ĐẠI HỌC QUỐC GIA HÀ NỘITRƯỜNG ĐẠI HỌC CÔNG NGHỆUông Huy Long GI ẢI PHÁP MỞ RỘNG THÔNG TIN NGỮ CẢNH PHIÊN DUYỆT WEB NGƯỜI DÙNG NHẰM NÂNG CAO CHẤT LƯỢNG TƯ VẤN TRONG HỆ THỐNG TƯ VẤN TIN TỨCKHOÁ LUẬN TỐT NGHIỆP ĐẠI HỌC HỆ CHÍNH QUYNgành: Công nghệ thông tinHÀ NỘI - 2010
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Mở đầu .......................................................................................................................... 1 Chương 1. Khái quát về các hệ thống tư vấn .................................................................. 3
1.1. Bài toán tư vấn ............................................................................................... 3 1.2. Các k ĩ thuật tư vấn .......................................................................................... 5
1.2.1. K ĩ thuật tư vấn dựa tr ên nội dung .................................................. ........... 5 1.2.2. K ĩ thuật tư vấn cộng tác ........................................................................... 8 1.2.3. K ĩ thuật tư vấn lai................................................................................... 11
1.3. Sơ lược về hệ thống tư vấn tin tức của khóa luận .......................................... 13 1.3.1. Đặc trưng của tư vấn tin tức. .................................................................. 13 1.3.2. Hướng tiếp cận của khóa luận ................................................................ 14
Chương 2. Mô h ình hóa sở thích người dùng cho các hệ tư vấn dựa tr ên nội dung. ...... 16 2.1. Tiến tr ình mô hình sở thích người dùng ......................................... ............... 16 2.2. Thu thập thông tin về người dùng ................................................................. 17
2.2.1. Phương pháp định danh người dùng ....................................................... 17 2.2.2. Các phương pháp thu thập thông tin ....................................................... 18
2.3. Xây dựng mô h ình sở thích người dùng ........................................................ 21 2.3.1. Phương pháp dựa tr ên từ khóa có trọng số.............................................. 21 2.3.2. Phương pháp dựa tr ên mạng ngữ nghĩa ................................................ .. 22 2.3.3. Phương pháp dựa tr ên cây phân cấp khái niệm ....................................... 23
Chương 3. Mô h ình .................................................................... ............................ ...... 24 3.1. Cơ sở lý thuyết ............................................................................................. 25
3.1.1. Phân tích thông tin chủ đề dựa tr ên mô hình chủ đề LDA. ...................... 25 3.1.2. Nhận dạng các thực thể trong tài liệu dựa tr ên từ điển ............................ 27
3.2. Phân tích sở thích người dùng ............................... ........................................ 28 3.2.1. Thông tin trong phiên duyệt web người dùng ......................................... 28 3.2.2. Mô hình sở thích người dùng ................................................................. 29
3.3. Áp dụng mô h ình môi quan tâm người dùng vào tư vấn tin tức ..................... 30 3.3.1. Pha phân tích dữ liệu tư vấn ................................................................... 30 3.3.2. Pha tư vấn trực tuyến ............................................................................. 33
3.4. Đánh giá kết quả tư vấn. ............................................................................... 36 Chương 4: Thực nghiệm và đánh giá ........................................................................... 37
4.1. Môi trường thực nghiệm ............................................................................... 37 4.2. Dữ liệu và công cụ........................................................................................ 37
4.2.1. Dữ liệu ................................................................................................... 37 4.2.2. Công cụ.................................................................................................. 38
4.3.
Thực nghiệm ................................................................................................ 39
4.3.1. Ví dụ về phân tích tin tức ....................................................................... 39 4.3.2. Ví dụ phân tích sở thích người dùng ....................................................... 40 4.3.3. Tư vấn tin tức......................................................................................... 42
4.4. Kết quả thực nghiệm và đánh giá.................................................................. 43 Kết luận ....................................................................................................................... 46 Tài liệu tham khảo ....................................................................................................... 48
Hình 1. Các thành phần chính của hệ thống tư vấn......................................................... 4
Hình 2. Tiến tr ình mô hình hóa sở thích người dùng. ................................................... 16
Hình 3. Các hệ thống tư vấn dựa tr ên thông tin phản hồi hiện. ..................................... 19 Hình 4. Mô hình mối quan tâm người dùng dựa tr ên từ khóa. ...................................... 22 Hình 5. Mô hình mối quan tâm người dùng dựa tr ên mạng ngữ nghĩa .......................... 22 Hình 6. Mô hình mối quan tâm người dùng dựa tr ên mạng khái niệm .......................... 23 Hình 7. Tài liệu với K chủ đề ẩn. ................................................................................. 25 Hình 8. Biểu diễn đồ họa LDA..................................................................................... 26 Hình 9. Ước lượng tham số tập dữ liệu văn bản. .......................................................... 26 Hình 10. Suy diễn chủ đề sử dụng tập dữ liệu VnExpress ............................................ 27 Hình 11. Mô hình sở thích người dùng dựa tr ên chủ đề ẩn và thực thể. ........................ 29 Hình 12. Mô hình pha phân tích dữ liệu tư vấn ............................................................ 31 Hình 13. Mô hình pha tư vấn trực tuyến....................................................................... 33 Hình 14. Biểu diễn tin tức theo chủ đề và thực thể. ...................................................... 39 Hình 15. Kết quả phân tích cho thấy các thông tin liên quan đến chủ đề 19.................. 42
Bảng 1. Đánh giá theo thang điểm về một số bộ phim đã xem. ............... ....................... 5
Bảng 2. Các kĩ thuật thu thập thông tin ẩn. ................................................................... 20
Bảng 3. Ví dụ về một hồ sơ sở thích người dùng. ......................................................... 24 Bảng 4. Thông tin trong phiên duyệt web..................................................................... 28 Bảng 5. Môi trường thực nghiệm. ................................................................................ 37 Bảng 6. Công cụ. ......................................................................................................... 38 Bảng 7. Một số chủ đề ẩn............................................................................................. 39 Bảng 8. Ví dụ về phân tích sở thích người dùng. .......................................................... 40 Bảng 9. Đánh giá mô h ình phân tích sở thích. .............................................................. 44 Bảng 10. Độ chính xác của mô h ình dựa vào đánh giá của người sử dụng.................... 44
Trong các hệ thống tư vấn, mức độ phù hợp của sản phẩm thường được biểu diễn
theo đánh giá thang điểm (rating), phụ thuộc vào từng ứng dụng, các đánh giá này có thể
được thực hiện trực tiếp bởi người dùng hoặc được tính toán bởi hệ thống.
