Hệ thống hỗ trợ tư vấn trong thương mại điện tử
Hệ thống hỗ trợ tư vấn trong thương mại điện tử
Xem bên trong

Hệ thống hỗ trợ tư vấn trong thương mại điện tử

65 tr. + CD-ROM
Luận văn ThS. Hệ thống thông tin — Trường Đại học Công nghệ. Đại học Quốc gia Hà Nội, 2010
Trình bày tổng quan về hệ tư vấn với các chức năng và nhiệm vụ của một hệ tư vấn trong thương mại điện tử. Kiến trúc của hệ tư vấn và quá trình xây dựng một hệ tư vấn hoàn chỉnh. Mô hình hóa bài toán tư vấn chuyển từ những yêu cầu thực tế thành bài toán khai phá và xử lý dữ liệu trong lĩnh vực công nghệ thông tin. Trình bày ba phương pháp tiếp cận tư vấn để xây dựng và mở rộng hệ tư vấn. Đồng thời đưa ra những hạn chế còn tồn tại trong các phương pháp. Kết hợp nghiên cứu hai kỹ thuật chính là đánh giá dựa hàm kinh nghiệm và đánh giá dựa mô hình để giải quyết bài toán hệ tư vấn. Khảo sát bộ dữ liệu chuẩn và thực hiện xây dựng chương trình thực nghiệm. Kết quả thực nghiệm được so sánh và đánh giá giữa các phương pháp tư vấn cũng như giữa các mô hình phân lớp
Electronic Resources

0.00

Tải về miễn phí bản đầy đủ PDF luận văn tại Link bản đầy đủ 1

ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ

LƯU NGỌC TUẤN

HỆ THỐNG HỖ TRỢ TƯ VẤN
TRONG THƯƠNG MẠI ĐIỆN TỬ

LUẬN VĂN THẠC SĨ

Hà Nội – 2010
ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ

LƯU NGỌC TUẤN

HỆ THỐNG HỖ TRỢ TƯ VẤN
TRONG THƯƠNG MẠI ĐIỆN TỬ

Ngành: Công nghệ thông tin
Chuyên ngành: Hệ thống thông tin
Mã số: 60 48 05

LUẬN VĂN THẠC SĨ

NGƯỜI HƯỚNG DẪN KHOA HỌC: TS. Lê Anh Cường

Hà Nội – 2010
1
LỜI CAM ĐOAN
Tôi xin cam đoan luận văn “Hệ thống hỗ trợ tư vấn trong thương mại điện tử” là
do tôi thực hiện dưới sự hướng dẫn của TS. Lê Anh Cường giảng viên chính,
trường đại học Công Nghệ, Đại học quốc gia Hà Nội. Mọi trích dẫn và tài liệu
tham khảo mà tôi sử dụng trong luận văn đều có ghi rõ nguồn gốc.
Tôi xin hoàn toàn chịu trách nhiệm về lời cam đoan trên.

