Luận án Hệ tư vấn dựa trên Mức độ Quan trọng Hàm ý Thống kê - Nghiên cứu và Ứng dụng
Hệ tư vấn mức độ quan trọng hàm ý thống kê giúp đánh giá hiệu quả nghiên cứu dựa trên phân tích thống kê chuyên sâu.
Năm xuất bản
Số trang
192
Thời gian đọc
29 phút
Lượt xem
0
Lượt tải
0
Phí lưu trữ
50 Point
Tổng quan nhanh
- Chủ đề:
- 1. Tổng quan hệ tư vấn mức độ quan trọng hàm ý thống kê
- Số trang:
- 192 trang
- Trường:
- Trường Đại học Bách khoa, Đại học Đà Nẵng
- Chuyên ngành:
- Khoa học máy tính
- Tác giả:
- Phan Phương Lan
- Năm:
- 2019
Tóm tắt nội dung luận án
I. Tổng quan hệ tư vấn mức độ quan trọng hàm ý thống kê
Hệ thống gợi ý đóng vai trò then chốt trong xử lý quá tải thông tin số. Kỹ thuật truyền thống thường gặp hạn chế về độ thưa thớt và quy mô dữ liệu lớn. Phương pháp tiếp cận dựa trên mức độ quan trọng hàm ý thống kê mang lại giải pháp đột phá. Mô hình tập trung khai thác các mối quan hệ bất đối xứng giữa các đối tượng. Việc đánh giá mô hình recommender system đòi hỏi sự chính xác cao và khả năng giải thích rõ ràng. Các thuật toán cần phân biệt được liên kết ngẫu nhiên và quy luật thực sự. Phân tích thống kê giúp lượng hóa mối liên hệ phi tuyến tính. Hệ thống lọc bỏ nhiễu hiệu quả từ hành vi người dùng. Nhờ đó, chất lượng đề xuất tăng trưởng vượt bậc trên các nền tảng thương mại điện tử và giáo dục trực tuyến. Độ tin cậy của thuật toán được nâng cao qua từng chu kỳ xử lý. Toàn bộ kiến trúc vận hành tự động, tối ưu hóa tài nguyên tính toán.
1.1. Bản chất và vai trò của hệ gợi ý trong phân tích dữ liệu
Hệ thống gợi ý xử lý lượng lớn dữ liệu hành vi. Người dùng tương tác liên tục với sản phẩm qua đánh giá, nhấp chuột và mua sắm. Việc nhận diện mức độ quan trọng của đặc trưng quyết định độ chuẩn xác của thuật toán. Thuật toán lọc nội dung phân tích đặc tính sản phẩm. Thuật toán lọc cộng tác phân tích ma trận người dùng và vật phẩm. Sự kết hợp giữa khai phá dữ liệu và phân tích định lượng tạo nền tảng vững chắc. Hệ thống xác định xu hướng tiêu dùng tiềm ẩn. Quá trình đề xuất diễn ra theo thời gian thực. Độ chính xác cao giúp tối ưu hóa tỷ lệ chuyển đổi dịch vụ. Khả năng dự đoán nhu cầu chuẩn xác nâng cao trải nghiệm khách hàng. Các tổ chức doanh nghiệp tận dụng tối đa dữ liệu lịch sử để ra quyết định kinh doanh.
1.2. Thách thức lọc cộng tác và định hướng tiếp cận thống kê
Lọc cộng tác truyền thống đối mặt bài toán ma trận thưa và khởi đầu lạnh. Dữ liệu mới thiếu lịch sử tương tác dẫn đến gợi ý sai lệch. Phân tích hàm ý thống kê giải quyết triệt để vấn đề này. Thuật toán đo lường mức độ bất thường mang tính thống kê giữa hai thuộc tính. Phương pháp xác định mối liên hệ kéo theo có hướng thay vì tương quan đối xứng. Quy tắc hàm ý giúp phân biệt quy luật xác thực với sự trùng hợp ngẫu nhiên. Cấu trúc mô hình giữ vững tính ổn định khi mở rộng quy mô dữ liệu. Phương pháp hỗ trợ xử lý cả phản hồi tường minh và phản hồi ngầm định. Nền tảng đề xuất vận hành linh hoạt trên nhiều môi trường dữ liệu phức tạp.
