ỨNG DỤNG MẠNG NƠ-RON ĐỒ THỊ VÀO HỆ THỐNG GỢI Ý SẢN PHẨM DỰA TRÊN HÌNH ẢNH

Abstract

Các hệ thống gợi ý sản phẩm truyền thống thường gặp khó khăn trong việc xử lý dữ liệu đa phương thức như hình ảnh và mô tả văn bản, dẫn đến độ chính xác và tính cá nhân hóa chưa cao. Việc ứng dụng mạng nơ-ron đồ thị (Graph Neural Network – GNN) cho phép mô hình khai thác mối quan hệ phức tạp giữa người dùng và sản phẩm, đồng thời tận dụng thông tin từ nhiều dạng dữ liệu khác nhau để nâng cao hiệu quả gợi ý. Nghiên cứu này tiến hành triển khai và đánh giá các mô hình mạng nơ-ron đồ thị đa phương thức trên tập dữ liệu Amazon Review Data (2018) với các bước gồm tiền xử lý dữ liệu, trích xuất đặc trưng hình ảnh bằng mô hình học sâu, mã hóa mô tả văn bản bằng mô hình ngôn ngữ hiện đại, xây dựng đồ thị người dùng–sản phẩm và huấn luyện mô hình theo chiến lược học xếp hạng. Kết quả thực nghiệm cho thấy các mô hình mạng nơ-ron đồ thị đa phương thức đạt hiệu năng tốt hơn so với các phương pháp gợi ý truyền thống thông qua các chỉ số Precision@K, Recall@K và NDCG@K. Những kết quả này chứng minh rằng việc kết hợp dữ liệu đa phương thức và học biểu diễn đồ thị là hướng tiếp cận hiệu quả giúp cải thiện độ chính xác và khả năng gợi ý của hệ thống trong các ứng dụng thương mại điện tử... Từ khóa: Hệ gợi ý sản phẩm; Dữ liệu đa phương thức; Mạng nơ-ron đồ thị; Học sâu; GNN.