Mỗi người dùng thuộc không gian ngươi dùng U được xác định bởi một hồ sơ (user profile), những thông tin lưu trong hồ sơ này có thể bao gồm các thông tin như giới tính,
tuổi, quốc gia, tính trạng hôn nhân, … hay cũng có thể bao gồm các thông tin về sở thích,
mối quan tâm của họ. Tương tự như vậy, mỗi sản phẩm cũng được mô tả bởi tập hợp các
đặc trưng của chúng. Ví dụ, trong hệ thống tư vấn phim, các đặc trưng của một bộ phim
có thể là tên phim, thể loại, đạo diễn, diễn viên chính,…
Một cách khát quát tiến tr ình tư vấn có thể được mô tả như sau:
Hình 1. Các thành phần chính của hệ thống tư vấn.
Đầu tiên, bộ phận học hồ sơ người dùng phân tích các sở thích ngươi dùng. Một khi
hệ thống hiểu được người dùng quan tâm đến điều g ì, nó thực thi một thuật toán tư vấn,
so sánh, tổ hợp giữa các hồ sơ người dùng hoặc giữa hồ sơ người dùng với các đặc trưng
sản phẩm, sau đó chọn ra tập hợp những sản phẩm người dùng có thể ưa thích.
Vấn đề chính của hệ tư vấn là hàm g không được xác định trên toàn không gian
× mà chỉ tr ên một miền nhỏ của không gian đó. Điều này dẫn tới việc hàm g phải
được ngoại suy trong không gian này. Thông thường, độ phù hợp được thể hiện bằng
điểm và chỉ xác định tr ên tập các sản phẩm đã từng được người dùng đánh giá từ trước
trên độ phù hợ p g(u, i j), trong đó i j ∈ và tương tự về nội dung i. Ví dụ, để gợi ý một bộ
phim cho người dùng u, hệ thống tư vấn sẽ nhận ra sở thích của u qua các đặc điểm của
những bộ phim từng được u đánh giá cao (như thể loại, tên đạo diễn…); sau đó chỉ những
bộ phim tương đồng với sở thích của u mới được giới thiệu.
Hướng tiếp cận dựa tr ên nội dung bắt nguồn từ những nghiên cứu về thu thập thôngtin (IR - information retrieval) và lọc thông tin (IF - information filtering). Do đó, rất
nhiều hệ thống dựa tr ên nội dung hiện nay tập trung vào tư vấn các đối tượng chứa dữ liệu
text như văn bản, tin tức, website… Những tiến bộ so với hướng tiếp cận cũ của IR là do
việc sử dụng hồ sơ về người dùng (chứa thông tin về sở thích, nhu cầu…). Hồ sơ này
được xây dựng dựa trên những thông tin được người dùng cung cấp trực tiếp (khi trả lời
khảo sát) hoặc gián tiếp (do khai phá thông tin từ các giao dịch của người dùng).
Để cụ thể hơn, đặt Content(i) là tập thông tin (hay tập các đặc trưng) về sản
phẩm i. Do hệ thống dựa tr ên nội dung được thiết kế chủ yếu để dành cho các sản phẩmdạng văn bản hoặc có các mô tả nội dung (metadata) dạng văn bản nên phương pháp biểu
diễn thường được lựa chọn là mô hình không gian vector (Vector Space Model ). Theo
đó, nội dung sản phẩm được biểu diễn bởi các từ khóa: Content(i) = (wi1,wi2,…,wik), với
wi1,..wik là trọng số của các từ khóa (như TF-IDF) từ 1 tới k trong không gian từ khóa
được xây dựng từ trước. Ví dụ điển h ình cho hệ thống dạng này là các hệ tư vấn trang web
như Fab[5], biểu diễn nội dung các trang web bằng 100 từ quan trọng nhất hay Syskill &
Webert [23] sử dụng 128 từ có trọng số cao nhất.
Đặt Profile(u) là hồ sơ về người dùng u, bao gồm các thông tin về sở thích của u.Những thông tin này có được bằng cách phân tích nội dung của các sản phẩm từng được u
đánh giá (cho điểm) trước đó. Phương pháp được sử dụng thường là các k ĩ thuật phân
tích từ khóa của IR, do đó, Profile(u) cũng có thể được định nghĩa như một vector trọng
số: Profile(u) = (wu1, …,wuk) với xuj biểu thị độ quan trọng của từ khóa j với người dùng
u.
Trong hệ thống tư vấn dựa tr ên nội dung, độ phù hợp g(u,i) được xác định bởi công
thức:
g(u,i) = Score(Profile(u), Content(i))
Cả Profile(u), Content(i) đều được biểu diễn bằng vector trọng số từ TF-IDF (tương
ứng là các vector ⃗ ,⃗ ) nên ta có thể sử dụng một công thức tính độ tương tự như độ đo
Bên cạnh các phương pháp IR, hệ tư vấn dựa tr ên nội dung còn sử dụng nhiều
phương pháp học máy khác như: phân lớp Bayes, cây quyết định, mạng nơron nhântạo… Các phương pháp này khác với các phương pháp của IR ở chỗ nó dựa tr ên các mô
hình học được từ dữ liệu nền. Ví dụ, dựa tr ên tập các trang web đã được người dùng
đánh giá là “thích” hay “không thích” có thể sử dụng phân lớp Bayes để phân lớp các
trang web chưa được đánh giá.
Một số hạn chế của hệ thống tư vấn dựa trên nội dung:
Theo công trình khảo sát các hệ tư vấn của Adomavicius và Tuzhulin[2], các hệ
thống tư vấn dựa trên nội dung có một vài hạn chế sau đây:
Sự phân tích nội dung bị hạn chế (Restricted content analysis): Tính hiệu quả của
hệ tư vấn này phụ thuộc vào việc mô tả một cách đầy đủ các đặc trưng nội dung
của sản phẩm. V ì vậy, nội dung sản phẩm phải hoặc có thể được trích xuất tự
động bởi máy tính hoặc dễ dàng được trích xuất bằng tay. Có nhiều trường hợp,
yêu cầu này rất khó thực hiện, ví dụ trong miền ứng dụng tư vấn dữ liệu đa
phương tiện như ảnh đồ họa, phim, âm thanh,… Trích xuất tự động đặc trưng nội
dung của các đối tượng dữ liệu này là một bài toán khó, và việc trích xuất bằng
tay là không khả thi do chi phí lớn.
