Tôi xin

yt licm

n ch n thành t i tập th

c c Th y cô Viện

ông

nghệ thông tin - Viện Hàn L m Khoa h c và công nghệ Việt Nam c c Th y cô
gi o Đ i h c
ch

ng tơi trong su
Đc

Đồn Văn
ch nh s a qu
nh

n

s v

i tôi trong su
đ

vậy r t mong nhận đ
luận văn đ
Tôi xin ch n thành c m

Th i Ngu n th ng n m

L Th nh Hu ền

Số hóa bởi Trung tâm Học liệu – ĐHTN




iii

MỤC LỤC

LỜI

AM ĐOAN

LỜI

M

N ........................

MỤC LỤC .........................................................................................................

DANH MỤC CÁC CHỮ VIẾT TẮT ..................................................................
DANH MỤC CÁC B NG.................................................................................
DANH MỤC CÁC HÌNH .................................................................................

MỞ ĐẦU ..........................................................................................................

Chƣơng 1: PHƢƠNG PHÁP LỌC TIN ........................................................
11

c ph ng ph p l c thông tin ................................................................

1 1 1 Ph

ng ph

1.1.1.1 Bài toán l c theo nội dung ..................................................................

1112

c ph

1 1 2 Ph

ng ph

1.1.2.1 Bài toán l c cộng tác...........................................................................

1122

c ph

1 1 3 Ph
1.1.3.1 Bài toán l c k t h
1132

c ph ng ph p l c k t h p

1.1.4. Ứng dụng c a c c ph

1.2. Hệ th ng thông tin t
1.2.1. Ki n trúc tổng quan c
1.2.2. L
Chƣơng 2: MỘT SỐ PHƢƠNG PHÁP LỌC CỘNG TÁC ......................
2.1. L c cộng tác d a trên s n phẩm.
2.1.1.Thuật to n t nh độ t
Số hóa bởi Trung tâm Học liệu – ĐHTN


2 1 1 1 Độ t
2 1 1 2 Độ t
2 1 1 3 Độ t
2.1.2.Tính tốn d
2.1.2.1 Cơng th
2.1.2.2 Công th
2.1.2.3 Công th
c a ng

i dùng

2.1.2.4 Công th
lên s n phẩm
2.1.3. Thuật toán l
2131

Độ t

2.1.3.2 Độ t
2.1.3.3 D

đo

2.1.3.4 D

đo

2.1.3.5 D đo n
2 1 4 Đ nh gi
2141

Đ nh gi

2.1.4.2 Các y u t
2.2. L
2 2 1 Ph

ng

2 2 2 Ph

ng

2221

T ch đ

2222

Ph

2223
2224

Ph
Ph

2.3. L
Số hóa bởi Trung tâm Học liệu – ĐHTN


v

2.3.1. Mô t thuật to n đ ng hu n luyện........................................................................... 44
2.3.2. Thuật toán l c cộng tác bằng ph
ng

ng ph p đ ng hu n luyện theo

i dùng...................................................................................................................................... 44

2.3.3 L c cộng tác bằng ph

ng ph p đ ng hu n luyện theo s n phẩm..........46

Chƣơng 3: XÂY DỰNG HỆ THÔNG TIN TƢ VẤN SẢN PHẨM SỮA
DÀNH CHO NGƢỜI TIÊU DÙNG................................................................................ 51
3.1. Phát bi u bài toán............................................................................................................... 51
3.2. Phân tích thi t k hệ th ng t

v n s n phẩm s a................................................. 51

3.2.1. Phân tích các yêu c u.................................................................................................... 51
3.2.2. Thi t k hệ th ng t
3.3. Xây d ng ch

v n s n phẩm s a................................................................ 53

ng tr nh ng dụng............................................................................. 54

3.4. K t luận....................................................................................................................................... 56
KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN.................................................................... 57
TÀI LIỆU THAM KHẢO....................................................................................................... 57