II. Lý thuyết mức độ quan trọng hàm ý thống kê hệ tư vấn
Lý thuyết phân tích hàm ý thống kê bắt nguồn từ nghiên cứu toán học ứng dụng. Phương pháp lượng hóa mối quan hệ kéo theo giữa các biến số. Khái niệm này mang lại góc nhìn mới về ý nghĩa thống kê trong hệ gợi ý. Không gian xác suất được sử dụng để kiểm soát độ lệch chuẩn. Thuật toán thiết lập ngưỡng tin cậy chặt chẽ nhằm loại bỏ quan hệ giả tạo. Mối liên hệ nhân quả hỗ trợ đắc lực cho suy luận nhân quả trong hệ tư vấn. Hệ thống phân tích sâu sắc cấu trúc dữ liệu nhị phân lẫn phi nhị phân. Các chỉ số thống kê phản ánh chính xác cường độ phụ thuộc giữa các mục tiêu. Mô hình xây dựng bức tranh toàn diện về hành vi tiêu dùng đa chiều.
2.1. Phân tích hàm ý thống kê trên tập dữ liệu nhị phân
Dữ liệu nhị phân phản ánh trạng thái chọn hoặc không chọn của người dùng. Phân tích hàm ý thống kê thiết lập chỉ số hàm ý dựa trên phân phối chuẩn. Cường độ hàm ý đo lường mức độ bất ngờ khi biến cố xuất hiện đồng thời. Chỉ số entropy bổ sung khả năng kiểm soát lượng thông tin dư thừa. Chỉ số gắn kết và chỉ số đóng góp giúp phân loại vai trò của từng thuộc tính. Phép đo tiêu biểu xác định đối tượng đại diện xuất sắc cho từng nhóm hành vi. Thuật toán trích xuất các luật kết hợp chất lượng cao mà không làm bùng nổ số lượng luật. Quy trình tính toán đơn giản, tốc độ thực thi nhanh trên tập dữ liệu lớn.
2.2. Mở rộng mức độ quan trọng thống kê cho dữ liệu phi nhị phân
Dữ liệu thực tế thường mang giá trị liên tục hoặc thang đo đa mức. Điểm đánh giá xếp hạng từ một đến năm sao là ví dụ điển hình. Lý thuyết hàm ý thống kê mở rộng áp dụng cho biến số ngẫu nhiên tổng quát. Mối quan hệ hàm ý phi nhị phân phản ánh mức độ ưu tiên thứ bậc. Mức độ quan trọng xếp hạng lượng hóa sự tương đồng về sở thích giữa các cá nhân. Thuật toán chuẩn hóa dữ liệu đầu vào trước khi tính toán ma trận thống kê. Việc mở rộng này giữ nguyên các tính chất toán học cốt lõi của lý thuyết gốc. Mô hình xử lý mượt mà dữ liệu đánh giá chi tiết mà không làm mất thông tin phân cấp.
III. Mô hình SIR theo mức độ quan trọng hàm ý trong hệ tư vấn
Mô hình SIR khai thác triệt để luật kết hợp thống kê. Phương pháp trích xuất tập luật rút gọn có độ tin cậy vượt trội. Khác biệt cốt lõi nằm ở việc đánh giá sức mạnh của quy tắc qua kiểm định toán học. Yếu tố độ mạnh thống kê và kích thước mẫu ảnh hưởng trực tiếp đến chất lượng bộ luật sinh ra. Kỹ thuật áp dụng phương pháp bootstrap trong hệ gợi ý nhằm tăng cường độ bền vững của mô hình. Cấu trúc luật phi đối xứng phản ánh chính xác quy luật tiêu dùng trong thực tế. Mô hình loại trừ hoàn toàn các luật ngẫu nhiên gây nhiễu danh sách gợi ý. Hệ thống đạt độ hội tụ cao và hiệu suất tối ưu trên nhiều lĩnh vực ứng dụng.
