Đồ án tốt nghiệp - Xây dựng hệ thống đề xuất tai nghe sử dụng mô hình kết hợp SVD, Content-based FVX

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP. HCM
KHOA KINH TẾ - HỆ ĐÀO TẠO CHẤT LƯỢNG CAO

KHÓA LUẬN TỐT NGHIỆP

ĐỀ TÀI KHÓA LUẬN

XÂY DỰNG HỆ THỐNG ĐỀ XUẤT TAI NGHE
SỬ DỤNG MÔ HÌNH KẾT HỢP SVD, CONTENTBASED FILTERING VÀ XGBOOST

Sinh viên thực hiện : Trần Huy Hòa
GVHD

: TS. Nguyễn Phan Anh Huy

MSSV

: 21126267

Khóa

: K21

TP. Hồ Chí Minh, ngày 25 tháng 12 năm 2025

Mục Lục
DANH MỤC VIẾT TẮT .............................................................................................................. i
DANH MỤC HÌNH ẢNH ......................................................................................................... iii
DANH MỤC BẢNG ................................................................................................................... iv
TÓM TẮT .................................................................................................................................... 1
CHƯƠNG 1: TỔNG QUAN VỀ ĐỀ TÀI.................................................................................. 3
1.1

Lý do chọn đề tài........................................................................................................... 3

1.2

Mục tiêu nghiên cứu ..................................................................................................... 5

1.2.1

Mục tiêu chung ...................................................................................................... 5

1.2.2

Mục tiêu cụ thể ...................................................................................................... 5

1.3

Câu hỏi nghiên cứu ....................................................................................................... 6

1.4

Đối tượng và phạm vi nghiên cứu ............................................................................... 6

1.4.1

Đối tượng nghiên cứu............................................................................................ 6

1.4.2

Phạm vi nghiên cứu ............................................................................................... 7

1.5

Phương pháp nghiên cứu ............................................................................................. 7

1.6

Ý nghĩa khoa học và thực tiễn ..................................................................................... 9

1.7

Kết cấu khóa luận ....................................................................................................... 10

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN NGHIÊN CỨU .....
...

...
gs of the 26th International Conference on World Wide Web, 173–182.
Herlocker, J. L., Konstan, J. A., Terveen, L. G., &amp Riedl, J. T. (2004). Evaluating
collaborative filtering recommender systems. ACM Transactions on Information Systems,
22(1), 5–53.
Kennedy, J., &amp Eberhart, R. (1995). Particle swarm optimization. Proceedings of
ICNN’95 - International Conference on Neural Networks, 4, 1942–1948.

63

Koren, Y., Bell, R., &amp Volinsky, C. (2009). Matrix factorization techniques for
recommender systems. Computer, 42(8), 30–37.
Lee, D. D., &amp Seung, H. S. (2001). Algorithms for non-negative matrix factorization. In
Advances in Neural Information Processing Systems (pp. 556–562).
Li, S., Zhang, Y., &amp Wang, X. (2018). Gradient boosting for recommendation systems.
Lops, P., Gemmis, M., &amp Semeraro, G. (2011). Content-based recommender systems:
State of the art and trends. In F. Ricci, L. Rokach, &amp B. Shapira (Eds.), Recommender Systems
Handbook (pp. 73–105). Springer.
Melville, P., Mooney, R. J., &amp Nagarajan, R. (2002). Content-boosted collaborative
filtering for improved recommendations. Proceedings of the AAAI Conference on Artificial
Intelligence, 187–192.
Pazzani, M. J., &amp Billsus, D. (2007). Content-based recommendation systems. In P.
Brusilovsky, A. Kobsa, &amp W. Nejdl (Eds.), The Adaptive Web (pp. 325–341). Springer.
Rendle, S. (2010). Factorization machines. 2010 IEEE International Conference on
Data Mining, 995–1000. https://doi.org/10.1109/ICDM.2010.127
Ricci, F., Rokach, L., &amp Shapira, B. (2015). Recommender systems handbook (2nd ed.).
Springer.
Sarwar, B., Karypis, G., Konstan, J., &amp Riedl, J. (2001). Item-based collaborative
filtering recommendation algorithms. Proceedings of the 10th International Conference on
World Wide Web, 285–295.
Schafer, J. B., Frankowski, D., Herlocker, J., &amp Sen, S. (2007). Collaborative filtering
recommender systems. In P. Brusilovsky, A. Kobsa, &amp W. Nejdl (Eds.), The Adaptive Web (pp.
291–324). Springer.
Su, X., &amp Khoshgoftaar, T. M. (2009). A survey of collaborative filtering techniques.
Advances in Artificial Intelligence, Article ID 421425. https://doi.org/10.1155/2009/421425

64

Wang, X., He, X., Nie, L., &amp Chua, T. S. (2017). A kết hợp recommendation approach
for personalized retrieval. ACM Transactions on Information Systems, 35(4), 1–22.
Zhang, S., Yao, L., Sun, A., &amp Tay, Y. (2019). Deep learning based recommender
system: A survey and new perspectives. ACM Computing Surveys, 52(1), 1–38.

65