Số hóa bởi Trung tâm Học liệu – ĐHTN




vi

DANH MỤC CÁC CHỮ VIẾT TẮT

KÝ HIỆU
IF
IR
RS
u
i

Số hóa bởi Trung tâm Học liệu – ĐHTN

vii

DANH MỤC CÁC BẢNG
Trang
B ng 1.1.Ví dụ v ma trận đ nh gi c a l c cộng tác........................................................ 7
B ng 2.1. B ng đ nh gi

ng

i dùng v i các s n phẩm.............................................. 18

B ng 2.2. B ng t nh độ t

ng t theo công th c Cosine............................................ 20

B ng 2.3. B ng t nh độ t

ng t theo công th c t

B ng 2.4. B ng t nh độ t

ng t theo công th c osine đi u ch nh.....................22

B ng 2.5. B ng d đo n và t v n theo ph
B ng 2.6. B ng d

đo n và t

ng quan................................... 21

ng ph p t nh trung

v n theo ph

nh

đo n . 24

ng pháp Weigth Sum.....................25

B ng 2.7. B ng d đo n và t v n theo ph ng ph p tổng tr ng s v i đ nh giá
trung bình c a ng i dùng và s dụng độ t ng t Ajusted Cosine........26
B ng 2.8. B ng d

đo n và t v n theo ph

ng ph p tổng tr ng s v i đ nh

giá trung bình s n phẩm và s dụng độ t ng t Ajusted Cosine.......27
B ng 2.9. Ma trận đ nh gi

R................................................................................................... 33

B ng 2.10. Ma trận X bi u diễn đ nh đ

th Ng

i dùng- S n phẩm...................33

B ng 2.12. Ma trận X+ bi u diễn c c đ nh gi

th ch h p........................................... 36

B ng 2.12. Ma trận X- bi u diễn c c đ nh gi

không th ch h p.............................36

B ng 2.13: Ng

i dùng và s n phẩm..................................................................................... 48

B ng 2.14: B ng giá tr đ nh gi

theo ng

B ng 2.15: B ng giá tr đ nh gi

theo s n phẩm.............................................................. 49

Số hóa bởi Trung tâm Học liệu – ĐHTN

i dùng........................................................ 48

viii

DANH MỤC CÁC HÌNH
Trang
Hình 1.1. Ki n trúc tổng qt c a hệ th ng l c thơng tin............................................. 14
Hình 2.1. Mơ hình hệ th ng l c cộng tác d a trên s n phẩm...................................... 31
Hình 2.2. Đ th ng

i dùng - s n phẩm.............................................................................. 34

Hình 2.3. Đ th G bi u diễn c ch đ nh gi

th ch h p................................................. 36

Hình 2.4. Đ th G bi u diễn c ch đ nh gi

khơng th ch h p.................................. 37

Hình 3.3: Giao diện ch
Hình 3.4: Ng

i

ng tr nh

đo n s n phẩm s a............................................ 55

ng đăng nhập vào hệ th ng................................................................ 55

Hình 3.5: Hệ th ng l c cộng tác d a vào bộ nh............................................................... 55

Hình 3.6: Hệ th ng l c cộng tác d a vào đ

Số hóa bởi Trung tâm Học liệu – ĐHTN

th............................................................... 56




Xã hội lồi ng
thơng tin trong m
tin khổng l
báo, t p chí, tài liệu thơng qua các hệ th
dùng s
h

g p kh
c m y t nh tr n th

ph

ng ph p h n ch
ng

th

c đẩy một l nh v c nghiên

L

c thơng tin (Infomation Fil

trình l

cb

đ n v i m i ng
qu

h n ch
Hệ t v n (Recommender System) [1,2] là

động phân tích, phân lo i, l a ch
tin, hàng hóa hay d ch vụ mà h
th

đi n hình có vai trị quan tr

đ

c th

ng m i hóa và tri n khai thà

hãng Amazon.com, Netflix.com, Procter & Gamble.
Hệ t
theo nội dung (Content-Based Filtering) và l c cộng tác (Collaborative
Filtering) [1]. L
dung thông tin s
trong quá kh đ

c nh li n quan đ n thói quen sở thích c
đ ng ng i dùng có cùng sở th ch đ

Số hóa bởi Trung tâm Học liệu – ĐHTN




2
So v i l c theo nội dung, l c cộng tác khơng ph i phân tích, bóc tách, hi u
đ nh ch mục cho c c đ c tr ng nội dung s n phẩm, l c cộng tác có th
c hiệu qu trên nhi u d ng s n phẩm kh c nhau nh hàng h a s a, nh, tài liệu.