3.1. Cấu trúc mô hình khai phá luật kết hợp hàm ý thống kê SIR
Mô hình SIR gồm ba giai đoạn xử lý chính: tiền xử lý, khai phá luật và sinh gợi ý. Giai đoạn tiền xử lý chuyển đổi dữ liệu gốc về định dạng phù hợp. Giai đoạn khai phá sử dụng thước đo cường độ hàm ý thay cho độ hỗ trợ và độ tin cậy truyền thống. Tập luật hàm ý được chọn lọc theo ngưỡng ý nghĩa thống kê nghiêm ngặt. Giai đoạn sinh gợi ý khớp hồ sơ người dùng hiện tại với vế trái của các luật. Các mục đề xuất ở vế phải được sắp xếp theo trọng số thống kê giảm dần. Thuật toán loại bỏ các bước duyệt dữ liệu dư thừa. Cấu trúc dữ liệu dạng cây giúp truy vấn luật nhanh chóng trong thời gian thực.
3.2. Cải tiến hiệu năng và tốc độ xử lý của mô hình SIR
Mô hình SIR cải tiến giải quyết triệt để vấn đề thời gian xây dựng mô hình. Kỹ thuật tỉa nhánh sớm loại bỏ các tập mục không tiềm năng ngay từ đầu. Thuật toán tối ưu hóa công thức tính toán chỉ số thống kê bằng ma trận tích lũy. Bộ nhớ đệm lưu trữ tạm thời các giá trị trung gian nhằm giảm tải tính toán lặp lại. Thời gian xử lý giảm mạnh so với thuật toán Apriori hay FP-Growth truyền thống. Chất lượng danh sách gợi ý vẫn duy trì độ chuẩn xác tương đương hoặc cao hơn. Khả năng mở rộng quy mô của mô hình đáp ứng tốt yêu cầu của các hệ thống thương mại trực tuyến lớn.
IV. Mô hình UIR mức độ quan trọng xếp hạng hàm ý thống kê
Mô hình UIR tập trung phân tích quan hệ láng giềng giữa người dùng. Phương pháp lượng hóa mức độ gắn kết sở thích thông qua xếp hạng hàm ý thống kê. Thuật toán xác định chính xác người dùng tương đồng mà không bị ảnh hưởng bởi độ lệch điểm số cá nhân. Thử nghiệm A/B testing cho hệ tư vấn chứng minh tính ưu việt của cách tiếp cận này. Việc xác định mức độ quan trọng của đặc trưng người dùng tạo tiền đề cho phân cụm chính xác. Mô hình dự đoán điểm đánh giá chưa biết với sai số tối thiểu. Độ ổn định của thuật toán vượt trội so với các phương pháp lọc cộng tác dựa trên độ đo tương quan Pearson hay Cosine.
4.1. Khái niệm mức độ quan trọng xếp hạng hàm ý người dùng UIR
Mức độ quan trọng xếp hạng người dùng đo lường xác suất một người đồng tình với đánh giá của người khác. Công thức kết hợp chỉ số tương tự và mức độ tin cậy thống kê của lịch sử đánh giá. Những người dùng có số lượng đánh giá chung ít sẽ bị chiết giảm trọng số hợp lý. Ngược lại, cặp người dùng có sự đồng thuận ổn định trên nhiều sản phẩm nhận trọng số cao. Phương pháp khắc phục nhược điểm đánh giá quá cao độ tương đồng giả mạo. Hồ sơ người dùng được chuẩn hóa theo độ lệch chuẩn riêng biệt. Quy trình dự báo điểm số diễn ra minh bạch, dễ dàng giải thích cho người dùng cuối.
