Chương 3: RECOMMENDER PLATFORM FOR ECOMMERCE
3.4 THIẾT KẾ VÀ CÀI ĐẶT
3.4.4 Kết quả ứng dụng
3.4.4.2 Một số thiết kế chức năng chọn lọc
3.4.4.2.1 Đăng ký tài khoản
Xây dựng “Recommender Platform for eCommerce” Trang 34 1 Input, type=‘text’ Null Họ tên Không được rỗng 2 Input, type=‘text’ Null Tên công ty Không được rỗng 3 Input, type=‘text’ Null Địa chỉ Không được rỗng 4 Input, type=‘text’ Null Thành phố Không được rỗng 5 Input, type=‘phone’ Null Điện thoại Không được rỗng 6 Input, type=‘text’ Null Số fax Không được rỗng 7 Input, type=‘url Null Website Không được rỗng 8 Input, type=‘email’ Null Email Không được rỗng 9 Input, type=‘password Null Mật khẩu Không được rỗng
Cách xử lý:
Bắt đầu
Nhập thông tin đăng ký
Kiểm tra thông tin đăng ký
Lưu thông tin đăng ký vào database Báo lỗi Sai
Gởi mã kích hoạt đến Email người dùng
Kết thúc
Hình 3-7: Lưu đồ chức năng đăng ký tài khoản Bước 2: Kích hoạt tài khoản
Sau khi đăng ký tài khoản thành công, hệ thống sẽ gởi mã kích hoạt đến địa chỉ email của người dùng. Tài khoản của người dùng cần phải được kích hoạt để có thể đăng nhập và sử dụng các chức năng của hệ thống.
Xây dựng “Recommender Platform for eCommerce” Trang 35 Hình 3-8: Email đăng ký tài khoản thành công
Hình 3-9: Email kích hoạt tài khoản thành công Cách xử lý:
Xây dựng “Recommender Platform for eCommerce” Trang 36
Bắt đầu
Nhận thông tin kích hoạt
Kiểm tra thông tin kích hoạt Báo lỗi 404 Sai
Lưu thông tin vào database
Gởi thông báo đến Emal người dùng
Kết thúc
Hình 3-10: Lưu đồ chức năng kích hoạt tài khoản
Giao diện quản lý cơ sở dữ liệu sơ lược:
Thêm cơ sở dữ liệu mới
Hình 3-11: Thêm cơ sở dữ liệu mới
Các thành phần trong giao diện:
STT Loại điều khiển Giá trị
mặc định Nội dung Ghi chú 3.4.4.2.2 Quản lý cơ sở dữ liệu
Mục đích: Quản lý các dữ liệu phục vụ cho hệ thống gợi ý.
Xây dựng “Recommender Platform for eCommerce” Trang 37 1 Input, type=‘text’ Null Tên cơ sở dữ liệu Không được rỗng 2 Input, type=‘text’ Null Mô tả
Cách xử lý:
Bắt đầu
Nhập thông tin CSDL
Kiểm tra
Lưu thông tin vào database
Kết thúc Báo lỗi Sai
Hình 3-12: Lưu đồ chức năng thêm cơ sở dữ liệu
Cập nhật thông tin cơ sở dữ liệu
Hình 3-13: Cập nhật thông tin cơ sở dữ liệu Cách xử lý:
Xây dựng “Recommender Platform for eCommerce” Trang 38
Chọn CSDL
Kiểm tra dữ liệu
Lưu thông tin vào database
Kết thúc Báo lỗi Sai
Bắt đầu
Hiển thị danh sách CSDL
Hình 3-14: Lưu đồ chức năng cập nhật thông tin cơ sở dữ liệu
Xoá cơ sở dữ liệu
Hình 3-15: Xoá cơ sở dữ liệu Cách xử lý:
Xây dựng “Recommender Platform for eCommerce” Trang 39
Chọn CSDL
Xác nhận xoá
Xoá thông tin trong database
Kết thúc Sai
Bắt đầu
Hiển thị danh sách CSDL
Hình 3-16: Lưu đồ chức năng xoá cơ sở dữ liệu
Giao diện quản lý danh mục sản phẩm sơ lược:
Thêm danh mục sản phẩm
Hình 3-17: Thêm danh mục sản phẩm
Các thành phần trong giao diện:
STT Loại điều khiển Giá trị
mặc định Nội dung Ghi chú 3.4.4.2.3 Quản lý danh mục sản phẩm
Mục đích: Quản lý các danh mục sản phẩm.
