ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TRƯƠNG THỊ MINH NGỌC TƯ VẤN TRONG THƯƠNG MẠI ĐIỆN TỬ DỰA TRÊN PHÂN TÍCH MẪU PHỔ BIẾN TỪ DỮ LIỆU NHẬT KÝ TRUY CẬP CỦA KHÁCH HÀNG LUẬN VĂN THẠC SỸ CÔNG NGHỆ THÔNG TIN Hà Nội – 2015 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TRƯƠNG THỊ MINH NGỌC TƯ VẤN TRONG THƯƠNG MẠI ĐIỆN TỬ DỰA TRÊN PHÂN TÍCH MẪU PHỔ BIẾN TỪ DỮ LIỆU NHẬT KÝ TRUY CẬP CỦA KHÁCH HÀNG Ngành: Công nghệ thông tin Chuyên ngành: Hệ thống thông tin Mã số: 60 48 01 04 LUẬN VĂN THẠC SỸ CÔNG NGHỆ THÔNG TIN NGƯỜI HƯỚNG DẪN KHOA HỌC: TS PHAN XUÂN HIẾU Hà Nội – 2015 LỜI CẢM ƠN Để quãng đường này, lời xin gửi lời biết ơn chân thành sâu sắc tới thầy Ts Phan Xuân Hiếu, người thầy, người anh vô nhiệt thành dẫn dắt, truyền nhiệt huyết cho toàn trình, giúp vững vàng trưởng thành đường nghiên cứu học tập Thời gian qua khoảng kỷ niệm sâu sắc với tôi, học tập tham gia nghiên cứu trường, phòng thí nghiệm công nghệ tri thức (KT Lab) Trung tâm Công nghệ tích hợp liên ngành Giám sát trường (FIMO) Xin gửi lời cảm ơn tới tất thầy cô bạn học sẵn sàng hỗ trợ giúp đỡ Tôi xin bày tỏ lòng biết ơn chân thành tới Thầy, Cô giáo anh chị bạn môn Hệ thống thông tin, Khoa Công nghệ thông tin, người nhiệt tình giúp mở rộng kiến thức Công nghệ thông tin nói chung Hệ thống thông tin nói riêng, kiến thức quý báu có ích với giai đoạn tương lai Tôi xin gửi lời cảm ơn chân thành tới Ban Giám hiệu Nhà trường, Phòng Đào tạo sau đại học, Đại học Công nghệ - Đại học Quốc gia Hà Nội tạo điều kiện tốt giúp suốt trình học tập Qua tất gửi đến gia đình thân yêu tình cảm mình, cảm ơn bố mẹ luôn tin tưởng, luôn chỗ dựa vững chắc, cảm ơn anh chị em dành điều kiện để giúp tập trung vào nghiên cứu Hà Nội, ngày 30 tháng 10 năm 2015 Học viên Trƣơng Thị Minh Ngọc LỜI CAM ĐOAN Tôi xin cam đoan nội dung trình bày luận văn tự nghiên cứu tìm hiểu dựa tài liệu trình bày theo ý hiểu thân dƣới hƣớng dẫn trực tiếp Thầy TS Phan Xuân Hiếu Các nội dung nghiên cứu, tìm hiểu kết thực nghiệm hoàn toàn trung thực Luận văn chƣa đƣợc công bố công trình Trong trình thực luận văn tham khảo đến tài liệu số tác giả, ghi rõ tên tài liệu, nguồn gốc tài liệu, tên tác giả liệt kê mục “DANH MỤC TÀI LIỆU THAM KHẢO” cuối luận văn Học viên Trƣơng Thị Minh Ngọc MỤC LỤC CHƢƠNG KHÁI QUÁT BÀI TOÁN TƢ VẤN SẢN PHẨM THƢƠNG MẠI Error! Bookmark not defined 1.1 Tổng quan toán tƣ vấn thƣơng mại điện tửError! Bookmark not defined 1.2 Các hƣớng tiếp cận mô hình hệ gợi ýError! Bookmark not defined 1.3 Thách thức hệ gợi ý Error! Bookmark not defined 1.4 Đánh giá ứng dụng hệ gợi ý Error! Bookmark not defined 1.4.1 Đánh giá hệ gợi ý Error! Bookmark not defined 1.4.2 Thiết kế ứng dụng cho hệ thống gợi ý thựcError! Bookmark not defined CHƢƠNG LÝ THUYẾT KHAI PHÁ MẪU PHỔ BIẾN VÀ LUẬT KẾT