Đang tải... (xem toàn văn)
Trong luận văn này, tác giả tập trung nghiên cứu các phương pháp xây dựng một hệ tư vấn, đặc biệt là hệ tư vấn Chọn lọc cộng tác. Trên cơ sở một hệ tư vấn thương mại tác giả ứng dụng chuyển sang một hệ tư vấn tuyển sinh đại họccao đẳng bằng phương pháp Chọn lọc cộng tác gom cụm. Tác giả cũng đã thực hiện một số thực nghiệm, sử dụng một số chỉ số đánh giá như MAE, RMSE nhằm đánh giá ảnh hưởng của các kỹ thuật trong thuật toán sử dụng trong hệ tư vấn.
BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC LẠC HỒNG ** NGUYỄN ĐỨC HẬU PHÂN TÍCH ĐỊNH HƯỚNG NGHỀ NGHIỆP THÔNG QUA CÁC KỸ THUẬT KHAI PHÁ DỮ LIỆU Luận văn thạc sĩ Công Nghệ Thông Tin Đồng Nai – Năm 2015 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC LẠC HỒNG *** NGUYỄN ĐỨC HẬU PHÂN TÍCH ĐỊNH HƯỚNG NGHỀ NGHIỆP THÔNG QUA CÁC KỸ THUẬT KHAI PHÁ DỮ LIỆU Chuyên ngành: Công Nghệ Thông Tin Mã số: 60480201 Luận văn thạc sĩ Công Nghệ Thông Tin NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS TS Trần Văn Hoài Đồng Nai – Năm 2015 LỜI CẢM ƠN Tôi muốn gửi lời cảm ơn đến thầy cô giáo trường Đại học Lạc Hồng – Đồng Nai quan tâm tổ chức đạo trực tiếp giảng dạy khoá cao học Cảm ơn cha (mẹ), thầy cơ, bạn bè, đồng nghiệp người thân gia đình, người dạy bảo ủng hộ suốt q trình học tập Đặc biệt, tơi xin gửi lời cảm ơn sâu sắc đến thầy giáo hướng dẫn PGS.TS Trần văn Hồi, người tận tình bảo góp ý mặt chun mơn cho tơi suốt q trình làm luận văn Nếu khơng có giúp đỡ thầy tơi khó hồn thành luận văn Cũng qua đây, xin gửi lời cảm ơn đến ban lãnh đạo trường Đại Học Đồng Nai, nơi công tác, tạo điều kiện thuận lợi cho thời gian hồn thành mơn học suốt q trình làm luận văn tốt nghiệp Trong suốt trình làm luận văn, thân cố gắng tập trung tìm hiểu, nghiên cứu tham khảo thêm nhiều tài liệu liên quan Tuy nhiên, thân bắt đầu đường nghiên cứu khoa học, chắn luận văn nhiều thiếu sót Tơi mong nhận bảo Thầy Cơ giáo góp ý bạn bè, đồng nghiệp để luận văn hoàn thiện Cuối cùng, xin chúc sức khỏe cha mẹ, vợ (con), thầy (cô) bạn bè, đồng nghiệp ủng hộ, động viên để yên tâm nghiên cứu hoàn thành luận văn Đồng Nai, tháng 11 năm 2015 Nguyễn Đức Hậu LỜI CAM ĐOAN Tôi xin cam đoan đề tài “PHÂN TÍCH ĐỊNH HƯỚNG NGHỀ NGHIỆP THƠNG QUA CÁC KỸ THUẬT KHAI PHÁ DỮ LIỆU” kết tự thân tơi tìm hiểu, nghiên cứu Các tài liệu tham khảo trích dẫn thích đầy đủ Tôi xin chịu trách nhiệm luận văn Tác giả luận văn ký ghi rõ họ tên Nguyễn Đức Hậu TÓM TẮT LUẬN VĂN Sự bùng nổ thông tin thông tin thực thơng tin nhiễu lẫn lộn khiến ta khó tự xác định thơng tin xác trước định vấn đề đặc biệt định cần có trình độ chun mơn, mà thường phải tìm kiếm ý kiến, lời tư vấn chuyên gia