MỘT SỐ PHƯƠNG PHÁP GỢI Ý VÀ ỨNG DỤNG TRONG THƯƠNG MẠI ĐIỆN TỬ

Ngày nhận bài: 03-07-2025

Ngày xuất bản: 03-07-2025

DOI: https://doi.org/10.31817/tckhnnvn.2021.19.4.

Lượt xem

0

Download

0

Số: Tập 19 Số 4 (2021)

Chuyên mục:

KỸ THUẬT VÀ CÔNG NGHỆ

Cách trích dẫn:

Hà, H., & Thức, N. (2025). MỘT SỐ PHƯƠNG PHÁP GỢI Ý VÀ ỨNG DỤNG TRONG THƯƠNG MẠI ĐIỆN TỬ. Tạp Chí Khoa học Nông nghiệp Việt Nam, 19(4). https://doi.org/10.31817/tckhnnvn.2021.19.4.

MỘT SỐ PHƯƠNG PHÁP GỢI Ý VÀ ỨNG DỤNG TRONG THƯƠNG MẠI ĐIỆN TỬ

Hoàng Thị Hà (*) 1, 2 , Ngô Nguyễn Thức 1, 2

  • Tác giả liên hệ: [email protected]
  • 1 Khoa Công nghệ thông tin, Học viện Nông nghiệp Việt Nam
  • 2 Sinh viên K57 - Khoa Công nghệ thông tin, Học viện Nông nghiệp Việt Nam

    • Từ khóa

    Hệ gợi ý, lọc cộng tác, gợi ý dựa trên nội dung, hệ gợi ý kết hợp, thương mại điện tử

    Tóm tắt


    Hệ gợi ý (Recommender System) là công cụ được thiết kế nhằm cung cấp những khuyến nghị hữu ích về sản phẩm, dịch vụ,…cho người dùng. Hệ gợi ý dựa trên dữ liệu về mối quan hệ giữa người dùng, sản phẩm và các hành vi của người dùng trong quá khứ đối với sản phẩm để đưa ra những gợi ý thông minh, phù hợp với sở thích của từng khách hàng. Hệ gợi ý giúp khách hàng nhanh chóng định vị được những sản phẩm họ quan tâm để từ đó đưa ra quyết định đúng đắn khi mua sắm online. Trong bài báo này, chúng tôi trình bày tổng quan một số phương pháp gợi ý, đánh giá điểm mạnh, điểm yếu, so sánh hiệu quả thực hiện của mỗi phương pháp. Chúng tôi chỉ ra lợi ích mà các hệ gợi ý mang lại cho thương mại điện tử, đồng thời nêu ra những thách thức và giải pháp khắc phục. Kết quả thực nghiệm của chúng tôi trên 4 tập dữ liệu chuẩn (Movielens, Epinions, BookCrossing, LastFM) cho thấy mỗi phương pháp đều có những ưu điểm và hạn chế riêng, không có phương pháp nào là tốt nhất trên tất cả các tiêu chí. Ngoài ra, chúng tôi cũng đưa ra quy trình chung để xây dựng hệ gợi ý trong các website thương mại và thực hiện tích hợp các kỹ thuật hệ gợi ý trong website thương mại điện tử khắc phục vấn đề người dùng mới, sản phẩm mới (vấn đề này còn gọi là “Cold start problem”) của các phương pháp gợi ý cá nhân hóa.

    Tài liệu tham khảo

    Adomavicius G., Sankaranarayanan R., Sen S. & Tuzhilin A. (2005). Incorporating contextual information in recommender systems using a multidimensional approach.. ACM Transactions on Information Systems (TOIS). pp. 103-145.

    Dias M.B., Locher D., Li M., El-Deredy W. & Lisboa P.J. (2008). The value of personalised recommender systems to e-business: a case study. Proceedings of the 2008 ACM conference on Recommender systems. pp. 291-294.

    GroupLens (1998). MovieLens 100K Dataset, Retrieved from https://grouplens.org/datasets/ movielens/ on October 03, 2020.

    Grouplens (2011). Last.FM. Retrieved from https://grouplens.org/datasets/hetrec-2011 on October 03, 2020.

    Google & Temasek (2018). Report e-Conomy SEA 2018, Retrieved from https://www.thinkwith google.com/_qs/documents/6730/Report_e-Conomy _SEA_2018_by_Google_ Temasek_v.pdf on March 20, 2020.

    Ionos (2017). Recommendation systems in e-commerce. US: IONOS Inc. Retrieved from https://www.ionos.com/digitalguide/online-mark eting/online-sales/how-to-use-recommendation-systems-in-e-commerce on May 15, 2020.

    Jordan T. (2016). New insight from Experian Marketing Services helps brands prepare for the holiday season. https://www.experianplc.com.

    Khusro S., Ali Z. & Ullah I. (2016). Recommender systems: issues, challenges, and research opportunities. In Information Science and Applications (ICISA) 2016. Springer. In Information Science and Applications (ICISA).

    Lei Tang, Zongtao Duan, Yishui Zhu, Junchi Ma & Zihang Liu (2019). Recommendation for Ridesharing Groups Through Destination Prediction on Trajectory Data. IEEE Transactions on Intelligent Transportation Systems. 99: 14.

    Mohamed M.H., Khafagy M.H. & Ibrahim M.H. (2019). Recommender Systems Challenges and Solutions survey. International Conference on Innovative Trends in Computer Engineering (ITCE)

    Nguyễn Hùng Dũng & Nguyễn Thái Nghe (2013). Hệ thống gợi ý sản phẩm trong bán hàng trực tuyến sử dụng kỹ thuật lọc cộng tác Tạp chí Khoa học, Trường Đại học Cần Thơ. 31: 15.

    Nguyễn Thanh Hưng (2019). Báo cáo chỉ số thương mại điện tử 2019. Hiệp hội thương mại điện tử

    Việt Nam.

    Reichheld & F.F. (1993). Loyalty-based management. Harvard business review. 71(2): 64-73.

    Schafer Ben J., Joseph Konstan & John Riedl (2001).

    E-commence Recommendation Applications.

    Data Mining and Knowledge Discovery.

    (1-2): 115-153.

    Sharma L. & Gera A. (2013). A survey of recommendation system: Research challenges. International Journal of Engineering Trends and Technology (IJETT). 4(5): 1989-1992.

    Singh P. (2019). A Survey of Recommendation Systems in Electronic Commerce. Apress, Berkeley, CA. pp. 123-157.

    Stephan S. (2019). Personalized Product Recommendation Tips and Stats. Retrieved fromhttps://www.barilliance.com/personalized-product-recommendations-stats/ on Feb 25, 2020.

    Thomas T. (2006). Designing recommender systems for e-commerce: an integration approach. ACM International Conference Proceeding Series. ACM press. New York, USA. 8.

    Trademark Notice (2003). Epinions dataset. Retrieved from http://www.trustlet.org/epinions.html on October 03, 2020.

    University of Freiburg (2004). BookCrossing, Retrieved from http://www2.informatik.uni-freiburg.de/~cziegler/BX/ on October 03, 2020

    Viễn Thông (2020). Thương mại điện tử Việt Nam 2020 sẽ ra sao? Truy cập từ https://vnexpress.net/kinh-doanh/thuong-mai-dien-tu-viet-nam-2020-se-ra-sao-4045309.html, ngày 10/3/2020.

    Xue A.Y., Qi J., Xie X., Zhang R., Huang J. & Li Y. (2015). Solving the data sparsity problem in destination prediction. The VLDB Journal.

    (2): 219-243.