2
LỜI CẢM ƠN
Để hoàn thành luận văn này, tôi xin gửi lời cảm ơn sâu sắc tới các thầy cô giáo
Trường Đại học Công nghệ – Đại học Quốc gia Hà Nội là những người đã mang
đến cho các học viên những kiến thức hữu ích và khơi dậy trong chúng tôi niềm
say mê học tập và nghiên cứu khoa học. Đặc biệt, tôi xin chân thành cảm ơn
thầy giáo TS.Lê Anh Cường, bộ môn Khoa học máy tính, Trường Đại học Công
Nghệ – Đại học Quốc gia Hà Nội là người đã tận tình chỉ dẫn và giúp đỡ tôi hoàn
thành luận văn này.
Tôi cũng gửi lời cảm ơn sâu sắc tới thầy giáo PGS.TS Hà Quang Thụy cùng các
thầy cô giáo bộ môn Các hệ thống thông tin đã đóng góp ý kiến, gợi ý và giúp
đỡ tôi hoàn thành luận văn này.
Xin cảm ơn những bạn học cùng lớp đã chia sẻ với tôi những kinh nghiệm học
tập quý báu. Cảm ơn các đồng nghiệp trong cơ quan đã quan tâm và tạo điều
kiện giúp đỡ tôi trong quá trình thực hiện luận văn.
Tôi cũng xin cảm ơn những người thân trong gia đình, xin bày tỏ lòng biết ơn
sâu sắc đối với bố mẹ đã luôn dành tình cảm yêu thương, động viên, giúp đỡ và
cảm ơn tất cả những gì bố mẹ đã dành cho tôi.
Về phương diện bản thân, mặc dù đã hoàn thành khóa học nhưng tôi sẽ luôn cố
gắng phấn đấu học tập và nghiên cứu không ngừng. Cuối cùng, tôi hy vọng rằng
luận văn của mình sẽ đem lại những giá trị hữu ích và thiết thực.
3
MỤC LỤC
LỜI CAM ĐOAN ……………………………………………………………………………………………. 1
LỜI CẢM ƠN …………………………………………………………………………………………………. 2
MỤC LỤC ………………………………………………………………………………………………………. 3
DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ ……………………………………………………………. 6
MỞ ĐẦU …………………………………………………………………………………………………………. 7
CHƯƠNG 1 – TỔNG QUAN VỀ HỆ TƯ VẤN ……………………………………………….. 10
1.1. Khái quát về hệ tư vấn …………………………………………………………………………. 10
1.2. Hệ tư vấn và các chức năng của hệ tư vấn …………………………………………….. 11
1.3. Tiếp cận trong hệ tư vấn ………………………………………………………………………. 12
1.4. Kiến trúc hệ tư vấn………………………………………………………………………………. 14
1.5. Mô hình hóa bài toán …………………………………………………………………………… 15
1.6. Các ứng dụng của hệ tư vấn …………………………………………………………………. 18
1.7. Mục tiêu của luận văn ………………………………………………………………………….. 20
CHƯƠNG 2 – CÁC PHƯƠNG PHÁP TƯ VẤN ……………………………………………… 22
2.1. Phương pháp tiếp cận dựa nội dung …………………………………………………….. 22
2.1.1. Xây dựng hệ tư vấn theo phương pháp tiếp cận dựa nội dung ………………. 22
2.1.1.1. Hệ thống tư vấn dựa nội dung trên hàm kinh nghiệm ……………………. 23
2.1.1.2. Hệ thống tư vấn dựa nội dung trên mô hình …………………………………. 24
2.1.2. Các hạn chế của phương pháp tiếp cận dựa nội dung ………………………… 25
2.1.2.1. Giới hạn trong phân tích nội dung ………………………………………………. 25
2.1.2.2. Quá cụ thể (overspecialization) ………………………………………………….. 25