Hệ tư vấn đời với mục đích hỗ trợ cho q trình tư vấn tự nhiên mang tính chất xã hội nhằm giúp cho người tư vấn mua hàng, dịch vụ, v.v… mà họ quan tâm mua sách, xem phim, chí tìm chuyên gia tư vấn Tư vấn tuyển sinh đại học/cao đẳng xét khía cạnh dịch vụ quan tâm thí sinh mà phụ huynh học sinh Một lời tư vấn tốt không giúp thí sinh chọn trường, ngành phù hợp với lực mà giúp tìm kiếm nhân tài lĩnh vực để phục vụ cho đất nước sau Trong xây dựng hệ tư vấn có nhiều phương pháp Chọn lọc cộng tác, Chọn lọc dựa nội dung Phương pháp lai Tùy vào liệu có nhu cầu tư vấn mà ta chọn phương pháp phù hợp Trong luận văn này, tác giả tập trung nghiên cứu phương pháp xây dựng hệ tư vấn, đặc biệt hệ tư vấn Chọn lọc cộng tác Trên sở hệ tư vấn thương mại tác giả ứng dụng chuyển sang hệ tư vấn tuyển sinh đại học/cao đẳng phương pháp Chọn lọc cộng tác gom cụm Tác giả thực số thực nghiệm, sử dụng số số đánh MAE, RMSE nhằm đánh giá ảnh hưởng kỹ thuật thuật toán sử dụng hệ tư vấn 62 Như vậy, đầu vào gồm điểm thi môn người cần tư vấn, tập DL Đầu điểm dự đoán khối thi, trường thi, ngành thi cho người cần tư vấn tham khảo Điểm cao khả đậu vào khối thi, trường thi, ngành thi cao 3.2.4 Mơ hình Hình 3.1 Mơ hình tốn (tác giả) Điểm thi môn ứng viên với tập liệu có sẵn đầu vào cho thuật toán CF Sau thực thuật toán, đầu mơ hình danh sách khối/trường/ngành với điểm dự đoán tương ứng Nhận xét: Ứng viên dự thi số mơn có nhu cầu xét tuyển vào số khối/trường/ngành định nên cần thực thuật toán CF số sinh viên có số mơn điểm số mơn thi gần với ứng viên Hướng giải quyết: Thực thuật tốn CF gom cụm Ví dụ: Tư vấn khối cho ứng viên A với mơn thi Tốn, Lý, Hóa, Văn Các bước thực thuật tốn tư vấn sau: [1] Gom sinh viên liệu theo k khối thuật toán k-means (các sinh viên cụm có điểm môn thi gần nhau, nghĩa khoảng cách Euclide sinh viên nhỏ so sinh viên khác cụm) 63 [2] Dựa vào điểm thi ứng viên, tìm cụm phù hợp cho ứng viên Cụm phù hợp với ứng viên cụm có khoảng cách Euclide ứng viên với trọng tâm cụm (centroid) nhỏ [3] Chọn N sinh viên cụm với ứng viên có khoảng cách Euclide so với ứng viên nhỏ nhất, với ứng viên tạo thành tập liệu N+1 sinh viên đầu vào cho thuật toán CF Thuật toán tư vấn gọi Thuật toán CF gom cụm Chi tiết sơ đồ thuật toán CF gom cụm cho toán tư vấn tuyển sinh trình bày phần sau 3.3 Thuật toán CF gom cụm Thuật toán [1] Gom D thành k cụm (k số khối/trường/ngành) thuật toán K-Means [2] for each cụm c (c = k) [3] Tìm cụm cA có d(A, cA) = min{d(A, c)} //d(a,b) khoảng cách Euclide a b [4] end for [5] for each thí sinh TSi cA [6] Tính d(A, TSi) [7] end for [8] Sắp xếp thí sinh TSi cA theo d(A, TSi) giảm dần [9] D’ = [10] for i = N [11] D’ TSi [12] end for [13] D’ A [14] Tính điểm dự đốn cho thuộc tính {pxA}khối/trường/ngành cho A D’ công thức (2.18) [15] return {pxA} 64 Sơ đồ thuật toán Bắt đầu Gom liệu thành k cụm (gom cụm k-means) Tìm cụm phù hợp cho ứng viên Chọn N cụm vừa tìm có độ tương đồng gần với ưng viên Tính điểm dự báo cho ứng viên Kết thúc Hình 3.2 Giải thuật đồ tốn (tác giả) 3.4 Giới thiệu chương trình Trong luận văn này, tiến hành thử nghiệm hướng tư vấn học sinh, sinh viên chọn khối, trường, ngành phù họp thang điểm học tập có khả dự tuyển Hướng tiếp cận tiêu biểu trình bày chương trước: lọc cộng tác gom cụm 3.4.1 Công cụ thực nghiệm [1] Ngôn ngữ sử dụng: Java [2] Công cụ: NetBeans IDE 8.1 3.4.2 Dữ liệu: [1] Nguồn liệu từ trường Đại Học Đồng Nai, Trường PTTH Dân tộc nội trú tỉnh Đồng Nai [5] 65 [2] Dữ liệu gồm bộ, 300 thí sinh, 600 thí sinh, 861 thí sinh Chia theo khối thi, trường thi, ngành thi [6] [3] Danh sách trường, ngành, tổ hợp môn thi [4] Chỉ tiêu ngành, điểm sàn, điểm trúng tuyển [7] 3.4.3 Giao diện Chương trình tư vấn tuyển sinh hệ Đại học/ Cao đẳng theo qui chế tuyển sinh Bộ giáo dục đào tạo [1] Đối tượng tư vấn Nhập thông tin cá nhân Họ tên, Số CMND, địa thường trú, năm tốt nghiệp Thông tin điểm môn học dự tuyển [2] Máy học (máy tính xử lý thơng tin) [3] Xuất thơng tin tư vấn (khối, trường, ngành dự tuyển) [4] Kết luận định đối tượng tư vấn chọn Hình 3.3 Giao diện chương trình tư vấn 66 3.5 Chạy thực nghiệm Học sinh: Nguyễn Thanh Lan với thông tin đưa vào chương trình Hình 3.4 Nhập thơng tin tư vấn 3.5.1 Đánh giá kết chạy thực nghiệm Để đánh giá kết thực nghiệm So sánh sai số bậc hai bình phương trung bình RMSE cơng thức (2.23) Sai số trung bình tuyệt đối (MAE) cơng thức (2.22) Trên tổ hợp sau: Tổ hợp 1: Độ tương đồng: Đồng quan hệ Pearson số dự đóan: tổng điểm đánh giá có trọng số Tổ hợp 2: Độ tương đồng: Đồng quan hệ Pearson số dự đốn: trung bình có trọng số Tổ hợp 3: Độ tương đồng: Cosin số dự đốn: tổng điểm đánh giá có trọng số Tổ hợp 4: Độ tương đồng: Cosin số dự đoán: trung bình có trọng số Thực đựơc chạy liệu sau: Bộ 300 (300 dòng liệu), Bộ 600 (600 dòng liệu), Bộ 861 (861 dòng liệu) 67 3.5.2 Chạy thực nghiệm tư vấn khối, ngành, trường liệu 300 với tổ hợp 3.5.3 Kết Quả Chạy Thực Nghiệm Khối Bảng 3.5 Kết tư vấn Khối B00 Khối A00 Khối A02 Khối A01 Tổ hợp 31.59 28.57 25.76 14.08 0.2850 0.9492 Tổ hợp 24.96 25.02 25.07 24.94 0.3224 0.9949 Tổ hợp 31.77 28.46 25.64 14.1`3 0.2864 0.8793 Tổ hợp 24.96 25.02 25.07 24.94 0.3153 0.9813 MAE RMSE Minh họa biểu đồ sai số trung bình tuyệt đối (MAE), sai số bậc hai bình phương trung bình RNSE với số liệu bảng tư vấn MAE 0.33 0.32 0.31 0.3 0.29 