4.2. Ứng dụng mô hình UIR trong dự đoán hành vi tiêu dùng
Mô hình UIR mang lại giá trị cao trong môi trường thương mại điện tử và gợi ý học phần. Thuật toán tự động tìm kiếm nhóm người học có năng lực và sở thích tương đồng. Hệ thống đề xuất lộ trình môn học tối ưu, giảm thiểu tỷ lệ rớt môn. Trong kinh doanh bán lẻ, UIR cá nhân hóa danh mục sản phẩm theo từng phân khúc khách hàng. Người dùng nhận được đề xuất đúng thời điểm với độ tin cậy vượt bậc. Tỷ lệ tương tác và mức độ hài lòng của khách hàng tăng trưởng rõ rệt. Nền tảng duy trì tính nhất quán khi lượng người dùng mới gia tăng nhanh chóng.
V. Đánh giá kiểm định mô hình hệ tư vấn hàm ý thống kê
Quy trình kiểm nghiệm thực nghiệm đóng vai trò cốt lõi trong nghiên cứu thuật toán gợi ý. Đánh giá chất lượng mô hình cần dựa trên chuẩn mực đo lường nghiêm ngặt. Việc thực hiện kiểm định giả thuyết thống kê xác nhận tính vượt trội của thuật toán đề xuất. Các nhà nghiên cứu sử dụng chỉ số p-value và khoảng tin cậy để bác bỏ giả thuyết vô hiệu. So sánh thực nghiệm trên các bộ dữ liệu chuẩn như MovieLens và dữ liệu đào tạo đại học chứng minh hiệu quả thực tế. Kết quả kiểm tra khẳng định mô hình hàm ý thống kê đạt độ chính xác cao và độ bao phủ rộng. Các tham số được tinh chỉnh tối ưu thông qua thực nghiệm đối sánh.
5.1. Quy trình thực nghiệm và phương pháp kiểm định độ chính xác
Thực nghiệm áp dụng kỹ thuật kiểm tra chéo k-fold để đảm bảo tính khách quan. Dữ liệu được phân chia ngẫu nhiên thành các tập huấn luyện và kiểm thử độc lập. Độ chính xác dự đoán được đánh giá qua các chỉ số sai số MAE và RMSE. Độ chính xác danh sách gợi ý được lượng hóa bằng Precision, Recall và F1-score. Thứ tự xếp hạng của sản phẩm được đo lường thông qua chỉ số NDCG và MAP. Kết quả so sánh nội bộ và so sánh ngoại biên khẳng định sự ổn định của giải pháp. Sai số dự đoán giảm rõ rệt so với các mô hình láng giềng truyền thống và phân rã ma trận.
5.2. Phân tích ý nghĩa thống kê và kiểm định giả thuyết mô hình
Đánh giá sự khác biệt giữa các mô hình yêu cầu các phép thử phi tham số và tham số chặt chẽ. Kỹ thuật kiểm định paired t-test và wilcoxon được thực hiện trên kết quả từng lượt chạy. Mức ý nghĩa thống kê được thiết lập ở ngưỡng tiêu chuẩn alpha bằng 0.05. Tất cả giá trị p-value thu được đều nhỏ hơn ngưỡng quy định, chứng minh cải tiến có ý nghĩa thực sự. Sự chênh lệch về hiệu năng không phải do yếu tố ngẫu nhiên từ phân chia dữ liệu. Khoảng tin cậy 95% khẳng định khoảng dao động an toàn của các thước đo. Phân tích sâu củng cố độ tin cậy học thuật của phương pháp tiếp cận mới.