Sự lạm dụng nội dung chuyên môn (Content over-specialisation): Sự tư vấn chỉ
được tạo ra từ phân tích nội dung các sản phẩm đã từng được người dùng ưa
thích, trong khi các những đánh giá của người dùng khác có thể được sử dụng để
tư vấn những sản phẩm mới (thậm chí khác loại), những tư vấn dựa tr ên nội
dung chỉ có thể đưa ra những sản phẩm tương tự với những g ì họ đã từng đánh
giá cao trước đây. Trong nhiều trường hợp, những sản phẩm không nên được tư
vấn nếu nó quá giống với các sản phẩm đã được đánh giá từ trước. Một ví dụ
điển h ình là trong các hệ thống tư vấn tin tức, những tin tức tư vấn được đánh giá
cao hơn nếu nó không phải là một bản trích dẫn hoặc có nội dung thông tin tr ùng
Vấn đề người dùng mới (new user problem): Người dùng cần đánh giá một
lượng sản phẩm đủ lớn trước khi hệ thống tư vấn có thể thực sự hiểu sở thích của
họ, và đưa ra những tư vấn đáng tin cậy.
1.2.2. K ĩ thuật tư vấn cộng tác
Theo Adomavicius và cộng sự [2], không giống như phương pháp tư vấn dựa tr ên
nội dung, hệ thống cộng tác dự đoán độ phù hợp g(u,i) của một sản phẩm i với người
dùng u dựa trên độ phù hợp g(u j, i) giữa người dùng u j và i, trong đó u j là người có cùng
sở thích với u. Ví dụ, để gợi ý một bộ phim cho người dùng u, đầu ti ên hệ thống cộng tác
tìm những người dùng khác có cùng sở thích với u, ví dụ cùng thích các bộ phim hành
động. Sau đó, những bộ phim được họ đánh giá cao sẽ được dùng để tư vấn cho u.
Có rất nhiều hệ thống cộng tác đã được phát triển như: Grundy, GroupLens (tintức), Ringo (âm nhạc), Amazon.com (sách), Phoaks (web)… Các hệ thống này có thể chia
thành hai loại: dựa tr ên kinh nghiệm (heuristic-based hay memory-based) và dựa tr ên mô
hình (model-based).
Hệ thống cộng tác dựa trên kinh nghiệm
Các thuật toán dựa tr ên kinh nghiệm dự đoán hạng của một sản phẩm dựa tr ên toàn
bộ các sản phẩm đã được đánh giá trước đó. Nghĩa là, độ phù hợp của sản phẩm in với
người dùng um, g(um, in) được tổng hợp từ đánh giá của những người dùng khác về in (thường là N người có sở thích tương đồng nhất với um).
Theo đó, hướng tiếp cận lọc cộng tác này tổ hợp các đánh giá người dùng cùng sở
thích này:
Trong đó, m là tập các người dùng cùng sở thích với um.
vấn phụ thuộc nhiều vào những đánh giá nhận được từ khách hàng, và sự tư vấn
cộng tác được thực hiện dựa tr ên sự chồng lấn của những đánh giá này. Vì vậy,
rất khó để có thể đưa ra những tư vấn chính xác khi không gian đánh giá là thưa
thớt. Ví dụ như một vài sản phẩm chỉ được nhận được ít đánh giá từ người dùng,
chúng có thể rất ít có cơ hội được tư vấn, thậm chí cả khi được đánh giá cao. Vấn đề người dùng mới: Chiến lược cộng tác học sở thích người dùng từ chính
những đánh giá trong quá khứ của họ. Đối với những người dùng mới chưa thực
hiện đánh giá nào, không có một sự tư vấn nào có thể được tạo ra.
Vấn đề sản phẩm mới: tương tự như vấn đề người dùng mới, đối với những sản
phẩm mới, chưa nhận được đánh giá nào từ phía người dùng, không thể có sự tư
vấn nào về chúng.
Vấn đề chú cừu xám: Đối với người dùng có sở thích khác biệt với số đông, sự
tư vấn đôi khi không mang lại kết quả.
Vấn đề thiếu tính đa dạng: V ì tri thức của hệ thống về nội dung chỉ dựa tr ên các
lựa chọn từ phía người dùng, nên sự tư vấn thường có xu hướng lệch về những
sản phẩm đã được chọn trong quá khứ, kết quả là trong khi phải xử lý lượng lớn
dữ liệu, phần lớn những tư vấn được tạo ra lại chỉ tập trung vào những sản phẩm
phổ biến nhất. Ví dụ điển h ình cho những cản trở của vấn đề này là ở các hệ
thống tư vấn tin tức, trong khi những tin tức mới hơn có thể mang nhiều giá trị
hơn, những tin tức được nhiều người đọc trước đây lại thường xuyên được tư
vấn.
1.2.3. K ĩ thuật tư vấn lai
Một vài hệ tư vấn kết hợp cả phươ ng pháp cộng tác và dựa trên nội dung nhằm
tránh những hạn chế của cả hai. Có thể phân thành bốn cách kết hợp như sau:
Cài đặt hai phương pháp riêng rẽ rồi kết hợp dự đoán của chúng.
Tích hợp các đặc trưng của phương pháp dựa trên nội dung vào hệ thống cộngtác.
Tích hợ p các đặc trưng của phươ ng pháp cộng tác vào hệ thống dựa trên đặc
trưng.
Xây dựng mô hình hợp nhất, bao gồm các đặc trưng của cả hai phươ ng pháp.
Cách 1: Kết hợp kết quả của cả hai phương pháp thành một kết quả chung duy
nhất, sử dụng cách kết hợp tuyến tính (linear combination) hoặc voting scheme.
Cách 2: Tại mỗi thời điểm, chỉ chọn phương pháp cho kết quả tốt hơn (dựa tr ên
một số độ đo chất lượng tư vấn nào đó).
Thêm đặc trưng của mô h ình dựa trên nội dung vào mô hình cộng tác
Một số hệ thống lai (như Fab[5]) dựa chủ yếu trên các k ĩ thuật cộng tác nhưng vẫn
duy trì hồ sơ về người dùng (theo dạng của mô hình dựa trên nội dung). Hồ sơ này được
dùng để tính độ tương đồng giữa hai người dùng, nhờ đó giải quyết được trường hợp có
quá ít sản phẩm chung được đánh giá bở i cả hai người. Một lợi ích khác là các gợi ý sẽ
không chỉ giớ i hạn trong các sản phẩm được đánh giá cao bởi những người cùng sở
thích (gián tiếp), mà còn cả với những sản phẩm có độ tươ ng đồng cao với sở thích của
chính người dùng đó (trực tiếp).