0.28 0.27 0.26 Biểu đồ 3.1 Sai số trung bình tuyệt đối MAE RMSE 0.95 0.9 0.85 0.8 Biểu đồ 3.2 Sai số bậc hai bình phương trung bình RMSE 68 Nhận xét MAE RMSE biến thiên không đồng tổ hợp: tỉ lệ thuận theo tổ hợp 2, 3, 4; tỉ lệ nghịch tổ hợp so với tổ hợp lại Danh sách khối tư vấn tổ hợp nhau, chứng tỏ danh sách kết tư vấn khối khơng phụ thuộc vào cách chọn phương pháp tính độ tương đồng phương pháp tính điểm dự đốn (Gọi tắt cách chọn tổ hợp) Trọng số trúng tuyển khối không tỉ lệ thuận với sai số cách chọn tổ hợp Chẳng hạn, khối B00 có sai số MAE nhỏ 0.2864, trọng số trúng tuyển tương ứng 31.77 (cao nhất) với khối A01 trọng số trúng tuyển 14.13 so với trọng số trúng tuyển cao khối 24.94 3.5.4 KẾT QUẢ CHẠY THỰC NGHIỆM TRƯỜNG Bảng 3.6 Kết tư vấn trường khối B00 Khối B00 MAE RMSE ĐH Lạc Hồng ĐH SPKT Tổ hợp 23.05 14.88 0.2908 0.9364 Tổ hợp 25.04 24.96 0.3521 1.0571 Tổ hợp 23.00 14.91 0.2996 0.9020 Tổ hợp 25.04 24.96 0.3454 1.0350 Bảng 3.7Kết tư vấn trường khối A00 Khối A00 ĐH CNTT ĐH Bách Khoa ĐH Lạc Hồng ĐH SPKT Tổ hợp 31.89 30.18 23.05 14.88 0.2908 0.9364 Tổ hợp 24.96 25.04 25.04 24.96 0.3521 1.0571 Tổ hợp 32.07 30.02 23.00 14.91 0.2996 0.9020 Tổ hợp 24.96 25.04 25.04 24.96 0.3454 1.0350 MAE RMSE Bảng 3.8 Kết tư vấn trường khối A01 Khối A01 ĐH CNTT ĐH Bách Khoa ĐH Lạc Hồng ĐH SPKT Tổ hợp 31.89 30.18 23.05 14.88 0.2908 0.9364 Tổ hợp 24.96 25.04 25.04 24.96 0.3521 1.0571 Tổ hợp 32.07 30.02 23.00 14.91 0.2996 0.9020 Tổ hợp 24.96 25.04 25.04 24.96 0.3454 1.0350 MAE RMSE 69 Minh họa biểu đồ sai số trung bình tuyệt đối (MAE), sai số bậc hai bình phương trung bình RNSE với số liệu bảng tư vấn MAE 0.4 0.35 0.3 0.25 0.2 0.15 0.1 0.05 Biểu đồ 3.3 Sai số trung bình tuyệt đối MAE trường RMSE 1.1 1.05 0.95 0.9 0.85 0.8 Biểu đồ 3.4 Sai số bậc hai bình phương trung bình RMSE theo trường 70 Kết chạy thực nghiệm ngành Bảng 3.9 Kết tư vấn theo ngành Khối A00 ĐH CNTT /CNTT ĐH Bách Khoa /CNTT Tổ hợp 31.59 31.59 Tổ hợp 24.96 Tổ hợp Tổ hợp ĐH Lạc Hồng /CNTT ĐH SPKT /CNTT MAE RMSE 31.59 31.59 0.2908 0.9364 24.96 24.96 24.96 0.3259 0.9958 31.77 31.77 31.77 31.77 0.2728 0.8908 24.96 24.96 24.96 24.96 0.3448 1.0449 Bảng 3.10 Kết tư vấn theo ngành Khối A01 ĐH CNTT /CNTT ĐH Bách Khoa /CNTT ĐH Lạc Hồng /CNTT MAE RMSE Tổ hợp 31.59 31.59 31.59 0.2908 0.9364 Tổ hợp 24.96 24.96 24.96 0.3259 0.9958 Tổ hợp 31.77 31.77 31.77 0.2728 0.8908 Tổ hợp 24.96 24.96 0.3448 1.0449 24.96 Minh họa biểu đồ Sai số trung bình tuyệt đối (MAE), Sai số bậc hai bình phương trung bình RNSE với số liệu bảng tư vấn MAE 0.35 0.3 0.25 0.2 0.15 0.1 0.05 Biểu đồ 3.5 Sai số trung bình tuyệt đối MAE theo ngành 71 RMSE 1.05 0.95 0.9 0.85 0.8 Biểu đồ 3.6 Sai