Xây dựng “Recommender Platform for eCommerce” Trang 40 1 Input, type=‘number’ Null Mã danh mục Không được rỗng 2 Input, type=‘text’ Null Tên danh mục Không được rỗng
Cách xử lý:
Bắt đầu
Nhập thông tin danh mục
Kiểm tra
Lưu thông tin vào database
Kết thúc Báo lỗi Sai
Hình 3-18: Lưu đồ chức năng thêm danh mục sản phẩm
Import danh mục sản phẩm từ file CSV
Hình 3-19: Import danh mục sản phẩm từ file CSV
Các thành phần trong giao diện:
STT Loại điều khiển Giá trị
mặc định Nội dung Ghi chú
Xây dựng “Recommender Platform for eCommerce” Trang 41 1 Input, type=‘file Null Chọn tập tin
Thông tin bao gồm: mã danh mục, tên danh mục.
Vd: (001, Danh mục 001)
Cách xử lý:
Bắt đầu
Nhập thông tin
Kiểm tra
Lưu thông tin vào database
Kết thúc Báo lỗi Sai
Hình 3-20: Lưu đồ chức năng import danh mục sản phẩm
dễ dàng với các tham số bao gồm: file, databases_id, email, password.
Giao diện cập nhật thông tin sản phẩm sơ lược:
Hình 3-21: Cập nhật thông tin sản phẩm Cách xử lý:
3.4.4.2.4 Cập nhật thông tin sản phẩm
Mục đích: Hệ thống hỗ trợ cơ chế giúp người dùng cập nhật thông tin sản phẩm
Xây dựng “Recommender Platform for eCommerce” Trang 42
Bắt đầu
Nhận các tham số
Kiểm tra dữ liệu Báo lỗi 404 Sai
Lưu thông tin vào database
Kết thúc
Hình 3-22: Lưu đồ chức năng cập thật thông tin sản phẩm
Giao diện cập nhật thông tin sản phẩm sơ lược:
Bước 1: Tạo giải thuật 3.4.4.2.5 Quản lý giải thuật
Mục đích: Tạo các giải thuật gợi ý để nhúng vào website người dùng.
Xây dựng “Recommender Platform for eCommerce” Trang 43 Hình 3-23: Tạo giải thuật
Các thành phần trong giao diện:
STT Loại điều khiển Giá trị
mặc định Nội dung Ghi chú 1 Input, type=‘text’ Null Tên giải thuật Không được rỗng
2 Textarea Null Mô tả
3 Input, type=‘url’ Null Website Không được rỗng
4 Select Null Cơ sở dữ liệu Giá trị được truy
xuất từ CSDL 5 Input, type=‘number’ 10 Số lượng gợi ý Không được rỗng
6 Slider 80% Tỷ lệ
Xây dựng “Recommender Platform for eCommerce” Trang 44 7 Radio
Pearson Correlation Similarity
Chỉ số tương tự Không được rỗng 8 Radio HTML Kiểu dữ liệu trả về Không được rỗng
Cách xử lý:
Bắt đầu
Nhập thông tin giải thuật
Kiểm tra
Lưu thông tin vào database
Kết thúc Báo lỗi Sai
Hình 3-24: Lưu đồ chức năng tạo giải thuật Bước 2: Cài đặt giải thuật
Hệ thống hỗ trợ việc cài đặt giải thuật lên website người dùng một cách dễ dàng và linh hoạt nhất có thể.
Xây dựng “Recommender Platform for eCommerce” Trang 45 Hình 3-25: Cài đặt giải thuật
Tuỳ chỉnh giao diện: người dùng có thể tuỳ chỉnh để phù hợp với giao diện website một cách linh hoạt nhất.
Cú pháp Mô tả
<RecommendLoopItem>…
</RecommendLoopItem>
Tag cho phép hiển thị danh sách gợi ý bằng cách lặp lại cấu trúc bên trong.