HỢP Error! Bookmark not defined 2.1 Những định nghĩa chung toán tìm mẫu phổ biến luật kết hợp Error! Bookmark not defined 2.2 Những hƣớng tiếp cận khai phá mẫu phổ biến, luật kết hợp Error! Bookmark not defined 2.2.1 Những hƣớng tiếp cận luật kết hợp Error! Bookmark not defined 2.2.2 Những thuật toán Error! Bookmark not defined 2.3 Luật kết hợp hệ gợi ý Error! Bookmark not defined 2.4 Thuật toán tìm kiếm tập phổ biến luật kết hợpError! Bookmark not defined 2.4.1 Thuật toán FP-Growth Error! Bookmark not defined 2.4.2 Thuật toán FPClose Error! Bookmark not defined 2.4.3 Thuật toán FIN Error! Bookmark not defined CHƢƠNG ỨNG DỤNG MẪU PHỔ BIẾN VÀ LUẬT KẾT HỢP ĐỂ GỢI Ý SẢN PHẨM TRONG THƢƠNG MẠI ĐIỆN TỬ Ở VIỆT NAMError! Bookmark not defined 3.1 Bài toán gợi ý sản phẩm tìm kiếm mẫu phổ biến luật kết hợp Error! Bookmark not defined 3.2 Gợi ý sản phẩm dựa mẫu phổ biến Error! Bookmark not defined 3.3 Gợi ý sản phẩm dựa luật kết hợp Error! Bookmark not defined 3.4 Mô tả liệu Error! Bookmark not defined 3.5 Mô tả hệ thống gợi ý cho ngƣời dùng Error! Bookmark not defined CHƢƠNG THỰC NGHIỆM, PHÂN TÍCH VÀ ĐÁNH GIÁError! Bookmark not defined 4.1 Kết chạy thuật toán tìm kiếm tập phổ biến.Error! Bookmark not defined 4.2 Kết gợi ý sản phẩm cho ngƣời dùngError! Bookmark not defined CHƢƠNG KẾT LUẬN Error! Bookmark not defined 5.1 Những vấn đề đƣợc giải luận văn này.Error! Bookmark not defined 5.2 Hƣớng hay hƣớng áp dụng cho đề tài luận văn.Error! Bookmark not defined CÁC CÔNG TRÌNH KHOA HỌC VÀ SẢN PHẨM ĐÃ CÔNG BỐ Error! Bookmark not defined TÀI LIỆU THAM KHẢO .9 DANH MỤC HÌNH VẼ Hình 3.1 Gợi ý Amazon Error! Bookmark not defined Hình 3.2 Phân bố liệu sản phẩm thu thập đƣợc Error! Bookmark not defined Hình 3.3 Ví dụ thông tin sản phẩm item Error! Bookmark not defined Hình 3.4 Ví dụ transaction – lƣợt truy cập ngƣời dùng Error! Bookmark not defined Hình 3.5 Quy trình giải toán Error! Bookmark not defined Hình 3.6 Mô hình bƣớc tiền xử lý Error! Bookmark not defined Hình 3.7 Mô hình bƣớc tìm mẫu phổ biến luật kết hợpError! Bookmark not defined Hình 3.8 Định dạng tập phổ biến tìm đƣợc Error! Bookmark not defined Hình 3.9 Định dạng luật kết hợp tìm đƣợc Error! Bookmark not defined Hình 3.10 Định dạng đầu tập phổ biến đƣợc đánh mụcError! Bookmark not defined Hình 3.11 Định dạng đầu phần Y luật đƣợc đánh mụcError! Bookmark not defined Hình 3.12 Mô hình bƣớc gợi ý cho ngƣời dùng Error! Bookmark not defined Hình 4.1 So sánh thời gian chạy thuật toán Error! Bookmark not defined Hình 4.2 Thống kê thời gian trung bình chạy thuật toánError! Bookmark not defined Hình 4.3 So sánh nhớ tối đa sử dụng Error! Bookmark not defined Hình 4.4 Thống kê nhớ tối đa sử dụng thuật toánError! Bookmark not defined Hình 4.5 Thống kê số tập phổ biến tìm