Thêm đặc trưng của mô hình cộng tác vào mô hình dựa trên nội dung
Hướng tiếp cận phổ biến nhất là dùng các k ĩ thuật giảm số chiều trên tập hồ sơ củaphương pháp dựa trên nội dung. Ví dụ, Soboroff và Nicholas [29] sử dụng phân tích
ngữ ngh ĩa ẩn (latent semantic analysis) để tạo ra cách nhìn cộng tác (collaborative
view) với tập hồ sơ người dùng (mỗi hồ sơ được biểu diễn bởi một vector từ khóa).
Mô hình hợp nhất hai phương pháp
Trong những năm gần đây đã có khá nhiều nghiên cứu về mô hình hợp nhất. Basu
và cộng sự [5] đề xuất kết hợp đặc trưng của cả hai phương pháp vào một bộ phânlớp dựa trên luật (rule-based classifier). Popescul và cộng sự [25] đưa ra phươ ng pháp
xác suất hợp nhất dựa trên phân tích xác suất ngữ ngh ĩa ẩn (probabilistic latent
semantic analysis). Ansari và cộng sự [4] giới thiệu mô hình hồi quy Bayes sử dụng
Độ chính xác của hệ thống tư vấn lai ghép có thể được cải tiến bằng cách sử dụng
các k ĩ thuật dựa trên tri thức (knowledge-based) như case-based reasoning. Ví dụ, hệ
thống Entrée dùng những tri thức về nhà hàng, thực phẩm (như: đồ biển không phải là
thức ăn chay).. để gợ i ý nhà hàng thích hợp cho người dùng. Hạn chế chính của hệ thống
dạng này là nó cần phải thu thập đủ tri thức, đây cũng là nút thắt cổ chai (bottle- neck)của rất nhiều hệ thống trí tuệ nhân tạo khác. Tuy nhiên, các hệ thống tư vấn dựa trên tri
thức hiện đang được phát triển trên các l ĩnh vực mà miền tri thức của nó có thể biểu diễn
ở dạng mà máy tính đọc được (như ontology). Ví dụ, hệ thống Quickstep và Foxtrot sử
dụng ontology về chủ đề của các bài báo khoa học để gợi ý những bài báo phù hợp cho
người dùng.
1.3. Sơ lược về hệ thống tư vấn tin tức của khóa luận
Mô hình hệ tư vấn do khóa luận đề xuất không được triển khai một cách độc lập mà
tích hợp vào hệ thống cung cấp tin tức. Với việc phân tích những đặc trưng của đối tượng
tư vấn này, khóa luận đề xuất ý tưởng ban đầu cho giải pháp tư vấn được triển khai.
1.3.1. Đặc trưng của tư vấn tin tức.
Tư vấn tin tức là một lĩnh vực giàu tiềm năng bởi số lượng các sản phẩm tư vấn, số
lượng người dùng và số lượt sử dụng cao hơn nhiều so với các đối tượng tư vấn khác. Tuy
nhiên, đi kèm theo đó là các thử thách về các đặc trưng riêng có của miền đối tượng tintức cũng như các đặc trưng chung của người sử dụng tư vấn.
Tin tức là một đối tượng tư vấn đặc biệt, các đặc trưng sau của tin tức giúp đưa ra
các giải pháp hữu hiệu hơn trong xây dựng giải pháp tư vấn:
Tính không đồng nhất giá trị: Giá trị của tin tức chỉ có thể được xác định bằng
cách kết hợp các yếu tố: nội dung thông tin của bản tin, nguồn tin, thời điểm xuất
bản, nhà xuất bản, tác giả, người nhận tin,…
Tính dễ sinh ra: một số lượng lớn tin tức có thể nảy sinh xung quanh một sựkiện, hiện tượng.
Tính dễ tàn lụi: hiện tượng tin tức đánh mất giá trị khi vấn đề nó đề cập không
Chương 2. Mô hình hóa sở thích người dùng cho các hệ tư
vấn dựa trên nội dung.
Trong chương một, khóa luận đã trình bày sơ bộ về các khái niệm liên quan đến hệ
tư vấn. Qua đó, chúng ta biết rằng chất lượng của những tư vấn cá nhân phụ thuộc v àokhả năng học sở thích người dùng của hệ tư vấn (hay xây dựng hồ sơ sở thích ngươi
dùng). Hồ sơ sở thích người dùng càng phản ảnh đúng mối quan tâm của họ, th ì càng có
nhiều k hả năng có được những tư vấn tốt.
Các k ĩ thuật tư vấn dựa tr ên nội dung thường dựa tr ên các hồ sơ sở thích được xây
dựng thông qua một quá tr ình phân tích các tài liệu dạng văn bản.
Trong chương này, khóa luận tr ình bày sâu hơn về các khái niệm và k ĩ thuật liên
quan đến quá trình mô hình hóa sở thích người dùng nói chung và cho các hệ tư vấn dựa
trên nội dung nói riêng.
2.1. Tiến tr ình mô hình sở thích người dùng
Theo Gauch và các cộng sự [14], một tiến tr ình mô hình hóa sở thích người dùng
cho các ứng dụng hướng cá nhân (như các hệ tư vấn hướng cá nhân, các hệ thống web
thích nghi, …) bao gồm 2 pha cơ bản như minh họa sau.
Hình 2. Tiến tr ình mô hình hóa sở thích người dùng.
Trong pha đầu tiên, một tiến tr ình thu thập thông tin được sử dụng để thu thập các
dữ liệu từ người dùng, có thể chia các dữ liệu này thành hai loại cơ bản: các thông tinngười dùng hiện (hay thông tin người dùng rõ) và các thông tin người dùng ẩn. Những
thông tin này sau đó được tổng hợp để xây dựng mô h ình sở thích người dùng trong pha
người dùng sử dụng nhiều máy tính, tương tự như hai giải pháp tr ên, nó yêu cầu người
dùng tham gia bằng cách đăng kí cùng một địa chỉ proxy cho tất cả các máy họ sử dụng.
