1/ Thông tin Luận án
- Tên Luận án: NGHIÊN CỨU PHÁT TRIỂN HỆ TƯ VẤN NHÓM THEO TIẾP CẬN MỜ TRỰC CẢM VÀ TÍCH PHÂN CHOQUET
- Tác giả: Cù Nguyên Giáp
- Số lượng trang: 120 (ước lượng dựa trên mục lục, không có thông tin chính xác)
- Năm: 2024
- Nơi xuất bản: Học viện Khoa học và Công nghệ
- Chuyên ngành học: Khoa học Máy tính
- Từ khoá: Hệ tư vấn nhóm, Tập mờ trực cảm, Tích phân Choquet, Tính công bằng, Hệ tư vấn động
2/ Nội dung chính
Luận án “Nghiên cứu phát triển hệ tư vấn nhóm theo tiếp cận mờ trực cảm và tích phân Choquet” tập trung vào việc xây dựng một hệ thống tư vấn nhóm (HTVN) có khả năng đưa ra các khuyến nghị phù hợp, công bằng cho các nhóm người dùng. Luận án khai thác lý thuyết tập mờ trực cảm để biểu diễn sự không chắc chắn trong đánh giá của người dùng, đồng thời sử dụng tích phân Choquet để tổng hợp các đánh giá, từ đó đưa ra khuyến nghị cho nhóm. Mục tiêu chính của nghiên cứu là giải quyết các hạn chế của các phương pháp HTVN truyền thống, đặc biệt là trong việc đảm bảo tính công bằng và xử lý thông tin không chắc chắn trong đánh giá của người dùng, cũng như sự biến động của dữ liệu theo thời gian.
Luận án đề xuất một cách tiếp cận mới để xây dựng pha đồng thuận trong HTVN, bằng cách sử dụng tích phân Choquet. Thay vì sử dụng các phép toán tổng hợp đơn giản như phép cộng hay trung bình, tích phân Choquet cho phép hệ thống kết hợp các đánh giá của các thành viên trong nhóm một cách linh hoạt hơn, từ đó tạo ra một đánh giá chung đại diện cho cả nhóm. Để thực hiện điều này, luận án giới thiệu các hàm dung lượng phi cộng tính, được xây dựng dựa trên mức độ tích cực của người dùng trong hệ thống và mức độ tương đồng giữa các thành viên. Các hàm dung lượng này đóng vai trò là một độ đo mờ, cho phép hệ thống cân bằng giữa việc tối đa hóa tổng lợi ích của nhóm và đảm bảo tính công bằng cho từng thành viên. Cụ thể, hàm dung lượng được thiết kế để ưu tiên những người dùng tích cực và nhóm có sự tương đồng cao, giúp các khuyến nghị trở nên phù hợp và công bằng hơn.
Bên cạnh đó, luận án cũng nghiên cứu về HTVN động, tức là HTVN có khả năng xử lý sự thay đổi của dữ liệu theo thời gian. Trong thực tế, sở thích của người dùng và mức độ hấp dẫn của sản phẩm có thể thay đổi theo thời gian, do đó HTVN cần có khả năng thích ứng với những thay đổi này. Luận án đề xuất một mô hình HTVN động sử dụng lý thuyết tập mờ trực cảm, cho phép hệ thống biểu diễn và xử lý các thông tin không chắc chắn về sự thay đổi trong đánh giá của người dùng và sự hấp dẫn của sản phẩm. Mô hình này cũng tích hợp các cơ chế để đảm bảo tính công bằng của khuyến nghị trong bối cảnh dữ liệu động. Các thuật toán được phát triển trong luận án được chứng minh là có khả năng giải quyết bài toán HTVN trong môi trường thực tế, nơi thông tin có tính do dự và không chắc chắn, đồng thời có sự biến động theo thời gian.
Kết quả thực nghiệm được thực hiện trên bộ dữ liệu MovieLens-1M, một bộ dữ liệu công khai phổ biến trong lĩnh vực hệ tư vấn. Các thử nghiệm so sánh mô hình HTVN đề xuất với các mô hình HTVN truyền thống và cho thấy rằng, HTVN sử dụng tích phân Choquet và các hàm dung lượng đã đề xuất có khả năng tạo ra các khuyến nghị công bằng hơn, đồng thời vẫn duy trì được mức độ chính xác và tổng lợi ích cho nhóm. Các kết quả cũng chỉ ra sự ưu việt của mô hình HTVN động sử dụng tập mờ trực cảm trong việc thích ứng với sự thay đổi của dữ liệu theo thời gian. Luận án đóng góp một cách tiếp cận mới và hiệu quả cho việc xây dựng HTVN, có tiềm năng ứng dụng cao trong thực tế, đặc biệt trong các hệ thống thông tin cung cấp dịch vụ cho nhóm người dùng.