đƣợc Error! Bookmark not defined Hình 4.6 Giao diện gợi ý cho ngƣời dùng Error! Bookmark not defined Hình 4.7 Gợi ý cho ngƣời dùng theo sản phẩm mẹ béError! Bookmark not defined Hình 4.8 Gợi ý cho mặt hàng phụ kiện công nghệ Error! Bookmark not defined Hình 4.9 Gợi ý cho mặt hàng đồ gia dụng Error! Bookmark not defined Hình 4.10 Gợi ý cho mặt hàng đồng hồ Error! Bookmark not defined DANH MỤC TỪ VIẾT TẮT Từ viết tắt CSDL (DB) RS AR FP Giải nghĩa Cơ sở liệu (database) Recommender system Association rule Frequent pattern DANH MỤC TỪ KHÓA Từ khóa Recommender system Association rule Frequent pattern Ngữ nghĩa Hệ gợi ý Luật kết hợp Mẫu phổ biến MỞ ĐẦU Những tác giả đầu ngành mở đầu cho toán tìm mẫu phổ biến [1] từ năm 1993 Jiawei Han Charu C Aggarwal tổng hợp vấn đề hƣớng tiếp cận, phƣơng pháp thuật toán, dành cho nhiều loại liệu nhiều công trình nghiên cứu “Frequent pattern mining” [2] xuất năm 2014 Cho thấy sức hấp dẫn đề tài xong suốt 20 năm qua Ứng dụng cho toán maketing tìm kiếm mẫu phổ biến tập liệu mua hàng khách, tìm sản phẩm hay đƣợc mua nhất, hay gợi ý xem sản phẩm xem sản phẩm Thử đặt giả thiết nhƣ ngƣời xem nhấp chuột tìm kiếm xem sản phẩm thời trang nhƣ „đầm xòe nơ‟ mà họ quan tâm website, website gợi ý „đầm kim sa nhũ‟ hoặc/và „đầm dự tiệc sang trọng‟ hoặc/và „giầy cao gót dây lịch‟ hoặc/và „ví xách trang nhã‟ với giải thích sản phẩm thƣờng đƣợc nhiều ngƣời dùng khác xem với nhiều lần, nhận thấy ngữ cảnh xem hàng ngƣời dùng muốn tìm kiếm trang phục dự tiệc, gợi ý sản phẩm đồng theo loại sản phẩm phù hợp, gợi đƣợc nhiều liên quan sản phẩm không tính đến chúng thuộc chủng loại, nội dung Đặc biệt gợi ý thƣơng mại điện tử Việt Nam, lý để chọn hƣớng tiếp cận tìm tập phổ biến phụ thuộc vào tập liệu thu thập đƣợc từ khách hàng Dữ liệu mà luận văn thu thập đƣợc từ website thƣơng mại Việt Nam, với số lƣợng mặt hàng lên tới 238.000 sản phẩm chủ yếu mặt hàng thời trang, gia dụng, thực phẩm, phụ kiện công nghệ … Hƣớng tiếp cận cũ nhƣ hƣớng lọc nội dung (content-based) dù có kết tốt nhƣng không đủ tinh tế để hiểu ngƣời dùng, thƣờng gợi ý đƣợc nhiều sản phẩm số lƣợng sản phẩm liên quan với lớn, mà theo tâm lý ngƣời dùng việc gợi ý nhiều không gây đƣợc kết tốt [3], xem xét gợi ý phù hợp thú vị cho ngƣời dùng vấn đề cần nghiên cứu Những công trình đƣợc nghiên cứu cho hệ gợi ý có nhiều bƣớc tiến vƣợt trội, nhiều phƣơng pháp mang lại hiệu cao xu hƣớng nhƣ hƣớng lọc cộng tác (collaborative filtering) dựa vào cộng đồng ngƣời dùng sử dụng liệu đánh giá (rating) họ sản phẩm Nhƣng quay trở áp dụng cho ngƣời dùng Việt Nam với sản phẩm thƣơng mại khó khăn việc thu thập liệu, lý ngƣời dùng Việt Nam thƣờng có thói quen đánh giá (rating) hay bình luận (comment) sản phẩm, kết thực tế thu thập liệu đƣợc từ website thƣơng mại