LuanVan.vnLuận Văn
Gửi thư

Reinforcement learning for mitigating popularity bias and cold-start in third-party library recommendations

Đồ án tốt nghiệp · Đại học · năm 2025 · đề tài tham khảo

Loại tài liệuĐồ án tốt nghiệp
Bậc họcĐại học
Tác giảVương Hoàng Minh
Người hướng dẫnBùi Thị Mai Anh
Cơ sở đào tạoĐại học Bách khoa Hà Nội
Năm2025
NguồnThư viện số Đại học Bách khoa Hà Nội · trang gốc

Tóm tắt

Trình bày giải pháp xây dựng hệ thống gợi ý thư viện phần mềm bên thứ ba nhằm hỗ trợ lựa chọn thư viện phù hợp cho các dự án phát triển phần mềm, đặc biệt trong điều kiện dữ liệu tương tác hạn chế. Phân tích thực trạng các phương pháp Collaborative Filtering, chỉ ra hạn chế về thiên lệch phổ biến và khó xử lý các dự án mới chưa có lịch sử sử dụng. Đề xuất giải pháp RAILS kết hợp học tăng cường, bộ mã hóa Collaborative Filtering và cơ chế tổng hợp biểu diễn dự án mới để cải thiện chất lượng khuyến nghị. Kết luận khẳng định hệ thống nâng cao hiệu quả khuyến nghị, giảm popularity bias và xử lý tốt bài toán cold-start trên các bộ dữ liệu thực nghiệm.
Bản toàn văn lưu tại thư viện Đại học Bách khoa Hà Nội

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.

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.