số bậc hai bình phương trung bình RMSE theo ngành Nhận xét: Nhìn chung kết biến thiên số đánh giá MAE RMSE liệu trường ngành tương tự liệu khối Danh sách trường, ngành bảo toàn cách chọn tổ hợp Từ kết thực nghiệm rút kết luận chung cho thuật toán sau: Sai số kết phụ thuộc vào cách chọn phương pháp tính độ tương đồng phương pháp tính điểm dự đốn Tổ hợp phương pháp tính độ tương đồng Cosine tính điểm dự đốn dựa vào tổng điểm đánh giá có trọng số tỏ có ưu có sai số nhỏ Danh sách kết tư vấn khơng phụ thuộc vào cách chọn phương pháp tính độ tương đồng phương pháp tính điểm dự đốn Chênh lệch số dự đoán lớn số dự đoán nhỏ trường hợp sai số nhỏ lớn Sau kết thực nghiệm liệu có kích thước khác 72 Bảng 3.11 kết chạy thực nghiệm với liệu Bộ 300 MAE Bộ 600 RMSE Bộ 861 MAE RMSE MAE RMSE Tổ hợp 0.3035 1.0192 0.3026 0.9832 0.3186 1.0148 Tổ hợp 0.3412 1.0314 0.3420 1.0355 0.3119 0.9576 Tổ hợp 0.2832 0.8739 0.2774 0.8723 0.2920 0.9304 Tổ hợp 0.3378 1.0251 0.3098 0.9646 0.3248 1.0005 Bảng 3.12 Bảng nhận xét đánh giá ba liệu Bộ 300 Bộ 600 Bộ 861 Khối B00 Khối A00 Khối A01 Khối A02 Nhận xét: Danh sách tư vấn khơng phụ thuộc vào kích thước liệu Chênh lệch sai số loại liệu kích thước khác khơng nhiều Sai số khơng tỉ lệ thuận với kích thước liệu Trên nhận xét sơ qua số thực nghiệm Do số liệu chạy thực nghiệm nên dừng lại mức độ nhận xét tham khảo chưa rút kết luận xác chất mối quan hệ 73 CHƯƠNG Kết luận hướng phát triển 4.1 Đánh giá kết đạt 4.1.1 Ưu điểm - Nghiên cứu hệ tư vấn CF đồng thời trình cách tổng quát - Đi sâu vào hệ tư vấn kỹ thuật chọn lọc công tác CF - Đặc biệt kỹ thuật chọn lọc cộng tác gom cụm - Từ toán hệ tư vấn dùng thương mại tác giả linh động ứng dụng vào toán tư vấn tuyển sinh hệ đại học cao đẳng, đồng thời xây dựng chương trình ứng dụng dung để tư vấn cho thí sinh có nhu cầu dự vào điểm thi mơn học 4.1.2 Hạn chế: Dữ liệu chưa đủ để hoàn thiện toán tốt Chưa so sánh thuật toán khác: hệ tư vấn dựa kỹ thuật phân rã ma trận, hệ tư vấn dự nội dung, … Chưa dự báo tỷ lệ chọi vào ngành trường Đối với yêu cầu đề tài: Đạt 4.2 HƯỚNG PHÁT TRIỂN LUẬN VĂN 4.2.1 Tính sai số cho trọng số trúng tuyển tư vấn cho ứng viên Nếu xem việc chọn khối/trường/ngành thí sinh kiện ngẫu nhiên độc lập, ta tìm luật phân phối cho khối/trường/ngành Sau có luật phân phối, tính ước lượng điểm cho điểm dự đốn vừa tính cho ứng viên Đây ước lượng khoảng tin cậy 4.2.2 Dự báo ngành Có thể phát triển dự báo ngành với nhu cầu nhân lực tương lai Sự phát triển ngành phụ thuộc vào nhiều yếu tố điều kiện phát triển kinh tế, số phát triển ngành khác có ảnh hưởng trực tiếp gián tiếp đến ngành cần dự báo, v.v… Để đơn giản dự báo ngành qua