Hai phương pháp sau, cookie và phiên duyệt web không yêu cầu bất cứ sự tham gia
nào từ phía người dùng. Trong lần đầu tiên trình duyệt máy khách truy cập vào hệ thống ,
một userid được tạo ra, id này sẽ được lưu trong cookie máy người dùng. Một người dùngtruy cập vào cùng một trang web được xác định là duy nhất nếu cùng một userid được sử
dụng. Tuy nhiên, nếu người dùng sử dụng nhiều hơn một máy tính, hay một loại tr ình
duyệt, sẽ có những cookie khác nhau, và tương ứng là những hồ sơ người dùng khác
nhau. Hơn nữa, giải pháp này cũng gặp vấn đề khi có nhiều hơn một người dùng cho một
máy, hoặc trường hợp người dùng xóa, hay tắt cookie. Đối với phiên duyệt web, trở ngại
cũng tương tự khi có nhiều hơn một người dùng cho một máy hay có sử dụng nhiều hơn
một máy, một trình duyệt, nhưng nó không lưu trữ userid giữa những lần duyệt. Một
người dùng bắt đầu với một phiên duyệt web mới, thông tin trong phiên duyệt web lưu lại
vết các hành vi người dùng tương tác với hệ thống trong một lần duyệt web của họ ví dụ
danh sách các pageview, thời gian giành cho mỗi pageview, địa chỉ IP,…
Ưu điểm quan trọng của giải pháp định danh dựa tr ên phiên duyệt web là nó không
đặt bất cứ gánh nặng nào về phía người dùng, không gặp những nghi ngại về tính riêng tư
(tức là không lưu lại bất cứ thông tin nào về người dùng) và cũng không yêu cầu bật
cookie ở tr ình duyệt.
2.2.2. Các phương pháp thu thập thông tin
Thông thường, các kĩ thuật thu thập thông tin được phân theo tính chất của dữ liệu
thu thập được. Theo đó, tương ứng với hai kiểu thông tin người dùng ẩn và hiện, có hai
phương pháp thu thập thông tin người dùng.
2.2.2.1. Phương pháp thu thập thông tin người dùng hiện
Phương pháp thu thập thông tin người dùng hiện (hay thông tin phản hồi hiện) thu
thập những thông tin được nhập trực tiếp bởi người dùng, thông thường qua các HTMLForm. Dữ liệu thu thập có thể là các là các thông tin như ngày sinh, t ình trạng hôn nhân,
nghề nghiệp, sở thích,…
Một trong các hệ tư vấn sớm nhất Syskill & Webert [23] tư vấn các trang web dựa
vào các phản hồi hiện. Nếu người dùng đánh giá cao một vài liên kết từ một trang, Syskill
& Webert sẽ tư vấn các trang liên kết khác. Thêm vào đó, hệ thống còn có thể tạo một
truy vấn tới máy t ìm kiếm Lycos1 để trích xuất các trang web có thể người dùng sẽ ưa
thích.
Một vấn đề với các thông tin phản hồi hiện đó là nó đặt gánh nặng cung cấp thông
tin về phía người dùng. Vì vậy, nếu người dùng không muốn phải cung cấp các thông tinriêng tư, họ sẽ không tham gia hoặc không cung cấp thông tin chính xác. Hơn nữa, v ì các
hồ sơ được duy tr ì t ĩnh trong khi tồn tại các đặc điểm có thể thay đổi như sở thích, thói
quen,…khiến cho những hồ sơ này có thể trở nên không chính xác nữa theo thời gian.
Một lý lẽ cho những hệ thống sử dụng thông tin phản hồi hiện là trong một vài trường hợp
người dùng thích cung cấp, chia sẻ thông tin của họ.
2.2.2.2. Phương pháp thu thập thông tin người dùng ẩn
Hồ sơ người dùng trong phương pháp này được xây dựng dựa tr ên các thông tin
phản hồi ẩn. Ưu điểm của phương pháp này là không yêu cầu bất cứ sự xen vào nào của
người dùng trong suốt tiến tr ình xây dựng và duy trì các hồ sơ người dùng. Công trình của
Kelly và Teevan [20] cung cấp một cái nh ìn tổng quát về các kĩ thuật phổ biến để thu thập
thông tin phản hồi ẩn và các thông tin về người dùng có thể suy diễn từ hành vi của họ.
Theo đó, Gauch và các cộng sự [14] thống k ê tóm tắt các cách tiếp cận của kĩ thuật
thu thập thông tin phản hồi ẩn.
1 http://www.lycos.com/
Hình 3. Các hệ thống tư vấn dựa trên thông tin phản hồi hiện.
2.3.3. Phương pháp dựa trên cây phân cấp khái niệm
Mối quan tâm người dùng được mô tả tập các khái niệm có trọng số. Ban đầu, các
khái niệm không trích ra từ văn bản mà được định nghĩa trước từ cây phân cấp các mục
mở ODP (The Open Directory Project)[30]. Dữ liệu người dùng được phân lớp vào một
trong các nhánh của cấu trúc phân cấp này. Vấn đề của phương pháp này là mức độ chitiết của mục có thể làm mất thông tin về các mối quan tâm chung và sự phụ thuộc vào độ
chính xác của các cây phân cấp khái niệm. Một trong các dự án đầu tiên sử dụng phương
pháp này là OBIWAN [24]. Ban đầu, họ dùng cấu trúc phân cấp khái niệm từ 3 mức đầu
tiên của ODP[30]. Dữ liệu người dùng được tự động phân lớp để t ìm ra các các khái niệm
phù hợp nhất, các trọng số khái niệm tương ứng được tăng lên.
Hình 6. Mô hình mối quan tâm người dùng dựa trên mạng khái niệm [24].
3.1.1. Phân tích thông tin chủ đề dựa trên mô hình chủ đề LDA.
Phân tích chủ đề cho văn bản nói chung và cho dữ liệu Web nói riêng có vai tròquan trọng trong việc “hiểu” và định hướng thông tin tr ên Web. Khi ta hiểu một trang
Web có chứa những chủ đề hay thông tin g ì thì dễ dàng hơn cho việc xếp loại, sắp xếp, và
tóm tắt nội dung của trang Web đó. Trong phân lớp văn bản, mỗi văn bản thường được
xếp vào một lớp cụ thể nào đó. Trong phân tích chủ đề, chúng ta giả sử mỗi văn bản đề
cập đến nhiều hơn một chủ đề (K chủ đề) và mức độ liên quan đến chủ đề được biểu diễn
bằng phân phối xác suất của của tài liệu đó tr ên các chủ đề.
Hình 7. Tài liệu với K chủ đề ẩn.