mà luận văn làm thực nghiệm Hơn hành vi chủ yếu ngƣời dùng tìm kiếm thông tin sản phẩm, hành vi mua trực tuyến dẫn đến khó khăn thu thập khai phá liệu kiểu hành vi này, theo khảo sát Google vào năm 2015 [4] số 73% ngƣời dùng xem hàng có 17% định mua hàng trực tuyến lại thực mua bán ngoại tuyến Ngoài theo trang alexa.com1 trang chuyên thống kê website khắp giới mức độ ngƣời truy cập, số lƣợng tìm kiếm, đánh giá năm 2015 thống kê website thƣơng mại điện tử đứng đầu Việt Nam nhƣ vatgia.com, 5giay.vn, lazada.vn, chotot.vn…có đánh giá rating cho sản phẩm đƣợc mua dùng ngƣời dùng Với hƣớng tìm kiếm tập phổ biến để gợi ý, luận văn có tham khảo trang web thƣơng mại điện tử thành công giới Amazon2 (theo alexa3), dựa tìm luật kết hợp xếp chúng theo độ tin cậy, tìm biến thể khác nhƣ đo độ không thích quan hệ ngƣời dùng Điều tùy thuộc vào liệu lấy đƣợc, hay không thu đƣợc mức độ xem quan tâm từ rating, hành vi phản hồi ẩn khách hàng, liệu thu thập đƣợc website làm thực nghiệm Với hƣớng ứng dụng tập phổ biến luật kết hợp vào toán gợi ý sản phẩm thƣơng mại, luận văn tìm hiểu nghiên cứu vấn đề liên quan đến khâu xây dựng ứng dụng nhƣ xác định đối tƣợng gợi ý, đối tƣợng liệu thu thập đƣợc từ nhật ký phiên truy cập ngƣời dùng trang thƣơng mại điện tử Việt Nam; khảo sát phƣơng pháp để khai phá mẫu phổ biến luật kết hợp, tìm hiểu vấn đề độ đo, chọn ngƣỡng, khó khăn thách thức triển khai; đến vấn đề đánh giá liệu, chất lƣợng tập phổ biến luật kết hợp, hiển thị gợi ý,… Luận văn tập trung giải khâu thực nghiệm, nhận định vấn đề khó khăn gặp phải nhƣ vấn đề nhớ sử dụng, thời gian chạy, phân hoạch liệu gốc, đánh mục ngƣợc cho tập phổ biến tập luật tìm đƣợc, đƣa gợi ý cho cá nhân ngƣời dùng, đƣa giải thích cho gợi ý Sau tìm phƣơng hƣớng giải quyết, rút học kinh nghiệm có đƣợc Hy vọng từ việc khai thác liệu thực tế áp dụng phƣơng pháp kỹ thuật đƣợc công bố nhà nghiên cứu uy tín toàn giới đƣa lại kết có ý nghĩa, đóng góp phần để triển khai ứng dụng thƣơng mại điện tử Việt Nam nói riêng ứng dụng công nghệ thông tin vào đời sống nói chung Luận văn chia nội dung làm năm chƣơng chính: Chƣơng 1: Khái quát toán tƣ vấn sản phẩm thƣơng mại Ở chƣơng mở đầu nêu tổng quan toán gợi ý, hƣớng tiếp cận, phƣơng pháp giải quyết, thách thức đánh giá ứng dụng, đặc biệt cho thƣơng mại điện tử Chƣơng 2: Lý thuyết mẫu phổ biến luật kết hợp Có nội dung nêu định nghĩa chung toán tìm kiếm tập phổ biến, hƣớng tiếp cận, http://www.alexa.com/topsites/countries/VN www.amazon.com http://www.alexa.com/topsites/category/Top/Shopping ứng dụng phƣơng pháp khai phá tập phổ biến luật kết hợp vào toán gợi ý thƣơng mại Trong nêu chi tiết thuật toán đƣợc áp dụng luận văn Chƣơng 3: Ứng dụng khai phá mẫu phổ biến để gợi ý sản phẩm đƣợc xem thƣơng mại điện tử Việt Nam