2.1.2.3. Vấn đề khách hàng mới …………………………………………………………….. 25
2.2. Phương pháp tiếp cận dựa cộng tác ……………………………………………………… 26
2.2.1. Xây dựng hệ tư vấn theo phương pháp tiếp cận dựa cộng tác ………………. 26
2.2.1.1. Hệ thống tư vấn dựa cộng tác trên hàm kinh nghiệm …………………….. 26
2.2.1.2. Hệ thống tư vấn dựa cộng tác trên mô hình …………………………………. 27
4
2.2.2. Các hạn chế của phương pháp tiếp cận dựa cộng tác …………………………. 28
2.2.2.1. Vấn đề về khách hàng mới ………………………………………………………… 28
2.2.2.2. Vấn đề về sản phẩm mới …………………………………………………………… 29
2.2.2.3. Sự thưa thớt dữ liệu đánh giá……………………………………………………… 29
2.3. Phương pháp tiếp cận kết hợp ……………………………………………………………… 30
3.1.1. Kết hợp thuộc tính của khách hàng và sản phẩm ………………………………… 30
3.1.2. Thực hiện tư vấn nội dung trước, thực hiện tư vấn dựa cộng tác sau …….. 31
3.1.3. Thực hiện tư vấn cộng tác trước, thực hiện tư vấn dựa nội dung sau …….. 32
CHƯƠNG 3 – CÁC MÔ HÌNH HỌC MÁY…………………………………………………….. 34
3.1. Mô hình phân lớp Naïve Bayes …………………………………………………………….. 34
3.1.1. Lý thuyết Bayes ………………………………………………………………………………. 34
3.1.2. Mô hình phân lớp Naïve Bayes …………………………………………………………. 35
3.2. Mô hình phân lớp máy vector hỗ trợ (SVMs) ……………………………………….. 36
3.2.1. Lý thuyết học thống kê …………………………………………………………………….. 37
3.2.2. Lý thuyết cơ bản về SVM …………………………………………………………………. 39
3.2.2.1. Các bộ phân lớp tuyến tính ………………………………………………………… 39
3.2.2.2. SVM tuyến tính cho bộ huấn luyện có thể phân chia …………………….. 40
3.2.2.3. Siêu phẳng tối ưu ……………………………………………………………………… 41
3.2.2.4. Các vector hỗ trợ ……………………………………………………………………… 42
3.2.2.5. SVM tuyến tính cho tập huấn luyện tống quát ……………………………… 43
3.2.3. SVM không tuyến tính kết hợp các phương pháp nhân ………………………… 44
CHƯƠNG 4 – THỰC NGHIỆM VÀ KẾT QUẢ ĐÁNH GIÁ …………………………… 47
4.1. Mô tả dữ liệu ……………………………………………………………………………………….. 47
4.2. Các độ đo đánh giá mô hình phân lớp ………………………………………………….. 51
4.3. Kết quả thực nghiệm ……………………………………………………………………………. 52
4.3.1. Phương pháp tư vấn dựa nội dung ……………………………………………………. 53
4.3.2. Phương pháp tư vấn dựa cộng tác …………………………………………………….. 55
4.3.3. Phương pháp tư vấn kết hợp thuộc tính của khách hàng và sản phẩm …… 56
5
4.3.4. Phương pháp tư vấn kết hợp thực hiện tư vấn dựa nội dung trước và áp
dụng phương pháp tư vấn cộng tác sau. ……………………………………………………… 57
4.3.5. Phương pháp tư vấn kết hợp thực hiện tư vấn dựa cộng tác trước và áp
dụng phương pháp tư vấn dựa nội dung sau. ………………………………………………. 58
4.4. Đánh giá kết quả ………………………………………………………………………………….. 59
KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ……………………………………………………….. 61
TÀI LIỆU THAM KHẢO ………………………………………………………………………………. 63