Có rất nhiều phương pháp phân tích thông tin chủ đề từ văn bản, điển h ình là mô
hình LDA [13]. LDA là một mô h ình sinh (generative model) và thực hiện phân tích chủ
đề từ các tập dữ liệu văn bản hoàn toàn phi giám sát (fully unsupervised). Về mục tiêu,
tươ ng tự với LSA, LDA đưa ra một kĩ thuật mô tả thu gọn các tập dữ liệu rời rạc (như tập
văn bản). Về mặt trực quan, LDA t ìm những cấu trúc chủ đề (topics) và khái niệm
(concepts) trong tập văn bản dựa tr ên thông tin về đồng xuất hiện (co-occurrence) của các
từ khóa trong văn bản, và cho phép mô hình hóa các khái niệm đồng nghĩa (synonymy) và
đa nghĩa (polysemy). Về mặt mô h ình hóa, LDA hoạt động tương đối giống với pLSA(probabilistic LSA) [19]. Tuy vậy, LDA ưu việt hơn pLSA ở một vài điểm như tính đầy
Ước lượng tham số cho mô h ình LDA bằng phương pháp cực đại hóa hàm
likelihood trực tiếp và một cách chính xác có độ phức tạp thời gian rất cao và không khảthi trong thực tế. Người ta thường sử dụng các phương pháp xấp xỉ như Variational
Methods [13] và Gibbs Sampling [17]. Gibbs Sampling được xem là một thuật toán
Theo Nguyễn Cẩm Tú [22], với một mô h ình chủ đề đã được huấn luyện tốt dựa tr ên
tập dữ liệu toàn thể (Universial Dataset) bao phủ miền ứng dụng, ta có thể thực hiện một
tiến tr ình quá trình suy diễn chủ đề cho các tài liệu mới tương tự như quá tr ình ước lượng
tham số (tức là xác định được phân phối tr ên các chủ đề của tài liệu qua tham số theta).Tác giả cũng chỉ ra rằng sử dụng dữ liệu từ VnExpress1 huấn luyện được các mô h ình có
ưu thế hơn trong các phân tích chủ đề tr ên dữ liệu tin tức, trong khi các mô h ình được
huấn luyện bởi dữ liệu từ Wiki2 tốt hơn trong phân tích chủ đề các tài liệu mang tính học
thuật.
Dựa tr ên những nghiên cứu đó, chúng tôi lựa chọn mô h ình được chủ đề được huấn
luyện bởi tập dữ liệu toàn thể thu thập từ trang Vnexpress cho phân tích chủ đề. Một tiến
trình phân tích chủ đề tổng quát được minh họa như sau:
Hình 10. Suy diễn chủ đề sử dụng tập dữ liệu VnExpress[22].
3.1.2. Nhận dạng các thực thể trong tài liệu dựa trên từ điển
Đối với một đối tượng văn bản, nội dung của nó liên quan nhiều đến các thực thể
chứa trong văn bản đó. Đối tượng thực thể có thể là tên người, tên một địa điểm hoăc mộttổ chức,…Phương pháp nhận dạng các thực thể dựa tr ên từ điển đơn giản chỉ xem xét đến
sự hiện diện của các thực thể thuộc vào một tập từ điển thực thể trong văn bản đang tiến
hành phân tích. Thuật toán đối sánh xâu Aho-Corasick [3] là phương pháp nhận dạng thực
thể dựa tr ên từ điển điển h ình. Ý tưởng cơ bản của phương pháp này khá đơn giản này,
các thực thể trong từ điển được xem là các mẫu, một ôtômát hữu hạn trạng thái xây dựng
từ các mẫu này sẽ được sử dụng để xác định sự hiện diện của các mẫu trong văn bản.
3.2. Phân tích sở thích người dùng
3.2.1. Thông tin trong phiên duyệt web người dùng
Một phiên duyệt web là một chuỗi các pageview của một người dùng đơn trong một
lần duyệt đơn [7]. Trong đó, các pageview là tập hợp các đối tượng web hiển thị tới người
dùng. Mỗi pageview có thể được xem như một tập hợp các đối tượng web hay các tài
nguyên biểu diễn cho một hành vi người dùng cụ thể như đọc một trang tin tức, xem
thông tin một sản phẩm hoặc thêm một sản phẩm vào giỏ hàng,…Mô hình sử dụng phiênduyệt web là danh sách các url tương ứng với các trang web người dùng truy cập vào hệ
Bước 1: Xác định tài liệu cần phân tích thực thể. Các tài liệu được sử dụng đề
phân tích các thực thể biểu diễn sở thích người dùng thỏa mãn hai điều kiện
sau:
o Là các tin tức thuộc phiên duyệt web người dùng
o Là các tin tức có nội dung liên quan đến chủ đề người dùng quan tâm đ ã
xác định ở quá tr ình xác định chủ đề ẩn phổ biến.
Bước 2: Trích xuất các thực thể từ các văn bản tin tức.
3.3. Áp dụng mô h ình sở thích người dùng vào tư vấn tin tức
Nghiên cứu của chúng tôi phát triển một mô h ình hệ thống tư vấn sử dụng mô h ình
mối quan tâm đề xuất ở phần trước. Trong đó, ý tưởng chung của việc tư vấn dựa tr ên
xem các tin tức tư vấn tiềm năng là các tin tức mang thông tin về chủ đề và các thực thể
người dùng từng quan tâm. Ứng dụng tư vấn được tích hợp trong một hệ thống quản lý
nội dung (Content Management System). Vì vậy, giải pháp được đưa ra là xác định chủ đề
và các thực thể nằm trong mỗi tin tức được thực hiện ngay sau khi dữ liệu tin tức được
nhập vào cơ sở dữ liệu các tin tức của hệ thống. Khóa luận xem giai đoạn này là pha xử lý
phân tích dữ liệu tư vấn. Sau pha này, mỗi tin tức sẽ tương ứng với hai danh sách một
danh sách các chủ đề và một danh sách các thực thể. Pha tư vấn trực tuyến thực hiện thu
thập thông tin về sở thích người dùng thông qua thống k ê các chủ đề phổ biến trong phiênduyệt web, sau đó tự động sinh các truy vấn cho cơ sở dữ liệu, kết quả đạt được là dữ liệu
tư vấn liên quan thuộc về nhiều chủ đề và chứa các thông tin về các thực thể người dùng
từng quan tâm.
3.3.1. Pha phân tích dữ liệu tư vấn
Input: Mỗi văn bản tin tức.
Output: Phân tích chủ đề và thực thể của từng tin tức.
Du lịch Bắc Kinh dịp Olympic cực khó28/07/2008 08:17 Theo các hãng lữ hành Hà Nội,hiện nay nhu cầu khách đi du lịch Bắc Kinh vàothời điểm diễn ra Olympic 2008 tăng cao songcác công ty không thể đáp ứng được. Vào thờiđiểm này, giá phòng khách sạn tại Bắc Kinh tănggấp 5 lần so với trước kia, lượng xe vận chuyểnkhách du lịch không thể đặt được do đã được huyđộng phục vụ Olympic.Mặt khác, vào thời điểm này, thủ tục xin cấp visavào Trung Quốc cũng gặp nhiều khó khăn. Do vậy,không chỉ giá tour đến Bắc Kinh tăng đột biến màcác hãng lữ hành tại Trung Quốc còn từ chối khiphía Việt Nam đề nghị đưa khách sang…
Danh sách các chủ đề: - Topic 86- Topic 23- Topic 94
Danh sách các thực thể: - Bắc kinh - Hà Nội
- Olympic- Trung Quốc - Việt Nam
Hình 14. Biểu diễn tin tức theo chủ đề và thực thể.