5.3. Ứng dụng thực tế và tiềm năng mở rộng của phương pháp
Nghiên cứu mở ra hướng đi mới trong việc kết hợp toán học thống kê và trí tuệ nhân tạo. Mô hình hàm ý thống kê có thể tích hợp linh hoạt vào các kiến trúc học sâu hiện đại. Khả năng giải thích của luật hàm ý giúp người dùng hiểu rõ lý do nhận được gợi ý. Hệ thống hỗ trợ tích cực cho các quyết định quản lý trong giáo dục, y tế và tài chính. Các thuật toán tối ưu hóa tiếp tục được phát triển nhằm xử lý dữ liệu luồng thời gian thực. Độ tin cậy cao và tính minh bạch tạo lợi thế cạnh tranh bền vững cho các nền tảng số hiện đại.
Mục lục chi tiết luận án
Tải xuống file đầy đủ để xem toàn bộ nội dung
Tải đầy đủ (192 trang)Trích đoạn nội dung luận án
Tải xuống để đọc toàn bộĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC BÁCH KHOA PHAN PHƯƠNG LAN HỆ TƯ VẤN DỰA TRÊN MỨC ĐỘ QUAN TRỌNG HÀM Ý THỐNG KÊ LUẬN ÁN TIẾN SĨ KỸ THUẬT Đà Nẵng - Năm 2019 luan an ii ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC BÁCH KHOA PHAN PHƯƠNG LAN HỆ TƯ VẤN DỰA TRÊN MỨC ĐỘ QUAN TRỌNG HÀM Ý THỐNG KÊ Chuyên ngành: Khoa học máy tính Mã số: 9480101 LUẬN ÁN TIẾN SĨ KỸ THUẬT Người hướng dẫn khoa học: 1. Huỳnh Xuân Hiệp 2. Huỳnh Hữu Hưng Đà Nẵng - Năm 2019 luan an LỜI CAM ĐOAN Tôi xin cam đoan đây là công trình nghiên cứu do tôi thực hiện, dưới sự hướng dẫn của PGS. Huỳnh Xuân Hiệp và TS.
Huỳnh Hữu Hưng. Tôi cam đoan các kết quả nghiên cứu được trình bày trong luận án là trung thực và không sao chép từ bất kỳ công trình nghiên cứu nào khác. Một số kết quả nghiên cứu là thành quả tập thể và đã được các đồng tác giả đồng ý cho sử dụng trong luận án. Mọi trích dẫn trong luận án đều có ghi nguồn gốc xuất xứ rõ ràng và đầy đủ.
Phan Phương Lan luan an LỜI CẢM ƠN Trước tiên, tôi xin bày tỏ lòng biết ơn sâu sắc và gửi lời tri ân đến PGS. Huỳnh Xuân Hiệp và TS. Huỳnh Hữu Hưng đã tận tình hướng dẫn, truyền đạt kiến thức và kinh nghiệm nghiên cứu khoa học cho tôi trong suốt quá trình học tập, nghiên cứu và hoàn thành luận án. Tôi xin chân thành cảm ơn Phòng Đào tạo và Khoa Công nghệ thông tin - Trường Đại học Bách khoa đã luôn tạo điều kiện thuận lợi cho tôi trong thời gian làm nghiên cứu sinh tại đây.
Xin cảm ơn Ban Lãnh đạo trường Đại học Cần Thơ, Khoa Công nghệ thông tin và Truyền thông, Bộ môn Công nghệ phần mềm đã luôn hỗ trợ và tạo điều kiện tốt nhất để tôi có thể tập trung nghiên cứu. Tôi xin được bày tỏ lòng biết ơn chân thành đến GS. Régis Gras đã cung cấp cho tôi nhiều tài liệu về lý thuyết phân tích hàm ý thống kê và có những góp ý sâu sắc cho nghiên cứu của tôi. Xin chân thành cảm ơn các nhà khoa học đã dành thời gian và công sức đọc và đưa ra các góp ý quý báu để luận án được hoàn chỉnh hơn.