6
DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ
Hình 1. Các phương pháp tư vấn và kỹ thuật áp dụng ………………………………………………. 13
Hình 2. Kiến trúc hệ thống hỗ trợ tư vấn …………………………………………………………………. 14
Hình 3. Ví dụ về thuộc tính của khách hàng và sản phẩm ………………………………………….. 17
Hình 4. Ma trận đánh giá khách hàng – sản phẩm ……………………………………………………. 17
Hình 5. Phân hệ tư vấn của Amazon. ………………………………………………………………………. 19
Hình 6. Hệ tư vấn phim MovieLens …………………………………………………………………………. 20
Hình 7. Ví dụ về hệ tư vấn dựa lọc nội dung với sản phẩm phim ………………………………… 22
Hình 8. Ví dụ về hệ tư vấn dựa lọc cộng tác với sản phẩm phim …………………………………. 26
Hình 9. Mô hình tư vấn dựa nội dung trước, tư vấn dựa cộng tác sau …………………………. 31
Hình 10. Mô hình tư vấn dựa cộng tác trước, tư vấn dựa nội dung sau …………………………. 32
Hình 11. Siêu phẳng phân chia tuyến tính trong không gian hai chiều ………………………….. 39
Hình 12. Các siêu phẳng phân chia tập dữ liệu huấn luyện …………………………………………. 40
Hình 13. Siêu phẳng với lề lớn nhất γ ……………………………………………………………………….. 40
Hình 14. Siêu phẳng tối ưu ………………………………………………………………………………………. 41
Hình 15. Các vector hỗ trợ ………………………………………………………………………………………. 43
Hình 16. Biến nới lỏng ξ …………………………………………………………………………………………. 43
Hình 17. Ánh xạ từ khống gian cũ sang không gian đặc trưng ……………………………………… 45
Hình 18. Cấu trúc bảng Rating ………………………………………………………………………………… 48
Hình 19. Cấu trúc bảng Item ……………………………………………………………………………………. 49
Hình 20. Cấu trúc bảng User ………………………………………………………………………………….. 50
Hình 21. Cấu trúc bảng dữ liệu đào tạo và dữ liệu kiểm tra ………………………………………… 50
Hình 22. Kết quả sau khi thực hiện phân lớp ……………………………………………………………… 51
Hình 23. Thực nghiệm với phương pháp tư vấn dựa nội dung (5 nhãn)…………………………. 54
Hình 24. Thực nghiệm với phương pháp tư vấn dựa nội dung (2 nhãn)…………………………. 54
Hình 25. Thực nghiệm tư vấn dựa cộng tác (5 nhãn) ………………………………………………….. 55
Hình 26. Thực nghiệm với phương pháp tư vấn dựa cộng tác (2 nhãn) …………………………. 56
Hình 27. Thực nghiệm với phương pháp kết hợp thuộc tính của khách hàng và của sản
phẩm (2 nhãn) …………………………………………………………………………………………………………… 57
Hình 28. Bảng test với dựa nội dung trước, tư vấn dựa cộng tác sau ……………………………. 58
Hình 29. Bảng test với tư vấn dựa cộng tác trước, tư vấn dựa nội dung sau ………………….. 59
7
MỞ ĐẦU
Ngày nay cùng với sự phát tiển không ngừng của hệ thống mạng toàn cầu
Internet, các khách hàng của các hệ thống thông tin đặc biệt là của các website
thương mại điện tử từng bước làm quen và sử dụng thường xuyên các giao dịch
điện tử trong nhiều lĩnh vực như: chứng khoán, bảo hiểm, tài chính, ngân hàng,
công nghệ, viễn thông,… Tuy nhiên, với khối lượng thông tin khổng lồ, các
khách hàng thường gặp khó khăn trong việc tìm kiếm và lựa chọn thông tin cần
thiết và phù hợp để giải quyết những vấn đề nhất định. Ví dụ như khách hàng
muốn gửi tiền vào ngân hàng nhưng không biết phải lựa chọn sản phẩm nào của
ngân hàng nào cho phù hợp, khách hàng nên lựa chọn một sản phẩm tiền gửi
được bảo hiểm hay không, có chính sách khuyến khích nào của ngân hàng hay
không? Lợi ích và rủi ro có thể gặp phải là gì và đâu là sản phẩm tốt nhất với
khách hàng? Khách hàng có quá nhiều sự lựa chọn nhưng không đủ thời gian
hoặc tri thức để đánh giá sản phẩm nào là phù hợp và không thể đưa ra các quyết
