HỆ THỐNG GỢI Ý SẢN PHẨM THEO PHIÊN DỰA TRÊN MÔ HÌNH LSTM

Abstract

Trong bối cảnh thương mại điện tử phát triển mạnh mẽ, việc xây dựng hệ thống gợi ý sản phẩm ngày càng trở nên cần thiết nhằm nâng cao trải nghiệm người dùng và tối ưu hóa doanh thu cho doanh nghiệp. Tuy nhiên, hầu hết các hệ thống gợi ý truyền thống chỉ dựa vào nội dung sản phẩm hoặc hành vi chung của người dùng, mà chưa tận dụng tốt trình tự tương tác trong từng phiên làm việc (session). Trước thực tế đó, đề tài "Hệ thống gợi ý sản phẩm theo phiên dựa trên mô hình LSTM" được thực hiện với mong muốn xây dựng một mô hình gợi ý theo chuỗi thời gian, có khả năng học được các hành vi theo trình tự của người dùng. Phương pháp chính của đề tài là sử dụng mạng nơ-ron hồi tiếp LSTM để dự đoán sản phẩm tiếp theo mà người dùng có thể quan tâm dựa trên lịch sử tương tác trong phiên hiện tại. Dữ liệu sử dụng trong luận văn được tiền xử lý bằng cách lọc các phiên có tối thiểu 10 lượt tương tác, mã hóa sản phẩm bằng kỹ thuật số hóa nhãn, và chuyển đổi thành các chuỗi đầu vào có độ dài cố định. Mô hình LSTM được xây dựng gồm ba tầng chính: lớp embedding để biểu diễn sản phẩm dưới dạng vector, lớp LSTM để học trình tự hành vi, và lớp dense kết thúc với hàm softmax để dự đoán sản phẩm tiếp theo. Mô hình được huấn luyện và đánh giá trên tập dữ liệu thực tế từ hệ thống gợi ý, sử dụng các chỉ số như Recall@K và MRR@K để đo lường hiệu quả. Kết quả cho thấy mô hình đạt độ chính xác cao trong việc gợi ý sản phẩm, đặc biệt khi so sánh với các phương pháp đơn giản như gợi ý ngẫu nhiên hoặc phổ biến nhất. Mô hình LSTM có khả năng học được mối liên hệ tuần tự giữa các sản phẩm trong phiên, từ đó đưa ra các gợi ý phù hợp hơn với ngữ cảnh hiện tại của người dùng. Đóng góp chính của đề tài là xây dựng được một quy trình hoàn chỉnh từ tiền xử lý dữ liệu, xây dựng mô hình LSTM đến đánh giá kết quả trên dữ liệu thực tế. Ngoài ra, đề tài khẳng định tính hiệu quả của mô hình LSTM trong việc xử lý bài toán gợi ý theo phiên, mở ra hướng phát triển các hệ thống gợi ý thông minh, cá nhân hóa hơn trong tương lai. Từ khóa: Hệ thống gợi ý sản phẩm, Gợi ý theo phiên, Mô hình LSTM, Học sâu, Thương mại điện tử.