Cuối cùng, tôi xin được gửi lời cảm ơn sâu sắc đến gia đình và bạn thân - những người luôn bên cạnh, giúp đỡ và động viên tôi trong suốt thời gian học tập, nghiên cứu và hoàn thành luận án. Đà Nẵng, ngày 09 tháng 11 năm 2019 NCS. Phan Phương Lan luan an i MỤC LỤC 1. I DANH MỤC THUẬT NGỮ VÀ TỪ VIẾT TẮT.
VI DANH MỤC BẢNG. VIII DANH MỤC HÌNH. IX MỞ ĐẦU. Mức độ quan trọng hàm ý thống kê.
Định nghĩa mức độ quan trọng hàm ý thống kê. Mức độ quan trọng hàm ý thống kê cho dữ liệu nhị phân. Mối quan hệ hàm ý thống kê trên dữ liệu nhị phân. Chỉ số hàm ý và cường độ hàm ý.
Cường độ hàm ý có entropy. Chỉ số gắn kết. Chỉ số đóng góp. Chỉ số tiêu biểu.
Mức độ quan trọng hàm ý thống kê cho dữ liệu phi nhị phân. Mối quan hệ hàm ý thống kê trên dữ liệu phi nhị phân. Mức độ quan trọng hàm ý thống kê cho dữ liệu phi nhị phân. Mức độ quan trọng xếp hạng hàm ý thống kê.
Hệ tư vấn và các hướng nghiên cứu. Phân loại hệ tư vấn. Hệ tư vấn thuộc nhóm cá thể. Hệ tư vấn thuộc nhóm cộng tác/cộng đồng.
Hệ tư vấn thuộc nhóm chuyên gia. Hệ tư vấn thuộc nhóm lai ghép. 24 luan an ii 1. Hệ tư vấn thuộc nhóm theo ngữ cảnh.
Các hướng nghiên cứu về hệ tư vấn. Nghiên cứu về dữ liệu. Nghiên cứu đề xuất và cải tiến các phương pháp tư vấn. Nghiên cứu đánh giá hệ tư vấn.
Kỹ thuật tư vấn lọc cộng tác. Kỹ thuật lọc cộng tác dựa trên bộ nhớ (láng giềng). Kỹ thuật lọc cộng tác dựa trên mô hình. Tư vấn lọc cộng tác dựa trên luật kết hợp.
Mô hình nhân tố tiềm ẩn. Đánh giá hiệu quả tư vấn. Phương pháp đánh giá chéo k tập con. Tính chính xác của gợi ý.
Tính chính xác của xếp hạng được dự đoán. Tính chính xác của gợi ý được sắp thứ tự. Phương pháp tư vấn theo mức độ quan trọng hàm ý thống kê. Tư vấn dựa trên phân tích hàm ý thống kê hiện có.
Tư vấn dựa trên mức độ quan trọng hàm ý thống kê. Kết luận chương 1. TƯ VẤN THEO MỨC ĐỘ QUAN TRỌNG HÀM Ý THỐNG KÊ TRÊN LUẬT KẾT HỢP. Mô hình tư vấn theo mức độ quan trọng hàm ý thống kê trên luật SIR.
Mô hình tư vấn SIR. Mô hình tư vấn SIR được cải tiến. Hoạt động của mô hình tư vấn theo mức độ quan trọng hàm ý thống kê trên luật. Hoạt động của mô hình tư vấn SIR.
Hoạt động của mô hình tư vấn SIR được cải tiến. Đánh giá hiệu quả tư vấn của mô hình SIR. Dữ liệu thực nghiệm của mô hình SIR. Công cụ thực nghiệm của mô hình SIR.
56 luan an iii 2. Hiệu quả tư vấn của mô hình SIR trên dữ liệu nhị phân. Các giá trị tham số phù hợp. Thời gian xây dựng mô hình tư vấn trước và sau cải tiến.