định tối ưu.
Mặt khác, từ phía các nhà cung cấp sản phẩm, các công ty doanh nghiệp
hiện nay luôn mong muốn những sản phẩm tốt nhất của mình đến được với
khách hàng. Làm thế nào có thể hỗ trợ khách hàng trong việc lựa chọn sản phẩm
trong khi khách hàng luôn có sự so sánh đánh giá giữa các sản phẩm để có quyết
định lựa chọn tốt nhất. Và khi khách hàng đã mua hoặc đã quan tâm tới một sản
phẩm nào đó thì cần giới thiệu tới khách hàng những sản phẩm nào khác, cần
phải đề xuất tới khách hàng bao nhiêu sản phẩm là hợp lý. Các nhà cung cấp hết
sức quan tâm tới quá trình giới thiệu các sản phẩm mới, những sản phẩm này sẽ
phù hợp với những đối tượng khách hàng nào khi mà sản phẩm chưa có những
đánh giá từ khách hàng,…
Xuất phát từ những vấn đề còn hạn chế trong quá trình tương tác giữa
khách hàng với các sản phẩm của doanh nghiệp trong thương mại điện tử, hệ tư
vấn được hình thành và phát triển để hỗ trợ tốt hơn cho khách hàng và các doanh
nghiệp có những quyết định tốt nhất. Các website với hệ thống giao dịch điện tử
cần thiết có một hệ thống tư vấn tốt sẽ giúp thu được lợi nhuận không nhỏ. Bởi
vì khi đó, khách hàng có thể tìm thấy ngay những sản phẩm mà họ ưa thích và
họ sẽ có xu hướng mua. Ngược lại, nếu họ không tìm thấy được những sản
phẩm họ quan tâm họ không những không mua mà có thể sẽ rời bỏ và tìm đến
những nơi cung cấp dịch vụ tốt hơn.
8
Hệ thống tư vấn đã trở thành một lĩnh vực nghiên cứu quan trọng xuất
phát từ các công trình nghiên cứu đầu tiên trong việc xây dựng các hệ thống lọc
cộng tác. Sự phát triển đồng thời từ những ứng dụng mang tính thực tiễn và
những nghiên cứu mang tính khoa học đã đưa hệ tư vấn trợ thành một lĩnh vực
quan trọng trong việc hỗ trợ con người trong quá trình khai thác thông tin. Trong
những năm gần đây, hệ tư vấn đã không ngừng phát triển và được hoàn thiện,
tuy nhiên trong tương lai vẫn đòi hỏi có những cải thiện để đưa ra những
phương pháp hiệu tư vấn hiệu quả hơn và được áp dựng nhiều hơn trong các ứng
dụng thực tế. Việc cải tiến bao gồm những phương pháp tốt hơn để xác định
những hành vi của khách hàng, thông tin về sản phẩm cho khách hàng về những
sản phẩm cần tư vấn, đưa ra nhiều hơn những phương pháp để thuận lợi hơn
trong việc tư vấn, và có những chỉ số để có thể đánh giá hiệu năng của các hệ tư
vấn.
Với những nghiên cứu và tìm hiểu về hệ hỗ trợ tư vấn, luận văn được
hoàn thành với các mục đích và nhiệm vụ chính như sau:
 Trình bày tổng quan về hệ tư vấn với các chức năng và nhiệm vụ của một hệ
tư vấn trong thương mại điện tử. Kiến trúc của hệ tư vấn và quá trình xây
dựng một hệ tư vấn hoàn chỉnh.
 Mô hình hóa bài toán tư vấn chuyển từ những yêu cầu thực tế thành bài toán
khai phá và xử lý dữ liệu trong lĩnh vực công nghệ thông tin.
 Trình bày ba phương pháp tiếp cận tư vấn để xây dựng và mở rộng hệ tư
vấn. Đồng thời đưa ra những hạn chế còn tồn tại trong các phương pháp. Kết
hợp nghiên cứu hai kỹ thuật chính là đánh giá dựa hàm kinh nghiệm và đánh
giá dựa mô hình để giải quyết bài toán hệ tư vấn.
 Khảo sát bộ dữ liệu chuẩn và thực hiện xây dựng chương trình thực nghiệm.
Kết quả thực nghiệm được so sánh và đánh giá giữa các phương pháp tư vấn
cũng như giữa các mô hình phân lớp.
Nội dung của luận văn được thiết kế thành 04 chương:
Chương 1. Tổng quan về hệ tư vấn: Giới thiệu khái quát về một hệ thống