số sau theo thời gian, ví dụ với ngành CNTT: 74 Bảng 4.1Bảng hướng xây dựng chương trình Năm Chỉ tiêu Hồ sơ nộp Thực tuyển 2000 1500 1800 1400 2001 1000 800 800 … … … … 2015 2500 1800 ? Các kỹ thuật áp dụng: Lập trình tiến hóa (Evolutionary programming) tìm cơng thức hồi quy Sử dụng mạng Neuron nhân tạo Con số dự báo sở cho trường hoạch định tiêu đào tạo ngành cho tương lai 4.2.1 Dự báo phổ điểm Tương tự dự báo ngành kỹ thuật, cần có liệu phù hợp theo thời gian Chẳng hạn, phổ điểm ngành cần có: tổng điểm trúng tuyển cao nhất, tổng điểm trúng tuyển thấp nhất, tổng điểm trúng tuyển trung bình, điểm tốt nghiệp THPT trung bình năm đó, … 4.2.2 Phát triển thêm chức quản lý Phát triển thêm ứng dụng dùng cho quản lý hồ sơ, gồm: cập nhật hồ sơ nộp vào, hồ sơ lấy ra, dự báo hồ sơ nộp vào, hồ sơ lấy 4.2.3 Đồng hóa liệu trường Đại học Các số tiêu ngành, tình hình hồ sơ nộp phải cập nhật thủ công Nếu điều kiện cho phép, ứng dụng phát triển cập nhật số liệu trường Đại học để cung cấp kịp thời cho người cần tư vấn Tài liệu tham khảo Tiếng Việt [1] BGDĐT, Quy chế tuyển sinh đại học, cao đẳng quy, thơng tư số 03/ 2015/TT-BGDĐT [2] Đỗ Phúc (2006), Giáo trình khai thác liệu, NXB Đại học Quốc gia TP Hồ Chí Minh [3] Đồn Văn Ban, Nguyễn Mậu Hân (2006), Xử lý song song phân tán, NXB Khoa học Kỹ thuật Hà Nội [4] Nguyễn Thanh Thuỷ (2001), Khai phá liệu - Kĩ thuật ứng dụng, Bài giảng trường thu Hệ Mờ ứng dụng, Hà Nội [5] Trường Đại Học Đồng Nai, Dữ liệu tuyển sinh đại học đợt năm 2015 [6] Trường PTTH Dân tộc nội trú tỉnh Đồng Nai, liệu học sinh thi tốt nghiệp năm 2015 [7] http://www.thongtintuyensinh.vn Tài liệu tiếng Anh [8] Agrawal, Heikki Mannila, Ramakrishnan Srikant, Hannu Toivonen, and A Inkeri Verkamo (1996), Advances in Knowledge Discovery and Data Mining, pp 307328, AAAI Press [9] Ansari, A., S Essegaier, and R Kohli Internet recommendations systems Journal of Marketing Research, pages 363-375, 2000 [10] Balabanovic, M and Y Shoham Fab: Content-based, collaborative recommendation Communications of the ACM, 40(3):66-72, 1997 [11] D Goldberg, D Nichols, B M Oki, and D Terry, “Using collaborative filtering to weave an information tapestry,” Communications of ACM, vol 35, no 12, pp 61–70, 1992 [12] Daniar Asanov, Algorithms and Methods in Recommender Systems, Berlin Institute of Technology, 2010 [13] Emmanouil Vozalis, Konstantinos G.Margaritis, Analysis of Recommender Systems’ Algorithms, 2003 [14] Francesco Ricci , Lior Rokach , BrachaShapira,Paul Bkantor ; Recommender Systems Handbook ,Pages 31-75, Springer New York Dordrecht Heidelberg London 2010 [15] H Witten and E Frank (2000), Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations, Morgan Kaufmann Publishers, New York 15 [16] HB.Deng Introduction to Recommendation System, China University of Hongkong seminar, 2006 [17] J Han and M Kamber (2006), Data Mining: Concepts and Techniques, 2nd Edition, Morgan Kaufmann Publishers 13 [18] Jiliang Tang, Jie Tang and Huan Liu (2014), Recommendation in Social Media: Recent Advance and New Frontiers, A KDD’2014 Tutorial, August 24, 2014 [19] Jiliang Tang, Jie Tang and Huan Liu (2014), Recommendation in Social Media: Recent Advance and New Frontiers, A KDD’2014 Tutorial, August 24, 2014 [20] Jiliang Tang, Xia Hu, Huan Liu (2013), Social Recommendation: A Review, Social Netw Analys Mining 3: 1113-1133 [21] K Goldberg, T Roeder, D Gupta, and C Perkins, “Eigentaste: a constant time collaborative 10 [22] P Resnick and H R Varian, “Recommender systems,” Communications of the ACM, vol 40, no 3, pp 56–58, 1997 [23] Basu, C., H Hirsh, and W Cohen Recommendation as classification: Using social and content-based information in recommendation In Recommender Systems Papers from 1998 Workshop Technical Report WS-98-08 AAAI Press, 1998 [24] Popescul, A., L H Ungar, D M Pennock, and S Lawrence Probabilistic Models for Unified Collaborative and Content-Based Recommendation in Sparse-Data Environments In Proc of the 17th Conf on Uncertainty in Artificial Intelligence, Seattle, WA, 2001 [25] R JIN, L SI, AND C ZHAI, “Preference-Based Graphic Models for Collaborative Filtering”, Proc 19th Conf Uncertainty in Artificial Intelligence, 2003 [26] Soboroff, I and C Nicholas Combining content and collaboration in text filtering In 43 IJCAI'99 Workshop: Machine Learning for Information Filtering, 1999 [27] Xiaoyuan Su and Taghi M Khoshgoftaar (2009), A Survey of Collaborative Filtering Techniques, Department of Computer Science and Engineering, Florida Atlantic University, 777 Glades Road, Boca Raton, FL 33431, USA [28] Ansari, A., S Essegaier, and R Kohli Internet recommendations systems Journal of Marketing Research, pages 363-375, 2000 ... TRƯ NG ĐẠI HỌC LẠC H NG *** NGUYỄN ĐỨC HẬU PHÂN TÍCH ĐỊNH HƯ NG NGHỀ NGHIỆP TH NG QUA CÁC KỸ THUẬT KHAI PHÁ DỮ LIỆU Chuyên ng nh: C ng Nghệ Th ng Tin Mã số: 60480201 Luận văn thạc sĩ C ng Nghệ... thị trư ng Trong chế thị trư ng, sức lao đ ng loại h ng hóa, giá trị loại h ng hóa sức lao đ ng tuỳ thuộc vào trình độ, tay nghề, kỹ n ng, khả nhận thức mặt ng ời lao đ ng Chọn cho nghề nghĩa chọn... đ ng nghiệp ng hộ, đ ng viên để tơi n tâm nghiên cứu hồn thành luận văn Đ ng Nai, th ng 11 năm 2015 Nguyễn Đức Hậu LỜI CAM ĐOAN Tôi xin cam đoan đề tài “PHÂN TÍCH ĐỊNH HƯ NG NGHỀ NGHIỆP THƠNG