Các tin tức được phiên duyệt web lưu trữ được dùng để phân tích sở thích người
dùng tại thời điểm hiện tại. Quá tr ình phân tích sẽ tiến hành như trong mô h ình đề xuất ở
chương 3 với 2 bước là phân tích chủ đề ẩn và nhận dạng các thực thể có trong tin tức. Ví
dụ, đối với 4 url được nêu ra trong bảng dưới, hệ thống sẽ phân tích ra 3 chủ đề ẩn nổi trộitrong từng tin tức và các thực thể tồn tại trong các tin tức đấy (thực thể là các từ được tô
“Quỷ đỏ” MU ưu tiên chi 20 triệu bảng mua Benzema(Dân trí) - Lo ngại về hàng tấn công phụ thuộc quá nhiều vào phong độ Wayne Rooney hiện nay, Manchester United có kếhoạch chi ra 20 triệu bảng để mua chân sút Karim Benzematrong mùa Hè này.
Do sự sa sút phong độ thảm hại của tiền đạo Berbatov, hàng
công của Manchester United hiện nay dựa nhiều vào phongđộ của Wayne Rooney. Trước nguy cơ chân sút này bị quá tảiở mùa tới do phải thi đấu liên miên từ World Cup cho tới cácchuyến du đấu, MU đang có kế hoạch lên phương án dựphòng.…
(Dân trí) - Chen nhau mua hàng, ngạt thở chờ tính tiền, thậmchí nhiều người phải bỏ hàng “thoát thân”… Đó là t ình cảnhnhiều người gặp phải khi đi siêu thị trong những ngày nghỉ lễvừa qua. Thay vì đi du lịch, một bộ phận không nhỏ người dân ở
TPHCM lại vung tiền cho mua sắm trong dịp nghỉ lễ dài ngày30/4 - 1/5 vừa qua. Đáp lại, các siêu thị cũng có nhiều chươngtrình khuyến mãi hấp dẫn để tạo sức hút với người dân…
Wayne Rooney tiếp tục bội thu danh hiệu cá nhân (Dân trí) - Với phong độ chói sáng trong mùa giải năm nay,Wayne Rooney một lần nữa lại ẵm về các danh hiệu cá nhâncao quý. Mới đây anh đã đoạt thêm 2 giải thưởng Cầu thủxuất sắc nhất do các CĐV MU và các đồng đội b ình chọn.
Với tỷ lệ phiếu bầu áp đảo 83% Rooney đã vượt qua các đồngđội Patrice Evra và Antonio Valencia để trở thành Cầu thủxuất sắc nhất năm 2010 của MU (Sir Matt Busby Player of the Year). Giải thưởng do các CĐV của Qu ỷ đỏ khắp nơi trênthế giới b ình chọn thông qua website ManUtd.com. Đây là lầnthứ hai chân sút người Anh có được vinh dự này sau thànhcông lần đầu vào năm 2006.
Owen, Rooney giúp MU bảo vệ thành công Carling Cup(Dân trí) - Dù để Aston Villa vượt lên dẫn trước ngay đầu trận
nhưng với bản lĩnh của m ình, “Quỷ đỏ” đã lội ngược dòng đểgiành chiến thắng 2-1 nhờ hai pha lập công của Owen vàRooney, qua đó lần thứ hai liên tiếp vô địch Carling Cup.Trận chung kết tại Wembley tối nay, 28/2, diễn ra cởi mở vàhấp dẫn ngay sau tiếng còi khai cuộc. Aston Villa bất ngờ mở tỷ số ngay phút 4 sau cú sút penalty thành công của JamesMilner. Bị dội “gáo nước lạnh” từ sớm nhưng MU không hềnao núng và nhanh chóng quân bình tỷ số chỉ sau đó 9 phút,với pha chớ p thời cơ của Owen.
Dù sau đó cựu tiền đạo Newcastle phải rời sân ở cuối hiệp 1
do bị đau nhưng người vào thay anh, Wayne Rooney tiếp tụchoàn thành xuất sắc nhiệm vụ. Tiền đạo đang có phong độ ghibàn “cực khủng” này chính là tác giả bàn thắng ấn định tỷ số2-1 ở phút 74, giúp MU đăng quang chức vô địch CarlingCup lần thứ hai liên tiếp...
Tuy nhiên, nếu chỉ tư vấn các tin tức thuộc cùng chủ đề th ì có thể có quá nhiều tin
tức được lựa chọn, cần có một giải pháp để sắp xếp lại các tin tức này, khóa luận sử dụng
những thực thể nằm trong các tin tức đã được xem thuộc về chủ đề được quan tâm phổ
biến (như MU, Wayne Rooney, Newcastle, Carling Cup, Owen,...) để xếp hạng lại những
kết quả thu được.Top N các tin tức thu được sẽ được sử dụng để đưa ra tư vấn với người dùng. Ví dụ,
tin tức có thể được tư vấn.
Garry Neville và 10 sự kiện đáng nhớ trong sự nghiệp ở MU - Bóng đá - Tin bênlề. Score: 4
Gary Neville, tên đầy đủ là Gary Alexander Neville, hiện nay đang là người đứng thứ 5 trongdanh sách những cầu thủ khoác áo nhiều nhất của MU với 597 trận đấu tr ên tất cả các đấutrường. Xếp tr ên anh là Paul Scholes với 641 lần ra sân và Ryan Giggs đang là người dẫn đầudanh sách này với 836 lần. Neville cũng là 1 trong 9 cầu thủ trong top hơn 500 lần xuất hiện
trong màu áo đỏ của MU.
Neville là sản phẩm của lò đào tạo trẻ MU những năm 90 và đã có vinh dự được đeo băng độitrưởng trong đội h ình Manchester United đoạt cúp vô địch FA dành cho các đội trẻ năm1992. Mùa bóng đó chứng kiến sự ra đời của lứa cầu thủ tài năng như David Beckham, Ryan
4.4. Kết quả thực nghiệm và đánh giá
Chúng tôi tiến hành đánh giá độ chính xác của mô h ình dựa vào 2 phương pháp
đánh giá đã được nêu ở mục 3.4:
Đánh giá mô h ình phân tích sở thích dựa vào tính tương đồng chủ đề giữa mối
quan tâm người dùng nhận ra từ lịch sử duyệt web lưu trong máy khách và mối
quan tâm người dùng nhận ra từ phiên duyệt web lưu tại máy chủ.