hỗ trợ tư vấn với các chức năng chính của hệ tư vấn. Trình bày các nội dung cơ
bản về kiến trúc và mô hình hóa bài toán tư vấn trong thương mại điện tử.
Chương 2. Các phương pháp tư vấn: Trình bày các phương pháp tiếp cận
để xây dựng hệ tư vấn với 3 phương pháp chính là tư vấn dựa nội dung, tư vấn
dựa cộng tác và phương pháp lai. Đưa ra các ưu điểm và hạn chế của từng
phương pháp.
9
Chương 3. Các mô hình học máy: Giới thiệu về hai mô hình học máy là
mô hình phân lớp Naïve Bayes và mô hình phân lớp Máy hỗ trợ vector (SVM –
Support Vector Machines).
Chương 4. Kết quả thực nghiệm và đánh giá: Chuẩn hóa dữ liệu từ bộ dữ
liệu của MovieLens. Xây dựng thử nghiệm với mô hình phân lớp Naïve Bayes
và thử nghiệm với mô hình phân lớp máy hỗ trợ vector thực hiện bằng Weka
trên bộ dữ liệu chuẩn với ba phương pháp tư vấn. So sánh và đánh giá các kết
quả đạt được.
Phần kết luận và hướng phát triển tổng kết nội dung chính của luận
văn, các vấn đề còn tồn tại và hướng phát triển tiếp theo của để tài.
10
CHƯƠNG 1 – TỔNG QUAN VỀ HỆ TƯ VẤN
1.1. Khái quát về hệ tư vấn
Cùng với sự phát triển nhanh chóng của internet đã mang đến cho con
người nhiều tiện ích khác nhau đồng thời cũng tạo ra một cuộc bùng nổ thông
tin. Cùng với sự phát triển đó các giao dịch thông qua thương mại điện tử tạo ra
một lượng thông tin khổng lồ với các dữ liệu về khách hàng và các sản phẩm
giao dịch. Ngày nay, chúng ta có thể tìm bất kỳ thông tin hoặc sản phẩm mình
cần thông qua internet. Tuy nhiên, chúng ta ngày càng mất nhiều thời gian và
gặp nhiều khó khăn trong việc tìm xem sản phẩm hoặc thông tin nào phù hợp
với mong muốn của mình. Các công cụ tìm kiếm trên internet như Google,
Yahoo, Bing ,… tỏ ra rất hữu hiệu trong việc đưa ra những thông tin liên quan
với từ khóa chúng ta tìm kiếm. Cùng với khối lượng thông tin ngày càng tăng,
chúng ta cần phải bỏ ra quả nhiều thời gian để lọc được những thông tin mong
muốn. Đôi khi chính chúng ta cũng không hiểu được những nhu cầu của mình
và không biết được chính xác từ khóa mình muốn tìm kiếm, do đó rất khó để tìm
được thông tin mình cần.
Trong bối cảnh đó, nhu cầu của các hệ tư vấn, tìm kiếm thông tin ngày
càng trở nên cấp thiết. Các hệ thống tư vấn sẽ tính toán và dự đoán khả năng
một khách hàng có thể quan tâm tới một sản phẩm hay một thông tin nào đó hay
không. Từ đó đưa ra gợi ý về sản phẩm hay thông tin phù hợp với khách hàng
nhất.
Ban đầu, những nghiên cứu về hệ tư vấn được xuất phát từ các công trình
nghiên cứu về máy lọc cộng tác kết hợp với các nghiên cứu về lý thuyết xấp xỉ,
lý thuyết về dự báo và dự đoán, tìm kiếm thông tin cũng như kết hợp cùng các
nghiên cứu về quản lý và các mô hình sự lựa chọn tiêu dùng trong kinh doanh.
Sau đó các nghiên cứu hệ tư vấn đã trở thành một lĩnh vực được nghiên cứu độc
lập vào giữa thập kỷ 90 [28,34] khi các nhà nghiên cứu tập trung tiến hành giải
quyết vấn đề tư vấn một cách tường minh cả trong công nghiệp và khoa học để
phát triển hệ tư vấn. Lĩnh vực này được quan tâm nhiều vì nó bao gồm nhiều
lĩnh vực cần nghiên cứu cũng như sự phong phú của nó trong những ứng dụng
thực tiễn, giúp khách hàng có thể giải quyết khối lượng lớn thông tin, hỗ trợ
cung cấp thông tin, tư vấn cụ thể nội dung và dịch vụ tới khách hàng.
Vấn đề chung nhất mà một hệ thống tư vấn cần giải quyết đó là đưa ra
