Nghiên cứu sinh Lê Triệu Tuấn bảo vệ luận án tiến sĩ
NHỮNG ĐÓNG GÓP MỚI CỦA LUẬN ÁN
Đề tài luận án: Nghiên cứu xây dựng mô hình hệ thống khuyến nghị sản phẩm trong kinh doanh trực tuyến dựa vào khai thác dữ liệu phi cấu trúc.
Chuyên ngành: Hệ thống thông tin quản lý Mã số: 9340405
Nghiên cứu sinh: Lê Triệu Tuấn Mã NCS: NCS40.31TT
Người hướng dẫn: TS. Phạm Minh Hoàn
Cơ sở đào tạo: Trường Đại học Kinh tế Quốc dân
Những đóng góp mới về mặt lý luận
• Luận án đã tổng hợp các kết quả nghiên cứu, lý luận về sự cần thiết nâng cao hiệu quả của hệ thống khuyến nghị sản phẩm, dịch vụ kinh doanh trực tuyến, từ đó khẳng định vai trò của dữ liệu phi cấu trúc tạo ra bởi người dùng ngày càng trở thành nguồn dữ liệu quan trọng cho doanh nghiệp.
• Luận án đã nghiên cứu các mô hình hệ thống khuyến nghị sản phẩm và khai thác dữ liệu phi cấu trúc, xác định ba bài toán cần thực hiện đó là: (1) Bài toán khai thác dữ liệu phi cấu trúc, (2) Bài toán khuyến nghị sản phẩm tới người dùng mới, và (3) Bài toán cải thiện vấn đề dữ liệu thưa.
• Luận án đã đề xuất mô hình hệ thống tích hợp giữa khuyến nghị lọc cộng tác và khai thác dữ liệu phi cấu trúc, đây là cách tiếp cận mới để khắc phục vấn đề dữ liệu thưa.
Những đóng góp về mặt thực tiễn
• Luận án đã góp phần luận giải trên cơ sở thực tiễn về vai trò và sự cần thiết của hệ thống khuyến nghị để hỗ trợ người dùng lựa chọn sản phẩm dựa trên những tiến bộ của phương pháp và nền tảng của dữ liệu lớn, công nghệ mới.
• Luận án đề xuất mô hình tích hợp giữa phương pháp khuyến nghị lọc cộng tác và khai thác nguồn dữ liệu bổ sung giúp tận dụng được nguồn dữ liệu phi cấu trúc do người dùng tạo ra, từ đó nâng cao chất lượng, hiệu quả hoạt động của hệ thống khuyến nghị. Phương pháp khai thác dữ liệu phi cấu trúc bằng chương trình máy tính tự động góp phần tiết kiệm thời gian và nguồn lực cho doanh nghiệp và khách hàng.
• Mô hình đề xuất trong luận án có thể được áp dụng tại các doanh nghiệp có hoạt động thương mại điện tử với nhiều lĩnh vực sản phẩm, dịch vụ khác nhau, hỗ trợ doanh nghiệp trong vấn đề quản lý nghiệp vụ, nâng cao chất lượng dịch vụ khách hàng, nắm bắt nhu cầu của khách hàng nhanh chóng, thích ứng với ngữ cảnh thị trường.
• Mô hình đề xuất có tính mở cao, dễ thích nghi và phát triển khi đối mặt với nhiều dạng dữ liệu phi cấu trúc khác nhau với dung lượng lớn, đảm bảo hệ thống có thể hoạt động hiệu quả trong môi trường thực tế, đặc biệt khi dữ liệu và số lượng người dùng tăng lên.
--------------------------------
NEW CONTRIBUTIONS OF THE THESIS
Thesis title: Research on building a product recommendation system model in online business based on unstructured data mining.
Major: Management Information System Code: 9340405
PhD student: Tuan Le Trieu Code: NCS40.31TT
Instructor: Dr. Hoan Pham Minh
Training facility: National Economics University
New theoretical contributions
• The thesis has synthesized research results and theories on the need to improve the effectiveness of online product and service recommendation systems, thereby affirming the role of unstructured data in creating generated by users is increasingly becoming an important source of data for businesses.
• The thesis has researched product recommendation system models and unstructured data mining, identifying three problems that need to be done: (1) Unstructured data mining problem, (2) The problem of recommending products to new users, and (3) The problem of improving the problem of sparse data.
• The thesis has proposed a system model integrating collaborative filtering recommendation and unstructured data mining, which is a new approach to overcome the problem of sparse data.
Practical contributions
• The thesis has contributed to explaining on a practical basis the role and necessity of a recommendation system to support users in choosing products based on advances in methods and the foundation of big data, new technology.
• The thesis proposes an integrated model between the collaborative filtering recommendation method and the exploitation of additional data sources to help take advantage of the unstructured data sources created by users, thereby improving the quality, performance of the recommendation system. The method of exploiting unstructured data using automatic computer programs contributes to saving time and resources for businesses and customers.
• The model proposed in the thesis can be applied in businesses with e-commerce activities with many different product and service fields, supporting businesses in professional management and improving customer service quality, quickly grasp customer needs, and adapt to the market context.
• The proposed model is highly open, easy to adapt and develop when faced with many different types of unstructured data with large capacity, ensuring the system can operate effectively in real environments, especially as data and user numbers increase.