Tính chính xác của gợi ý qua so sánh nội trên dữ liệu nhị phân. Tính chính xác của gợi ý qua so sánh ngoại trên dữ liệu nhị phân. Mô hình tư vấn SIR trong gợi ý đăng ký học phần. Hiệu quả tư vấn của mô hình SIR trên dữ liệu phi nhị phân.
Tính chính xác của gợi ý qua so sánh nội trên dữ liệu phi nhị phân. Tính chính xác của gợi ý qua so sánh ngoại trên dữ liệu phi nhị phân. Kết luận chương 2. TƯ VẤN THEO MỨC ĐỘ QUAN TRỌNG XẾP HẠNG HÀM Ý THỐNG KÊ TRÊN NGƯỜI DÙNG.
Định nghĩa mức độ quan trọng xếp hạng hàm ý thống kê trên người dùng. Mô hình tư vấn theo mức độ quan trọng xếp hạng hàm ý thống kê trên người dùng UIR. Hoạt động của mô hình tư vấn theo mức độ quan trọng xếp hạng hàm ý thống kê trên người dùng. Đánh giá hiệu quả tư vấn của mô hình UIR.
Dữ liệu thực nghiệm của mô hình UIR. Công cụ thực nghiệm của mô hình UIR. Đánh giá mô hình UIR qua tính chính xác của gợi ý. Tính chính xác của mô hình UIR qua so sánh ngoại.
Tính chính xác của mô hình UIR qua so sánh nội. Đánh giá mô hình UIR qua tính chính xác của xếp hạng được dự đoán. Sai số của mô hình UIR qua so sánh ngoại. Sai số của mô hình UIR qua so sánh nội.
Đánh giá mô hình UIR qua tính chính xác của gợi ý được sắp thứ tự. Độ lợi tích lũy giảm dần của mô hình UIR trên dữ liệu nhị phân. Độ lợi tích lũy giảm dần của mô hình UIR trên dữ liệu phi nhị phân. Kết luận chương 3.
103 luan an iv CHƯƠNG 4. TƯ VẤN THEO MỨC ĐỘ QUAN TRỌNG XẾP HẠNG HÀM Ý THỐNG KÊ TRÊN MỤC. Định nghĩa mức độ quan trọng xếp hạng hàm ý thống kê trên mục dữ liệu. Mô hình tư vấn theo mức độ quan trọng xếp hạng hàm ý thống kê trên mục IIR.
Hoạt động của mô hình tư vấn theo mức độ quan trọng xếp hạng hàm ý thống kê trên mục. Đánh giá hiệu quả tư vấn của mô hình IIR. Dữ liệu và công cụ thực nghiệm của mô hình IIR. Thời gian xây dựng ma trận mục trực tiếp và gián tiếp.
Đánh giá mô hình IIR qua tính chính xác của gợi ý. Tính chính xác của mô hình IIR qua so sánh nội. Tính chính xác của mô hình IIR qua so sánh ngoại. Tính ổn định của mô hình IIR.
Đánh giá mô hình IIR qua tính chính xác của xếp hạng được dự đoán. Sai số của mô hình IIR qua so sánh nội. Sai số của mô hình IIR qua so sánh ngoại. Đánh giá mô hình IIR qua tính chính xác của gợi ý được sắp thứ tự.
So sánh hiệu quả tư vấn của các mô hình đề xuất. So sánh thời gian tư vấn. So sánh tính chính xác của các mô hình. Đánh giá chung về các mô hình đề xuất.
Kết luận chương 4. 138 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN. 139 Hướng phát triển. 140 DANH MỤC CÁC CÔNG TRÌNH KHOA HỌC ĐÃ CÔNG BỐ.141 TÀI LIỆU THAM KHẢO .1 Phụ lục 1: Công cụ Interestingnesslab và tập dữ liệu DKHP.