ước lượng đánh giá tốt nhất cho các sản phẩm mà chưa được biết đến bởi khách
11
hàng. Ước lượng này được xác định thông qua các đánh giá mà một khách hàng
đã đánh giá về một số sản phẩm khác trong quá khứ hoặc cũng có thể là một tập
hợp các đánh giá của những khách hàng khác về sản phẩm này và có thể kết hợp
thêm một số thông tin khác để có những ước lượng tốt nhất. Bài toán hệ tư vấn
đặt ra là ước lượng các đánh giá cho các sản phẩm chưa được đánh giá bởi
khách hàng và tư vấn cho khách hàng những sản phẩm mà theo hệ tư vấn có ước
lượng đánh giá cao nhất.
1.2. Hệ tư vấn và các chức năng của hệ tư vấn
Theo định nghĩa được trích dẫn bởi G.Adomavicius và A.Tuzhilin [13] thì
hệ tư vấn là các chương trình có khả năng dự đoán các sản phẩm tới khách hàng
mà khách hàng có thể có mối quan tâm về sản phẩm. Như vậy, hệ tư vấn là hệ
thống có khả năng tư vấn tới khách hàng khi khách hàng tương tác với hệ thống.
Hệ tư vấn có vai trò như một hệ thống lọc thông tin từ những thông tin đã biết
về khách hàng và lựa chọn ra những sản phẩm mà khách hàng chưa biết để tư
vấn. Các sản phẩm để tư vấn có thể là bất kỳ sản phẩm nào có trong thực tế như
sách, báo, phim, trang web, tài chính, ngân hàng, viễn thông,…mà khách hàng
có thể lựa chọn. Do vậy, hệ tư vấn phải có khả năng đưa ra dự đoán về mức độ
quan tâm của khách hàng với một sản phẩm nào đó. Đơn giản nhất là hệ thống
tư vấn sẽ dự đoán khách hàng có quan tâm hay không quan tâm tới một sản
phẩm nào đó. Khi đó vấn đề của hệ tư vấn trở thành bài toán phân loại đối tượng
thành hai lớp “quan tâm” và “không quan tâm”. Ngoài ra, các hệ thống tư vấn có
thể đưa ra đánh giá mức độ quan tâm khách hàng với sản phẩm bằng các thang
điểm về sự thõa mãn của khách hàng với sản phẩm.
Các chức năng chính của hệ thống tư vấn được xây dựng có thể hỗ trợ tới
khách hàng bao gồm:
 Tư vấn các sản phẩm tự động cho khách hàng dựa vào lịch sử đánh giá sản
phẩm của khách hàng và sở thích của khách hàng. Mỗi khách hàng có một
danh sách kết quả tư vấn riêng biệt.
 Tư vấn các sản phẩm có độ tương tự với các sản phẩm mà khách hàng đang
tìm hiểu và so sánh.
 Giới thiệu các sản phẩm mới tới các khách hàng tiềm năng.
 Tư vấn sản phẩm tới khách hàng chưa có đánh giá hoặc mối quan tâm tới các
sản phẩm của hệ thống.
 Có khả năng đáp ứng cho các web thương mại có bán nhiều chủng loại hàng
hóa.
12
1.3. Tiếp cận trong hệ tư vấn
Có nhiều phương pháp đánh giá trọng số như sử dụng học máy, lý thuyết
xấp xỉ, các thuật toán dựa kinh nghiệm… Theo [13], từ những nghiên cứu các
vấn đề liên quan đến hệ tư vấn và vẫn tiếp tục được thực hiện đến bây giờ hệ
thống tư vấn thường được phân thành ba loại dựa theo cách tiếp cận của việc tư
vấn:
 Tư vấn dựa trên lọc nội dung (Content-Based Filter Methods): Người dùng
sẽ được tư vấn những sản phẩm tương tự với những sản phẩm đã được người
dùng đó ưa thích trước đây.
 Tư vấn dựa trên lọc cộng tác (Collaborative-Based Filter Methods): Người
dùng sẽ được tư vấn những sản phẩm được ưa chuộng xuất phát từ những
người có cùng thị hiếu và sở thích với mình.
 Tư vấn dựa trên cách tiếp cận kết hợp (Hybird Methods): Kết hợp hai
phương pháp tiếp cận dựa trên nội dung và tiếp cận dựa cộng tác.
Phương pháp tư vấn dựa trên lọc nội dung được sử dụng khi hệ thống dựa