l

Chính vì vậy tác gi đ l a ch n đ tài “Phương ph p lọc cộng tác và ứng dụng
trong hệ thông tin tư vấn” đ th c hiện trong khuôn khổ luận văn th c s chuy n
ngành khoa h c máy tính.
Đối tƣợng và phạm vi nghiên cứu
- Nghiên c u ph
l c cộng tác d
mơ hình.
- Nghiên c
t , l c cộng tác d a tr n mô h nh đ
ng

i dùng - s n phẩm nhằm c i thiện độ chính xác c

t
ng

i dùng

ành cho ng
Hƣớng nghiên cứu củ
Tập trung nghiên c u hai v n đ
1. Trình bày c c ph
pháp l
th

c thông tin, hệ th
ng l

c thông tin, l c thông tin và các

2. Nghiên c u l c cộng tác d
t
đ

ng t

, l c cộng tác d

th ng i dùng - s n phẩm nhằm c i thiện độ chính xác c a l c thơng tin

cho hệ t v n và thuật toán l c bằng ph ng ph p đ ng hu n luyện theo s n phẩm
và ng i dùng.
Phƣơng pháp nghi n cứu

Số hóa bởi Trung tâm Học liệu – ĐHTN




3
-

Nghiên c u lý thuy t: Nghiên c u các khái niệm v l c thông tin, trong đ

đi s u vào nghi n c u l c cộng tác. Nghiên c u thuật tốn tính
độ t

ng t

ph

ng ph p

i u diễn đ

th và ph

ng ph p l c d a vào

l c đ ng hu n luyện.
- Nghiên c u th c nghiệm: Xây d ng ph n m m
t v n s n phẩm s a

ành cho ng

ng dụng hệ thông tin

i tiêu dùng.

Ý nghĩ kho học củ đề tài
- Khai th c đ

c thuật to n t nh độ t

- Khai th c ph
đ th ng

ng pháp bi u diễn đ

ng t .
th và ph

ng ph p

đo n tr n

i dùng.

- Khai th c đ

c thuật toán l c đ ng hu n luyện theo s n phẩm và l c

đ ng hu n luyện theo ng

i dùng.

Bố cục luận văn
h

ng 1: Ph

ng ph p l c tin.

Trình bày tổng quan v

c c ph

ng ph p l c thông tin và hệ th ng

thông tin t v n.
h

ng 2: Một s ph

ng ph p l c cộng tác.

Trình bày thuật tốn l c cộng tác d a trên s n phẩm, thuật tốn d a
tr n mơ h nh đ th ng
h

ng 3: h

i dùng - s n phẩm và thuật to n đ ng hu n luyện.

ng tr nh ng dụng.

Xây d ng ch

ng tr nh ng dụng s n phẩm s a ành cho ng i tiêu dùng.

Số hóa bởi Trung tâm Học liệu – ĐHTN




4
Chƣơng 1
PHƢƠNG PHÁP LỌC TIN
1.1. Các phƣơng pháp lọc thông tin

Lc thơng tin (Informa
trình l

cb

đ n v i m i ng
qu

h n ch

3 ph ng ph p l c thông t
1.1.1. Phương pháp lọc tin theo nội dung

Lc theo nội ung là ph

dung thơng tin hay mơ t hàng hóa, nhằm tìm ra nh
nh

ng gì mà ng

phẩm này [3]. Các ph
từ l nh v

c truy v n thông tin

một h

s s n phẩm, m i ng
ng

d

Ph

a vào việc xem xét các h

ng

i dùng.

