NGHIÊN CỨU PHƯƠNG PHÁP KHUYẾN NGHỊ TIN TỨC TRÊN CỔNG THÔNG TIN ĐIỆN TỬ DỰA TRÊN DỮ LIỆU PHIÊN SỬ DỤNG MẠNG LƯỚI THẦN KINH ĐỒ THỊ (GNN)

Abstract

Cổng thông tin điện tử là một hệ thống trực tuyến hoặc trang web được thiết kế như một cổng truy cập duy nhất, giúp người dùng kết nối với thông tin và dịch vụ của tổ chức. Để cá nhân hóa trải nghiệm và tăng cường việc giới thiệu nội dung trên cổng thông tin điện tử, hệ khuyến nghị là một giải pháp phổ biến. Các phương pháp khuyến nghị truyền thống thường dựa vào dữ liệu được thu thập trong thời gian dài từ người dùng định danh. Tuy nhiên, với các cổng thông tin điện tử, hầu hết người dùng đều ẩn danh, gây khó khăn trong việc áp dụng các phương pháp truyền thống này. Khuyến nghị dựa trên phiên (SBR) tập trung vào dự đoán mục tiếp theo tại một thời điểm nhất định. Vì hồ sơ người dùng thường không có sẵn trong trường hợp này nên việc nắm bắt ý định của người dùng trong quá trình chuyển đổi mục đóng vai trò then chốt. Trong nghiên cứu này, chúng tôi giải quyết bài toán khuyến nghị tin tức trên cổng thông tin điện tử Học viện Công nghệ Bưu chính Viễn thông dựa trên dữ liệu tuần tự của người dùng. Chúng tôi nghiên cứu và đánh giá nhóm các phương pháp khuyến nghị trên dữ liệu phiên phổ biến hiện nay bao gồm nhóm cơ bản, nhóm K láng giềng gần nhất, nhóm sử dụng mạng đồ thị học sâu GNN. Kết quả cho thấy các phương pháp thuộc nhóm GNN có kết quả tốt hơn so với các phương pháp học máy thuộc nhóm cơ bản trong khi đó các phương pháp thuộc nhóm cơ bản và nhóm K láng giềng cho kết quả tương đối tốt trong khi thời gian chạy và tài nguyên sử dụng ít hơn hẳn.