trên các thuộc tính của sản phẩm để tư vấn tới khách hàng. Hệ tư vấn lựa chọn
các sản phẩm có các thuộc tính tương đồng với các sản phẩm mà khách hàng đã
quan tâm với đánh giá cao trong quá khứ. Từ đó chọn ra sản phẩm có đánh giá
tốt nhất để tư vấn tới khách hàng.
Phương pháp tư vấn dựa trên lọc cộng tác được ứng dụng nhiều dựa trên
những đánh giá của khách hàng với sản phẩm. Với phương pháp tư vấn lọc dựa
cộng tác, hệ thống tư vấn hỗ trợ khách hàng dựa vào những thông tin mà khách
hàng đã đánh giá về sản phẩm của hệ thống trong quá khứ. Thêm vào đó, hệ tư
vấn sử dụng sự tương đồng giữa các khách hàng có cùng mối quan tâm, sở thích
về những sản phẩm đã đánh giá và dự đoán những sản phẩm mà khách hàng
quan tâm từ tập hợp các khách hàng tương đồng. Phương pháp tư vấn dựa cộng
tác có thể kết hợp cùng các thông tin cá nhân của khách hàng để nâng cao tính
chính xác và hiệu quả trong tư vấn.
Hai phương pháp tiếp cận này của hệ thống tư vấn vẫn còn chứa đựng
những hạn chế trong việc lựa chọn và tư vấn sản phẩm cho khác hàng. Do đó, để
mở rộng khả năng và tính hiệu quả của hệ thống, hệ thống cần kết hợp cả hai
phương pháp trên thành một phương pháp lai và áp dụng linh hoạt đối với từng
tập dữ liệu cụ thể.
13
Thêm vào đó, hệ tư vấn có thể dự đoán đánh giá của những khách hàng cụ
thể (mặc dù không biết trước sản phẩm) thông qua kỹ thuật lọc dựa trên sở thích,
nghĩa là dự đoán mối liên quan giữa các sở thích của người dùng. Chẳng hạn,
trong các ứng dụng tư vấn về lĩnh vực điện ảnh, kỹ thuật lọc dựa trên sở thích
tập trung vào dự đoán chính xác thứ tự liên quan của các bộ phim hơn là các
trọng số cụ thể của chúng.
Các kỹ thuật để xây dựng một hệ tư vấn hiện nay rất nhiều và được chia
thành hai loại kỹ thuật chính là đánh giá dựa các hàm kinh nghiệm (heuristics-
based hay memory-based) và đánh giá dựa mô hình (model-based).
Theo [13], các phương pháp tư vấn và các kỹ thuật được áp dụng hiện nay
được thể hiện trong bảng sau:
Phương pháp
tiếp cận
Các kỹ thuật tư vấn
Dựa trên kinh nghiệm Dựa trên mô hình
Tư vấn dựa
nội dung
 TF-IDF
 Phân cụm
 Phân lớp Naïve Bayes
 Clustering
 Cây quyết định
 Mạng neural
Tư vấn dựa
cộng tác
 Láng giếng gần nhất
(Cosine, correlation)
 Lý thuyết đồ thị
 Phân lớp Naïve Bayes
 Clustering [33]
 Cây quyết định
 Hồi quy tuyến tính
 Mô hình xác suất [10]
Tư vấn kết
hợp
 Kết hợp tuyến tính kết
quả
 Lược đồ bầu cử (voting)
 Tích hợp thuộc tính của
phương pháp này vào
phương pháp còn lại
 Xấy dựng mô hình hợp
nhất hai phương pháp
Hình 1. Các phương pháp tư vấn và kỹ thuật áp dụng
Trong chương 2, luận văn sẽ tập trung trình bày chi tiết các phương pháp
tiếp cận tư vấn, hạn chế của từng phương pháp và đề xuất các giải pháp để giải
quyết vấn đề cùng với các kỹ thuật đánh giá dựa các hàm kinh nghiệm và đánh
giá dựa mô hình cho từng phương pháp tiếp cận cụ thể.

Tác giả

Lưu Ngọc Tuấn

Nhà xuất bản

ĐHCN

Năm xuất bản

2010

Người hướng dẫn

Lê Anh Cường

Định danh

00050000030

Kiểu

text

Định dạng

text/pdf

Chủ đề

Phần mềm,Thương mại điện tử,Công nghệ thông tin,Tư vấn

Nhà xuất bản

Khoa công nghệ thông tin,

Trường đại học Công nghệ

Các đánh giá

Hiện chưa có đánh giá cho sản phẩm.

Hãy là người đầu tiên đánh giá “Hệ thống hỗ trợ tư vấn trong thương mại điện tử”

Email của bạn sẽ không được hiển thị công khai. Các trường bắt buộc được đánh dấu *