1 luan an v Công cụ Interestingnesslab. 1 Tập dữ liệu DKHP. 2 Phụ lục 2: Giải thuật tư vấn theo mức độ quan trọng hàm ý thống kê trên luật kết hợp. 4 Sinh tập luật dựa trên ngưỡng hỗ trợ, ngưỡng tin cậy và độ dài tối đa của một luật.
4 Biểu diễn tập luật theo phân tích hàm ý thống kê. 4 Tính cường độ hàm ý, chỉ số gắn kết của luật. 6 Lọc tập luật theo ngưỡng cường độ hàm ý hoặc chỉ số gắn kết. 8 Phụ lục 3: Giải thuật tư vấn theo mức độ quan trọng xếp hạng hàm ý thống kê trên người dùng.
10 Biểu diễn mối quan hệ giữa hai người dùng theo phân tích hàm ý thống kê. 10 Tính cường độ hàm ý giữa hai người dùng. 11 Tìm các láng giềng gần nhất của người cần được tư vấn. 12 Xác định chỉ số tiêu biểu của một mục đối với mối quan hệ hàm ý giữa hai người dùng.
12 Dự đoán xếp hạng của người dùng cho các mục dữ liệu. 14 Phụ lục 4: Giải thuật tư vấn theo mức độ quan trọng xếp hạng hàm ý thống kê trên mục dữ liệu. 15 Xây dựng ma trận mục dữ liệu - gián tiếp. 15 Xây dựng ma trận mục dữ liệu - trực tiếp.
16 Dự đoán xếp hạng của người dùng cho các mục dữ liệu. 17 Phụ lục 5: Giải thuật đánh giá hệ tư vấn. 18 Phụ lục 6: Xác định giá trị tham số phù hợp của mô hình SIR, AR và IBCF. 21 Ngưỡng tin cậy và hỗ trợ trong các mô hình SIR, AR.
21 Độ dài tối đa của một luật trong các mô hình SIR, AR. 22 Số láng giềng gần nhất của mô hình IBCF .
Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ
Trích dẫn luận án này
Phan Phương Lan (2019). Hệ tư vấn mức độ quan trọng hàm ý thống kê [Luận án tiến sĩ, Trường Đại học Bách khoa, Đại học Đà Nẵng]. LuanAn.net. https://luanan.net/toan-hoc/xac-suat-thong-ke/luan-an-he-tu-van-muc-do-quan-trong-ham-y-thong-ke
Câu hỏi thường gặp
Luận án "Hệ tư vấn mức độ quan trọng hàm ý thống kê" nghiên cứu về vấn đề gì?
Hệ tư vấn mức độ quan trọng hàm ý thống kê giúp đánh giá hiệu quả nghiên cứu dựa trên phân tích thống kê chuyên sâu.
Luận án "Hệ tư vấn mức độ quan trọng hàm ý thống kê" được bảo vệ tại trường nào?
Luận án này được bảo vệ tại Trường Đại học Bách khoa, Đại học Đà Nẵng. Năm bảo vệ: 2019.
Luận án "Hệ tư vấn mức độ quan trọng hàm ý thống kê" thuộc chuyên ngành gì?
Luận án "Hệ tư vấn mức độ quan trọng hàm ý thống kê" thuộc chuyên ngành Khoa học máy tính. Danh mục: Xác Suất Thống Kê.
Luận án "Hệ tư vấn mức độ quan trọng hàm ý thống kê" có bao nhiêu trang?
Luận án "Hệ tư vấn mức độ quan trọng hàm ý thống kê" có 192 trang. Bạn có thể xem trước một phần tài liệu ngay trên trang web trước khi tải về.
Cách tải luận án "Hệ tư vấn mức độ quan trọng hàm ý thống kê" về máy như thế nào?
Để tải luận án về máy, bạn nhấn nút "Tải xuống ngay" trên trang này, sau đó hoàn tất thanh toán phí lưu trữ. File sẽ được tải xuống ngay sau khi thanh toán thành công. Hỗ trợ qua Zalo: 0559 297 239.