Chƣơng chƣơng luận văn phát biểu toán cụ thể mà luận văn cần giải quyết, sau đƣa mô hình giải toán Chƣơng 4: Thực nghiệm đánh giá Đây phần nêu lên kết đạt đƣợc suốt trình thực hiện, đề cập đến khó khăn vấn đề vƣớng mắc phát sinh Sau đánh giá kết đạt đƣợc chi tiết bƣớc thực Chƣơng 5: Kết luận Tổng kết lại nội dung luận văn, đƣa hƣớng hƣớng áp dụng thực tế TÀI LIỆU THAM KHẢO [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] R Agrawal, T Imieliński, and A Swami, “Mining association rules between sets of items in large databases,” ACM SIGMOD Record, vol 22, no pp 207– 216, 1993 J H Charu C Aggarwal, “Frequently partern mining.” Springer, New York, 2014 M G D Bollen, BP Knijnenburg, MC Willemsen, “Understanding choice overload in recommender systems.” RecSys ‟10, pp 63–70, 2010 “The consumer barometer survey 2015.” Google, 2015 J Leskovec, R Anand, and J Ullman, “Recommendation Systems,” Mining of Massive Datasets pp 305–339, 2011 F Ricci, L Rokach, B Shapira, and P B Kantor, “Recommender Systems Handbook.” Springer, New York, pp 27–46, 2011 J L Herlocker, J a Konstan, L G Terveen, and J T Riedl, “Evaluating collaborative filtering recommender systems,” ACM Transactions on Information Systems (TOIS), vol 22, no pp 5–53, 2004 J J Sandvig, B Mobasher, and R Burke, “Robustness of collaborative recommendation based on association rule mining,” RecSys ’07 Proc 2007 ACM Conf Recomm Syst., no October 2015, pp 105–112, 2007 B Joseph, P Ii, D Peppers, M Rogers, and N M Tichy, “Do you want to keep your customers forever,” HarvardBusinessReview, no June, 2012 “Báo cáo thƣơng mại điện tử Việt Nam 2014,” Cục Thương mại điện tử Công nghệ thông tin - Bộ Công Thương, p 53, 2014 N Tintarev and J Masthoff., “Effective explanations of recommendations: usercentered design.” Proceedings of the 2007 ACM conference on Recommender systems, pp 153–156, 2007 P Pu and L Chen, “Trust Building with Explanation Interfaces,” Proc 11th Int Conf Intell user interfaces - IUI ’06, pp 93–100, 2006 L Chen and P Pu, “A cross-cultural user evaluation of product recommender interfaces,” Proc 2008 ACM Conf Recomm Syst - RecSys ’08, p 75, 2008 P Melville and V Sindhwani, “Recommender Systems,” Encyclopedia of Machine Learning, vol pp 1–21, 2010 T Di Noia, R Mirizzi, V C Ostuni, D Romito, and M Zanker, “Linked open data to support content-based recommender systems,” Proc 8th Int Conf Semant Syst - I-SEMANTICS ’12, no December 2015, p 1, 2012 G Adomavicius and a Tuzhilin, “Toward the Next Generation of Recommender Systems: a Survey of the State of the Art and Possible Extensions,” IEEE Trans Knowl Data Eng., vol 17, no 6, pp 734–749, 2005 A M Rashid, I Albert, D Cosley, S K Lam, S M McNee, J a Konstan, and J Riedl, “Getting to Know You: Learning