1.1.1.1 Bài toán lọc theo nội dung
Bài toán l c theo nội
pN} là tập g m N s n phẩm. Nội dung s n phẩm p∈ P đ

Content(p) đ c bi u diễn thông qua tập K đ c tr ng nội dung c

đ c tr ng s n phẩm p
th

c hiện mục đ ch
Cho U = { u1,

dùng u∈ U, g i ContentBasedProfile(u) là h s

ng

i dùng u th c ch t là l ch s
Số hóa bởi Trung tâm Học liệu – ĐHTN

ng


các s n phẩm. ContentBasedProfile(u) đ
nội dung các s n phẩm mà ng
trên các kỹ thuật truy v n thông tin.
Bài toán l c theo nội dung khi đ
nội dung thích h
h

s

ng

i dùng ContendBase

1.1.1.2 C c phương ph p ph p lọc theo nội dung

L
nh

c theo nội

và l

c d a trên mơ hình.

Lọc nội dung dựa vào bộ nhớ
L c nội dung d
s

s n phẩm và tập h s

Trong ph ng ph p này
c

h

s

h

s

ng

ng
i dùng s

Lọc nội dung dựa vào mơ hình
L c nội dung d
phẩm và tập h
d

đo n sau đ

cho ng

i dùng. Trong cách ti

thuật h c m y nh
tođ

t o nên d
Pazzani và Billsus [9] s

gi

“thích” ho c “khơng thích” c

Trong đ
khơng d

Số hóa bởi Trung tâm Học liệu – ĐHTN

ph

a vào tập c c đ c tr ng

6
Panzanni và Billsus gi thi t c c đ c tr ng nội dung xu t hiện độc lập nhau, vì
vậy xác su t ở tr n t

ng ng v i:

P( Ci) ∏ P(kxj| Ci)
x:

là ng i dùng ch y từ 1

(1.2)
n

Vì P(kxj| Ci) và P(Ci) có th
vậy, s n phẩm pj đ
j

) có giá tr cao nh t thuộc l p này.
Solombo[5] đ

quan sát m c phù h
1.1.2. Phương pháp lọc tin theo cộng tác
Không gi ng nh l c theo nội dung, l
c nh li n quan đ n thói quen sở thích c a ng
d

đo n c c s n phẩm m i cho ng i dùng này. So v i l c theo nội dung, l c cộng

tác khơng ph i phân tích, bóc tách, hi u, đ nh ch mục cho c c đ c
tr

ng nội dung s n phẩm. Chính vì vậy, l

nhi u d ng s n phẩm kh c nhau nh
trên một hệ t
cho dù các m t hàng này có th
dung khác nhau.
1.1.2.1 Bài toán lọc cộng tác
Ký hiệu U= {u1,
pM} là tập g m M s n phẩm mà ng
pi∈ P có th

kỳ d ng thơng tin nào mà ng
Ti p theo, ký hiệu R={rij}, i = 1..N, j = 1..M là ma trận đ nh gi
đ

m i ng

P bằng một tr ng s
Số hóa bởi Trung tâm Học liệu – ĐHTN


i s n phẩm pj. Giá tr rij có th

điv

ki n ng

i dùng ho c thu thập g

dùng. Giá tr
bao gi
V

i một ng

th i ng

i dùng c n đ

cộng tác là bài toán d
ch a đ nh gi
đ nh gi

cao
B ng 1.1 th

ng i dùng U = {u1, u2, u3, u4, u5} và 4 s n phẩm P= {p1, p2, p3, p4}. M i ng i
dùng đ u đ a ra c c đ nh gi c a mình v các s n phẩm theo thang bậc
5

{Ø, 1, 2, 3, 4, 5}. Giá tr
ho c ch a bao gi
th ng c n d đo n cho ng
Bảng 1.1.Ví dụ v ma trận đ nh gi

