LuanVan.vnLuận Văn
Gửi thư

HỆ THỐNG GỢI Ý SẢN PHẨM THEO PHIÊN DỰA TRÊN MÔ HÌNH LSTM

Khoá luận tốt nghiệp · Đại học · năm 2025 · đề tài tham khảo

Loại tài liệuKhoá luận tốt nghiệp
Bậc họcĐại học
NgànhCông nghệ thông tin
Tác giảPhạm Trí Đạt
Người hướng dẫnTrần Thanh Điện
Cơ sở đào tạoTrường Đại học Cần Thơ
Năm2025
NguồnThư viện số Trường Đại học Cần Thơ · trang gốc

Tóm tắt

Trong bối cảnh thương mại điện tử phát triển mạnh mẽ, việc xây dựng hệ thống gợi ý sản phẩm ngày càng trở nên cần thiết nhằm nâng cao trải nghiệm người dùng và tối ưu hóa doanh thu cho doanh nghiệp. Tuy nhiên, hầu hết các hệ thống gợi ý truyền thống chỉ dựa vào nội dung sản phẩm hoặc hành vi chung của người dùng, mà chưa tận dụng tốt trình tự tương tác trong từng phiên làm việc (session). Trước thực tế đó, đề tài "Hệ thống gợi ý sản phẩm theo phiên dựa trên mô hình LSTM" được thực hiện với mong muốn xây dựng một mô hình gợi ý theo chuỗi thời gian, có khả năng học được các hành vi theo trình tự của người dùng. Phương pháp chính của đề tài là sử dụng mạng nơ-ron hồi tiếp LSTM để dự đoán sản phẩm tiếp theo mà người dùng có thể quan tâm dựa trên lịch sử tương tác trong phiên hiện tại. Dữ liệu sử dụng trong luận văn được tiền xử lý bằng cách lọc các phiên có tối thiểu 10 lượt tương tác, mã hóa sản phẩm bằng kỹ thuật số hóa nhãn, và chuyển đổi thành các chuỗi đầu vào có độ dài cố định. Mô hình LSTM được xây dựng gồm ba tầng chính: lớp embedding để biểu diễn sản phẩm dưới dạng vector, lớp LSTM để học trình tự hành vi, và lớp dense kết thúc với hàm softmax để dự đoán sản phẩm tiếp theo. Mô hình được huấn luyện và đánh giá trên tập dữ liệu thực tế từ hệ thống gợi ý, sử dụng các chỉ số như Recall@K và MRR@K để đo lường hiệu quả. Kết quả cho thấy mô hình đạt độ chính xác cao trong việc gợi ý sản phẩm, đặc biệt khi so sánh với các phương pháp đơn giản như gợi ý ngẫu nhiên hoặc phổ biến nhất. Mô hình LSTM có khả năng học được mối liên hệ tuần tự giữa các sản phẩm trong phiên, từ đó đưa ra các gợi ý phù hợp hơn với ngữ cảnh hiện tại của người dùng. Đóng góp chính của đề tài là xây dựng được một quy trình hoàn chỉnh từ tiền xử lý dữ liệu, xây dựng mô hình LSTM đến đánh giá kết quả trên dữ liệu thực tế. Ngoài ra, đề tài khẳng định tính hiệu quả của mô hình LSTM trong việc xử lý bài toán gợi ý theo phiên, mở ra hướng phát triển các hệ thống gợi ý thông minh, cá nhân hóa hơn trong tương lai. Từ khóa: Hệ thống gợi ý sản phẩm, Gợi ý theo phiên, Mô hình LSTM, Học sâu, Thương mại điện tử.
Bản toàn văn lưu tại thư viện Trường Đại học Cần Thơ

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.