New User Preferences in 10 [18] [19] [20] [21] [22] [23] [24] [25] [26] [27] [28] [29] [30] [31] [32] Recommender Systems,” Int Conf Intell User Interfaces, IUI 2002, pp 127– 134, 2002 Y Hijikata, “Offline Evaluation for Recommender Systems.” Journal of the Japanese Society for Artificial Intelligence, p Vol 29, No 6, pp 658–689, 2014 K Garg and D Kumar, “Comparing the Performance of Frequent Pattern Mining Algorithms,” Int J Comput Appl., vol 69, no 25, pp 21–28, 2013 A M Said, P D D Dominic, and A B Abdullah, “A comparative study of FPgrowth variations,” International Journal of Computer Science and Network Security, vol 9, no pp 266–272, 2009 P J Azevedo and A M Jorge, “Comparing Rule Measures for Predictive Association Rules,” Ecml, vol 4701, pp 510–517, 2007 A Geyer-schulz and M Hahsler, “Evaluation of Recommender Algorithms for an Internet Information Broker based on Simple Association Rules and on the Repeat-Buying Theory,” In Pract., no July, pp 100–114, 2002 M J Zaki and C Hsiao, “CHARM: An efficient algorithm for closed association rule mining,” 2nd SIAM International Conf on Data Mining pp 457–473, 1999 T Burdick, D., Calimlim, M., Flannick, J., Gehrke, J., & Yiu, “Mafia: a maximal frequent itemset algorithm.” IEEE TKDE Journal, 17(11), pp 1490– 1504., 2005 B Liu, W Hsu, and Y Ma, “Mining Association Rules with Multiple,” Kdd-99 pp 337–341, 1999 J Han, “Data Mining : Concepts and Techniques,” Lect Notes Comput Sci Dep Univ Illinois Urbana-Champaign, 2014 J Han, H Cheng, D Xin, and X Yan, “Frequent pattern mining: current status and future directions,” Data Mining and Knowledge Discovery, vol 15 pp 55– 86, 2007 W Wang, J Yang, and P S Yu, “Efficient mining of weighted association rules (WAR),” Proceedings of the sixth ACM SIGKDD international conference on Knowledge discovery and data mining - KDD ’00 pp 270–274, 2000 G Grahne and J Zhu, “Fast algorithms for frequent itemset mining using FPtrees,” IEEE Trans Knowl Data Eng., vol 17, no 10, pp 1347–1362, 2005 G Liu, H Lu, J Yu, W Wang, and X Xiao, “AFOPT: An Efficient Implementation of Pattern Growth Approach.,” Fimi 2003 B Goethals and M Zaki, “Workshop on frequent itemset mining implementations,” Data Min Work Freq Itemset Min., 2003 J Li, X Zhang, G Dong, K Ramamohanarao, and Q Sun, “Efficient Mining of High Confidence Association Rules without Support Thresholds,” Principles of Data Mining and Knowledge Discovery PKDD’99, LNAI 1704, Prague, Czech 11 [33] [34] [35] [36] [37] [38] [39] [40] [41] [42] [43] [44] [45] Republic pp 406–411, 1999 J Li and N Cercone, “A rough set based model to rank the importance of association rules,” Rough Sets, Fuzzy Sets, Data Mining, Granul Comput., pp 109–118, 2005 R Agrawal and R Srikant, “Fast algorithms