Đánh giá độ chính xác của mô h ình dựa vào đánh giá của người sử dụng: thống
kê các đánh giá trực tiếp của người dùng qua việc kiểm tra thông tin tư vấn là
phù hợp hay không phù hợp. Kết quả đo độ chính xác là độ chính xác trung bình
Các hệ thống tư vấn đã nhận được nhiều quan tâm từ cộng đồng nghiên cứu và các
tổ chức kinh tế vì những đóng góp của nó trong giải quyết vấn đề tr àn ngập thông tin và
cung cấp các dịch vụ hướng cá nhân. Tuy nhiên, đối với lĩnh vực tư vấn tin tức, các hướng
tiếp cận hiện nay vẫn còn nhiều vấn đề cần giải quyết. Nắm bắt được nhu cầu đó, khóa
luận tiến hành nghiên cứu, khảo sát một số hướng tiếp cận giải quyết bài toán tư vấn đã
có. Sau đó, dựa tr ên các khảo sát này, khóa luận đề xuất một giải pháp tư vấn cho các hệ
thống cung cấp tin tức.
Các kết quả chính đạt được
Khóa luận đã tìm hiểu các khái niệm, thuật ngữ, kĩ thuật liên quan đến các hệ thốngtư vấn. Dựa vào khảo sát các đặc trưng của tư vấn tin tức, phân tích ưu nhược điểm của
các phương pháp xây dựng hai thành phần chính của hệ tư vấn là mô hình sở thích người
dùng và các thuật toán tư vấn, khóa luận đề xuất một giải pháp tư vấn tin tức dựa tr ên khai
phá ngữ cảnh sử dụng hiện tại của người dùng. Trong đó, hệ thống thực thi một thuật toán
tư vấn dựa tr ên phân tích chủ đề ẩn và các thực thể trong nội dung của những tin tức
người dùng vừa truy cập (hướng tiếp cận dựa tr ên nội dung). Hướng tiếp cận này có nhiều
tiềm năng và đã được chứng minh thông qua một số số liệu thống k ê kết quả ban đầu.
Một số vấn đề cần tiếp tục giải quyết
Tuy mô hình đã bước đầu đạt được một số kết quả khả quan, nhưng vẫn còn tồn tại
nhiều vấn đề cần giải quyết. Đầu tiên, vì chưa có các độ đo ngữ ngh ĩa cho các hệ thống tư
vấn tương tự, các đánh giá chủ yếu dựa tr ên các nhận định chủ quan về tính phù hợp hay
không phù hợp của kết quả tư vấn. Thêm vào đó, hạn chế về số lượng và chất lượng của
kho dữ liệu tin tức cũng ảnh hưởng xấu đến chất lượng của sự tư vấn. Cuối cùng, do hệ
thống sử dụng dữ liệu từ phiên duyệt web người dùng, kết quả tư vấn khi người dùng mới
[1] Uông Huy Long, Nguyễn Đạo Thái, Trần Xuân Tứ . Mô hình tư vấn dựa trênviệc phân tích chủ đề ẩn sự quan tâm của ngườ i dùng, Công trình sinh viên nghiên
cứ u khoa học, Đại học Công Nghệ, ĐHQGHN, 2009.
Tiếng Anh
[2] G.Adomavicius, A.Tuzhilin. Towards the Next Generation of Recommender
Systems:A Survey of the State-of-the-Art and Possible Extensions, IEEE
Transactions on Knowledge and Data Engineering, 2005.
[3] Aho, Alfred V.; Margaret J. Corasick. "Efficient string matching: An aid to
bibliographic search". Communications of the ACM 18 (6): 333–340, June 1975.
[4] Ansari, A., S. Essegaier, and R. Kohli. Internet recommendations systems.
Journal of Marketing Research, pages 363-375, 2000.
[5] Basu, C., H. Hirsh, and W. Cohen. Recommendation as classification:
Using social and content-based information in recommendation. In Recommender Systems. Papers from 1998 Workshop. Technical Report WS-98-08. AAAI Press, 1998.
[6] Balabanovic, M. and Y. Shoham. Fab: Content-based, collaborative
recommendation. Communications of the ACM, 40(3):66-72, 1997.
[7] Bamshad Mobasher: Data Mining for Web Personalization. The Adaptive
Web 2007:90-135.
[8] Belkin, N.J., Croft, W.B.: Information filtering and information retrieval: two
sides of the same coin?. Communications of the ACM 35(12), 29–38 (1992).
[9] Billsus, D. and M. Pazzani. Learning collaborative information filters.
In International Conference on Machine Learning, Morgan Kaufmann Publishers,
[10] Breese, J. S., D. Heckerman, and C. Kadie. Empirical analysis of predictive
algorithms for collaborative filtering. In Proceedings of the Fourteenth Conference on
Uncertainty in Artificial Intelligence, Madison, WI, 1998.
[11] Burke, R. Hybrid Recommender Systems: Survey and Experiments. User
Modeling and User-Adapted Interaction 12, 4 (Nov. 2002), 331-370.
[12] Chen, L., Sycara, K.: A Personal Agent for Browsing and Searching. In:
Proceedings of the 2nd International Conference on Autonomous Agents,
Minneapolis/St. Paul, May 9-13, (1998) 132-139.
[13] David M. Blei, Andrew Y. Ng, Michael I. Jordan: Latent Dirichlet Allocation. Journal of Machine Learning Research (JMLR) 3:993-1022 (2003).
[14] Gauch, S., Speretta, M., Chandramouli, A., Micarelli, A. User profiles for
personalized information access , In: Brusilovsky, P., Kobsa, A., and Neidl, W., Eds.
The Adaptive Web: Methods and Strategies of Web Personalization. Springer- Verlag,
Berlin Heidelberg New York, 2007, 54-89.
[15] Gentili, G., Micarelli, A., Sciarrone, F.: Infoweb: An Adaptive InformationFiltering System for the Cultural Heritage Domain. Applied Artificial Intelligence
17(8-9) (2003) 715-744.
[16] Guarino, N., Masolo, C., Vetere, G.: OntoSeek: Content-Based Access to the
Web. IEEE Intelligent Systems, May 14(3) (1999) 70-80.
[17] Heinrich, G., “Parameter Estimation for Text Analysis”, Technical Report.