BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP. HỒ CHÍ MINH
KHOA CÔNG NGHỆ THÔNG TIN


NGUYỄN QUỐC BẢO: 19133002
VÕ HOÀNG KHẢ DIỆU: 19133014

Đề tài:

XÂY DỰNG HỆ THỐNG ĐỀ XUẤT
PHIM ANIME
KHÓA LUẬN TỐT NGHIỆP
NGÀNH KỸ THUẬT DỮ LIỆU
GIÁO VIÊN HƯỚNG DẪN
ThS. Quách Đình Hoàng

KHÓA 2019 – 2023

ĐH SƯ PHẠM KỸ THUẬT TP.HCM

CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM

KHOA CNTT

Độc lập – Tự do – Hạnh Phúc

********

********

PHIẾU NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪN
Họ và tên Sinh viên 1: Nguyễn Quốc Bảo

MSSV: 19133002

Họ và tên Sinh viên 2: Võ Hoàng Khả Diệu

MSSV: 19133014

Ngành: Kỹ thuật dữ liệu
Tên đề tài: XÂY DỰNG HỆ THỐNG ĐỀ XUẤT PHIM ANIME
Họ và tên giáo viên hướng dẫn: ThS.Quách Đình Hoàng
NHẬN XÉT
1. Về nội dung đề tài khối lượng thực hiện:
………………………………………………………………………………………………………
………………………………………………………………………………………………………
………………………………………………………………………………………………………
2. Ưu điểm:
………………………………………………………………………………………………………
………………………………………………………………………………………………………
………………………………………………………………………………………………………
3. Khuyết điểm
………………………………………………………………………………………………………
………………………………………………………………………………………………………
………………………………………………………………………………………………………
4. Điểm:
Tp. Hồ Chí Minh, ngày

tháng

năm 2023

Giáo viên hướng dẫn
(Ký &amp ghi rõ họ tên)

3

PHIẾU NHẬN XÉT CỦA GIÁO VIÊN PHẢN BIỆN
Họ và tên Sinh viên 1: Nguyễn Quốc Bảo

MSSV: 19133002

Họ và tên Sinh viên 2: Võ Hoàng Khả Diệu

MSSV: 19133014

Ngành: Kỹ thuật dữ liệu
Tên đề tài: XÂY DỰNG HỆ THỐNG ĐỀ XUẤT PHIM ANIME
Họ và tên giáo viên phản biện:
NHẬN XÉT
1. Về nội dung đề tài khối lượng thực hiện:
………………………………………………………………………………………………………
………………………………………………………………………………………………………
………………………………………………………………………………………………………
………………………………………………………………………………………………………
2. Ưu điểm:
………………………………………………………………………………………………………
………………………………………………………………………………………………………
………………………………………………………………………………………………………
3. Khuyết điểm
………………………………………………………………………………………………………
………………………………………………………………………………………………………
………………………………………………………………………………………………………
4. Điểm:
Tp. Hồ Chí Minh, ngày

tháng

năm 2023

Giáo viên phản biện
(Ký &amp ghi rõ họ tên)

4

LỜI CAM ĐOAN
Tiểu luận này là công trình nghiên cứu của chúng tôi, được thực hiện dưới sự hướng
dẫn khoa học của thầy Quách Đình Hoàng. Các số liệu, những kết luận nghiên cứu và sản
phẩm được tạo ra bởi chúng tôi được trình bày trong khoá luận này là trung thực.
Chúng tôi xin hoàn toàn chịu trách nhiệm về lời cam đoan này.

Sinh viên thực hiện

Sinh viên thực hiện

(Ký và ghi rõ họ tên)


...

...
m, TV Show, diễn viên và
người dùng có thể xem trailer của từng phim.
3.2. ƯU ĐIỂM
Ưu điểm của hệ thống:
-

Mô hình đạt được độ chính xác tương đối cao.

-

Xử lý giao tiếp giữa một Recommendation engine với website.

-

Có giao diện web để người dùng tương tác tốt

-

Thể hiện các thông tin chi tiết của từng đối tượng thông qua giao diện Web: đạo

diễn, diễn viên, năm sản xuất, lượt đánh giá và trailer.
-

Có chức năng lọc phim theo lượt đánh giá và thể loại phim.

-

Xây dựng hệ thống trên công nghệ API giúp dễ dàng xử dụng với tất cả trang

web xem phim bất kì.

58

3.3. NHƯỢC ĐIỂM
Nhược điểm của hệ thống:
- Dữ liệu quá lớn và xây dựng mô hình phức tạp nên thời gian xử lý chưa đáp ứng
tốc độ cao.
- Chưa có chức năng xem phim trực tiếp trên web do vấn đề về bản quyền.
3.4. HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI
Hướng phát triển của nhóm:
-

Tối ưu hoá hệ thống giúp gợi ý nhanh hơn và chính xác hơn. Gợi ý cho người

dùng chính xác đến các tầng dữ liệu chi tiết hơn ví dụ là quốc gia, giới tính , khu vực và độ
tuổi. Xây dựng gợi ý phim trên mô hình spark streaming để năng cao trải nghiệm và xử lý
của hệ thống.
-

Tối ưu hoá hơn thuật toán Collaborative Filtering trên tập dữ liệu về đánh giá

của người dùng trên thể loại phim
-

Hoàn thiện hệ thống gợi ý phim và đóng gói thành một package, giúp cho các

trang web xem phim có thể nâng cao khả năng tương tác người dùng như: Netflix, Disney,..
-

Xây dựng thêm các API như là: comment, lọc comment, thời lượng xem phim

của mỗi người dùng.

59

TÀI LIỆU THAM KHẢO
[1] Hangartner, Rick, What is the Recommender Industry?, MSearchGroove, December
17, 2007.
[2]

Kevin

Liao,

Nov

17,

2018,

nating

Least

Square

(ALS)

from

https://towardsdatascience.com/prototyping-a-recommender-system-step-by-step-part-2nating-least-square-als-matrix-4a76c58714a1
[3]

Congcong

Wang,

Collaborative

Filtering

Algorithms

from

Systems,

from

https://wangcongcong123.github.io/files/bechelor-thesis/report.pdf
[4]

Tiep

Vu

Huu,

Content-based

Recommendation

https://machinelearningcoban.com/2017/05/17/contentbasedrecommendersys/
[5] Python, Why. Python. Python Releases for Windows 24 (2021).
[6] SPARK, Apache. Apache spark. Retrieved January, 2018, 17.1: 2018.
[7] Node JS, from https://www.tutorialspoint.com/nodejs
[8] Zhaoyang Wang et al 2022 J. Phys.: Conf. Ser. 2219 012047
[9] Hyperparameter Tuning The nating Least-Squares Algorithm for A Recommender
System., Posted on February 27, 2019

60