TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH
KHOA ĐÀO TẠO CHẤT LƯỢNG CAO

ĐỒ ÁN TỐT NGHIỆP

TÌM HIỂU HỆ THỐNG GỢI Ý XÃ HỘI
(Social Recommender Systems)

SVTH :

Khoá :

PHẠM CÔNG HẬU

14110287

TRẦN NGÔ BẢO

14110378

2014

Ngành : CÔNG NGHỆ THÔNG TIN
GVHD: Th.S QUÁCH ĐÌNH HOÀNG

Tp. Hồ Chí Minh, ngày 15 tháng 06 năm 2018

1

Khoa ĐT CLC – ĐH SPKT

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM
Độc lập – Tự do – Hạnh phúc
***

Tp. Hồ Chí Minh, ngày 15 tháng
06 năm 2018

NHIỆM VỤ ĐỒ ÁN TỐT NGHIỆP
Họ và tên sinh viên: Trần Ngô Bảo
Phạm Công Hậu

MSSV: 14110378
14110387

Ngành: Công nghệ thông tin
Giảng viên hướng dẫn: Quách Đình Hoàng
Ngày nhận đề tài: 20/2/2018

Lớp: 14110CL2
ĐT: 01678568929
Ngày nộp đề tài: 20/06/2018

1. Tên đề tài: Tìm hiểu hệ thống gợi ý xã hội (Social Recommender Systems)
2. Các số liệu, tài liệu ban đầu:
A-Social Formalism-and-Survey-for
Recommender Systems-SIGKDD
Explorations

A-survey-of-collaborative-filtering-based-social
recommender-systems-Yang 2014

Recommender-Systems-Handbook-2ndSocial-Recommendation-A-Review
Edition-Chapter-15-Social-RecommenderSystems-2015
3. Nội dung thực hiện đề tài: Tìm hiểu về hệ
thống gợi ý xã hội và thực nghiệm một số
phương pháp.
4. Sản phẩm: Bải báo cáo về hệ thống gợi ý
xã hội và các kết quả thực nghiệm.
TRƯỞNG NGÀNH

GIẢNG VIÊN HƯỚNG DẪN

i

Khoa ĐT CLC – ĐH SPKT

CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM
Độc lập – Tự do – Hạnh Phúc

*******
PHIẾU NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪN
Họ và tên sinh viên: Trần Ngô Bảo
Phạm Công Hậu

MSSV: 14110378
14110387

Ngành: Công nghệ thông tin
Tên đề tài: Tìm hiểu hệ thống gợi ý xã hội (Social Recommender Systems)
Họ và tên Giáo viên hướng dẫn: Quách Đình Hoàng
NHẬN XÉT
1.
Về nội dung đề tài &amp khối lượng thực hiện:
............................................................................................................................................
............................................................................................................................................
............................................................................................................................................
............................................................................................................................................
............................................................................................................................................
2.
Ưu điểm:

...

...
. Deviation-based contextual SLIM
recommenders. In Proceedings of the 23rd ACM Conference on Information
and Knowledge Management, pages 271–280, 2014.
[7] Lu¨, L., Medo, M., Yeung, C.H., Zhang, Y.C., Zhang, Z.K., Zhou, T.:
Recommender systems. Physics Reports (2012).
[8] Massa, P., Avesani, P.: Trust-aware recommender systems. In Proceedings of the
2007 ACM conference on Recommender systems, pages 17–24. ACM (2007).
[9] Ma, H., Zhou, T.C., Lyu, M.R., King, I.: Improving recommender systems by
incorporating social contextual information. In ACM Transactions on
Information Systems(TOIS), volume 29 Issue 2, April (2011).
[10] Vasuki, V., Natarajan, N., Lu, Z., Dhillon, I.S.: Affiliation recommendation
using auxiliary networks. In Proceedings of the fourth ACM conference on
Recommender systems, pages 103–110. ACM (2010).
[11] Victor, P., Cornelis, C., De Cock, M., Teredesai, A.M.: A comparative analysis
of trustenhanced recommenders for controversial items. In Proceedings of the
International AAI Conference on Weblogs and Social Media, pages 342–345
(2009).
69

Khoa ĐT CLC – ĐH SPKT TP.HCM

[12] H. Ma, H. Yang, M. R. Lyu, and I. King. SoRec: Social recommendation using
probabilistic matrix factorization. In Proceedings of the 17th ACM conference
on Information and knowledge management, pages 931–940, New York, NY,
USA, 2008. ACM.
[13] R. Salakhutdinov and A. Mnih. Probabilistic matrix factorization. In Advances
in Neural Information Processing Systems, volume 20, 2008.
[14] Z. Xia, Y. Dong, and G. Xing. Support vector machines for collaborative
filtering. In ACM-SE 44 Proceedings of the 44th annual Southeast regional
conference, pages 169-174, 2006.
[15] C.-N. Ziegler and G. Lausen. Propagation models for trust and distrust in social
networks. In Information Systems Frontiers Volume 7 Issue 4-5, pages 337 –
358, December 2005.
[16] https://github.com/Coder-Yu/RecQ
[17] Jiliang Tang, Xia Hu, Huan Liu. Social Recommendation: A Review.
In Social Network Analysis and Mining, December 2013.
[18] Hao Ma, Irwin King, Michael R. Lyu. Learning to recommend with social
trust ensemble. In Proceedings of the 32nd international ACM SIGIR
conference on Research and development in information retrieval, pages 203210, Boston, MA, USA — July 19 - 23, 2009.
[19] R. Zheng, F. Provost, and A. Ghose. Social network col-laborative filtering:
Preliminary results. In Proceedingsof the Sixth Workshop on eBusiness
WEB2007, 2007.

70

Khoa ĐT CLC – ĐH SPKT TP.HCM