Ma trận đ nh gi R= (rij) là thông tin đ u vào duy nh t c a c c ph ng
pháp l c cộng tác. D a trên ma trận đ nh gi
hiện hai tác vụ: D
các s n phẩm mà h
phẩm có đ nh gi cao nh t phân bổ cho ng
1.1.2.2 C c phương ph p lọc cộng tác
Số hóa bởi Trung tâm Học liệu – ĐHTN


ng gi ng nh
h

ng chính: L

M i ph

ng ph p ti p cận có nh ng

m

i liên hệ trên ma trận đ nh gi

ph

ng ph p đ

Lọc cộng tác dựa trên bộ nhớ
c ph
đ

sinh ra d

là ph
Ph

ng ph p đ
c t o nên d

• T nh to n m
tr

ng s

•

gi
đo n: Đ

đ nh tập láng gi ng c
t

vnđ

c xác đ nh d

s n phẩm.
Việc tính tốn m
xét d

a vào tập s n phẩm c

toán m

c độ t

ng
đ

i dùng cùng đ nh gi
xác đ nh m c độ t
Chú ý rằng c hai ph

s

dụng độ đo cosin gi

nội dung s
theo độ đo t n su t và t n su t xu t hiện ng
gi

a hai véc t

Lọc cộng tác dựa vào mơ hình
Số hóa bởi Trung tâm Học liệu – ĐHTN


Khác v i ph
hình [2] s

d

mơ hình hu n luyện đ
dùng v
này là mơ hình hu n luyện c
đ nh gi

và th

nh

ng thay đổi l

Mơ hình mạng Bayes
Mơ hình m ng Bayes [6] bi u diễn m i s n phẩm nh
th , tr ng thái c
s n phẩm đ
hu n luyện. Breese [6] đ
cộng t c trong đ
(1.3). Breese gi
nằm gi

a 0 và n. Đ nh gi

ru,p

đ

G

c

i

v

i s n phẩm p đ
i=0

Billsus và Pazzani [9] chuy n đổi d
nh ph n Khi đ ma trận đ nh gi
đ c tr ng nh phân. Việc chuy n đổi này làm cho việc s dụng mơ hình m ng
r trở nên thuận tiện h n Tuy nhi n
phân không ph n nh đ ng c c
Mơ hình phân cụm
Một cụm là tập các đ i t
nhau nhi u nh t, và khác nhau nhi u nh t đ i v i các ph n t
khác
Số hóa bởi Trung tâm Học liệu – ĐHTN

c ph ng ph p ph n cụm cho l c cộng t c đ


chia tập ng
phẩm) có sở th ch t
cụm nào s
cụm đ [7]

Đ

d liệu th

Pearson.
Cho hai đ
đ

kho ng c ch Minkowski đ

Trong đ
X và Y; q là
Minkowski. N u q =2, thì d(X,Y)là kho ng cách Euclid.
Sarwar và
cụm chia tập ng
thuật toán d
cụm d

liệu.
Si và Jin [8] đ

ho t (Flexible Mixture Mo el)
ng
thuộc nhi u cụm khác nhau, sau đ
cụm s n phẩm độc lập nhau đ
ch

ng t

t ng quan Pearson và mơ h nh đ nh h
Mơ hình ngữ nghĩa ẩn:
Mơ hình ng
trong đ c c tham
phá ra cộng đ ng ng i dùng phù h p v i m u h

Số hóa bởi Trung tâm Học liệu – ĐHTN

ph


11
Si và Jin [8] đ xu t mô h nh đa th c (Multinomial Model) phân lo i tập
ng i dùng v i gi thi t ch có một ki u ng i dùng duy nh t. Marlin [5]
đ

xu t mơ hình pha trộn đa th c (Multinomial Mixture Model), k t h p v i

mơ hình đ nh h
Rating Profile) v i gi
ng i dùng độc lập nhau. Marlin khẳng đ nh, h
th c hiện t t h
Mơ hình phân lo i và h i qui: Cho tập g m N véct
c a phân lo i hay h
Trong tr ng h
các nhãn. Trong tr
dụng mơ hình phân lo i cho l
đ

c xây d ng một bộ phân lo i riêng. Bộ phân lo i cho s n phẩm y phân

lo i tập ng
y. Các bộ phân lo i đ
dụ hu n luyện.
1.1.3. Phương pháp lọc tin kết hợp
Lckth