for mining association rules,” Proceeding VLDB ’94 Proc 20th Int Conf Very Large Data Bases, vol 1215, pp 487–499, 1994 M J Zaki, “Scalable algorithms for association mining.” Knowledge and Data Engineering, IEEE Transactions on 12.3, pp 372–390, 2000 M Holsheimer, “a Perspective on databases and data mining,” KDD-95 Proc., no October, pp 150–156, 2005 Y H Cho, J K Kim, and S H Kim, “A personalized recommender system based on web usage mining and decision tree induction,” Expert Syst Appl., vol 23, no 3, pp 329–342, 2002 P.-N Tan, M Steinbach, and V Kumar, “Association Analysis: Basic Concepts and Algorithms,” Introd to Data Min., pp 327–414, 2005 J Han and J Pei, “Mining frequent patterns by pattern-growth,” ACM SIGKDD Explorations Newsletter, vol 2, no pp 14–20, 2000 J Han, J Pei, and Y Yin, “Mining frequent patterns without candidate generation,” ACM SIGMOD Record, vol 29, no pp 1–12, 2000 J Han, J Pei, and Y Yin, “Mining frequent patterns without candicate generation.” Data Mining and Knowledge Discovery, Kluwer Academic Publishers., pp 53–87, 2004 Z H Deng and S L Lv, “Fast mining frequent itemsets using Nodesets,” Expert Syst Appl., vol 41, no 10, pp 4505–4512, 2014 Z Deng, Z Wang, and J Jiang, “A new algorithm for fast mining frequent itemsets using N-lists,” Sci China Inf Sci., vol 55, no 9, pp 2008–2030, 2012 B Sarwar, G Karypis, J Konstan, and J Riedl, “Analysis of recommendation algorithms for e-commerce,” Organization, vol 5, no 1/2, pp 158–167, 2000 “Www.Philippe-Fournier-Viger.Com.” 12 13 [...]...những ứng dụng phƣơng pháp khai phá tập phổ biến và luật kết hợp vào bài toán gợi ý thƣơng mại Trong đó còn nêu chi tiết 3 thuật toán sẽ đƣợc áp dụng trong luận văn Chƣơng 3: Ứng dụng khai phá mẫu phổ biến để gợi ý những sản phẩm đƣợc xem cùng nhau trong thƣơng mại điện tử ở Việt Nam Chƣơng này là chƣơng chính của luận văn phát biểu bài toán cụ thể mà luận văn cần giải quyết,... 105–112, 2007 B Joseph, P Ii, D Peppers, M Rogers, and N M Tichy, “Do you want to keep your customers forever,” HarvardBusinessReview, no June, 2012 “Báo cáo thƣơng mại điện tử Việt Nam 2014,” Cục Thương mại điện tử và Công nghệ thông tin - Bộ Công Thương, p 53, 2014 N Tintarev and J Masthoff., “Effective explanations of recommendations: usercentered design.” Proceedings of the 2007 ACM conference on Recommender... Thực nghiệm đánh giá Đây là phần nêu lên kết quả đạt đƣợc trong suốt quá trình thực hiện, ngoài ra còn đề cập đến những khó khăn vấn đề vƣớng mắc phát sinh Sau đó là đánh giá những kết quả đạt đƣợc chi tiết ở từng bƣớc thực hiện Chƣơng 5: Kết luận Tổng kết lại những nội dung chính của luận văn, đƣa ra hƣớng đi và hƣớng áp dụng thực tế 9 TÀI LIỆU THAM KHẢO [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11]