gi

a cộng tác và l c nội dung nhằm tận dụng l i th và tránh nh

c

am

qu d

i ph

đo n t t và có nhi u tri n v ng áp dụng tron

1.1.3.1 Bài tốn lọc kết hợp
Ngồi ng
đ

c trình bày ở trên, kí hiệu C = {c1,c2 … ck} là tập K đ c tr ng bi u diễn

nội dung thông tin các s n phẩm p∈ P ho c ng

i dùng u∈U . Ví dụ n u

p∈ P là một lo i s a khi đ ta c th bi u diễn s a thông qua c c đ c tr ng ci ”thể
loại", "thành phần", "hãng sản xuất" và c c đ c tr ng khác c a s a; n u


Số hóa bởi Trung tâm Học liệu – ĐHTN

u∈U là một ng i dùng thì ta có th
tính", "nghề nghiệp" và c c đ c tr ng kh c ph n
Bài toán c
s n phẩm pk∈P ch a đ
tr ng nội dung C = {c1,c2 … ck}.
1.1.3.2 C c phương ph p lọc kết hợp
Lckth
k t h p đ c tính c a l
cộng tác vào l c nội dung và xây d ng mơ hình h
l

c nội dung.

Kết hợp tuyến tính [3] là ph
l

c cộng t c độc lập nhau. K t qu d

l

a ch n từ ph

là k

thừa đ

ph p Nh

c đi m

có s

kth
Kth

trên các kỹ thuật l c cộng tác thu n t y nh
ContentBasedProfile(u) nh
t

gi

t

ng t v

a các c p ng

Trong tr
h

s

ng

Kết hợp đặc tính cuả lọc cộng tác và lọc nội dung
c c đ nh gi
s

ng

và so sánh v
pháp phổ bi n nh t th
chi u cho h

i

p hiệ


1.1.4. Ứng dụng của các phương pháp lọc tin
L c thông tin (IF) là l nh v c nghiên c
tin thích h

p

dùng. Thơng tin đ
trang web, phim,
từ c c ph

ng tiệ

rộng trong nhi u
dụng tiêu bi u nh t c a l c thơng tin đ
trong các máy tìm ki m (Search
h s ng

i dùng

tin cho tập th
h

ởng không t t đ i v i ng i dùng. Đ c biệt, l c thơng tin có vai trị quan

tr ng cho các hệ th ng t

v n (RS)

ng dụng trong th

ng m i điện t .

1.2. Hệ thống thông tin tƣ vấn
Hệ th ng l c thông tin t v n cung c p cho ng i dùng nh ng thông tin c n
thi t nh t, lo i b nh ng thơng tin khơng có giá tr ho c khơng thích h p đ i v i ng i
dùng. Nguyên lý phổ bi n đ c dùng trong l c thông tin là nguyên lý d a vào d
liệu (Data-Based) và nguyên lý d a vào tri th c
(Knowledge-Based). Các ph ng ph p l c có th đ c th c hiện d a vào nội dung
thông tin s n phẩm ho c l c d a trên thói quen sở thích ng i dùng. Các kỹ thuật l
c đ c phát tri n d a trên n n t ng từ l nh v c truy v n thông tin (Information
Retrieval), tách thông tin (Information Extraction), phân lo i

thông tin (Information Classification). Ph m vi ng dụng c a các hệ th ng l c đ c
áp dụng cho t t c c c mô h nh th ng m i điện t th c t : Khách hàng


-

Khách hàng (Customer to Customer), Nhà cung c p - Khách hàng (Business

to Customer), Nhà cung c p - Nhà cung c p (Business to Business) [6].
1.2.1. Kiến trúc tổng quan của hệ thống lọc thông tin
Một hệ th ng l c thông tin tổng quát bao g m b n thành ph n c n [6]:
Thành ph n phân tích d liệu (Data Analyser Component), thành ph n
Số hóa bởi Trung tâm Học liệu – ĐHTN