{itemID} Mã sản phẩm
Xây dựng “Recommender Platform for eCommerce” Trang 46
{image} Hình ảnh sản phẩm
{name} Tên sản phẩm
{category} Danh mục sản phẩm
{description} Mô tả sản phẩm
{price} Giá sản phẩm
{rating} Đánh giá sản phẩm
{isnew} Trả về “isnew” nếu là sản phẩm mới,
ngược lại trả về “”.
Vd:<span class=“{isnew}”></span>
=> <span class=“isnew”></span>
{views} Lượt xem sản phẩm
{actionID} Mã hành động
Tuỳ chỉnh cấu trúc html trả về:
Hình 3-26: Tuỳ chỉnh giao diện
Hệ thống cung cấp các giải thuật gợi ý dựa trên lọc cộng tác với năm chỉ số tính độ tương tự khác nhau do Mahout cung cấp sẵn, bao gồm:
Pearson Correlation Similarity
Uncentered Cosine Similarity
Euclidean Distance Similarity
Tanimoto Coefficient Similarity
Log Likelihood Similarity
Tuỳ theo nhu cầu xây dựng hệ thống gợi ý và đặc điểm cụ thể của từng website thương mại điện tử mà người dùng lựa chọn một giải thuật tính độ tượng tự phù hợp.
Xây dựng “Recommender Platform for eCommerce” Trang 47 Hình 3-27: Cài đặt giải thuật lên website người dùng
Cách xử lý:
Xây dựng “Recommender Platform for eCommerce” Trang 48
Bắt đầu
Nhận thông tin giải thuật gồm:
ID, actionID, quantity, userID
Chứng thực Báo lỗi 404 Sai
Kết thúc
Truy vấn thông tin cấu hình giải thuật từ cơ sở dữ liệu
Truy vấn dữ liệu gợi ý từ cơ sở dữ liệu
Trả kết quả về website người dùng theo kiểu dữ liệu đã cấu
hình
Hình 3-28: Lưu đồ xử lý dữ liệu từ website người dùng
Xây dựng “Recommender Platform for eCommerce” Trang 49 hệ thống, các phương pháp thực hiện gợi ý, một số ứng dụng, khó khăn và thách thức của hệ gợi ý.
Trình bày các vấn đề về phương pháp lọc cộng tác, xây dựng hệ thống gợi ý dựa trên phương pháp lọc cộng tác. Trình bày các giải pháp nhằm khắc phục các vấn đề thường gặp của phương pháp lọc cộng tác trong lĩnh vực thương mại điện tử.
Được rèn luyện thêm về kỹ năng phân tích và thiết thiết hệ thống thông tin.
Nghiên cứu và ứng dụng thành công các công nghệ như: Spring IO, Mahout, Angular JS, MongoDB, … để xây dựng platform.
web thương mại điện tử khác nhau để đánh giá độ chính xác và hiệu quả của hệ thống.
Tiếp tục nghiên cứu các phương pháp khác nhau để xây dựng hệ gợi ý hiệu quả, mang lại độ chính xác cao.
Xây dựng các công cụ Marketing hỗ trợ nhà cung cấp, làm cơ sở cho những chiến lược kinh doanh, phát huy những lợi ích mà hệ thống gợi ý mang lại.
TỔNG KẾT
KẾT QUẢ ĐẠT ĐƯỢC
Về mặt lý thuyết
Hiểu và trình bày một cách khái quát về hệ thống gợi ý, quy trình xây dựng
Về mặt chương trình
Chương trình hoàn thành và đáp ứng được chức năng cơ bản đề ra.
Hệ thống hoạt động tốt trên tập dữ liệu thử nghiệm MovieLens.
Tốc độ truy cập của trang web là chấp nhận được.
HƯỚNG PHÁT TRIỂN
Tiến hành thử nghiệm hệ thống với nhiều người dùng trên nhiều loại trang
Xây dựng “Recommender Platform for eCommerce” Trang 50 Phụ lục
GIỚI THIỆU CHƯƠNG TRÌNH
PL1: GIAO DIỆN TRANG CHỦ
PL2: GIAO DIỆN ĐĂNG NHẬP
Xây dựng “Recommender Platform for eCommerce” Trang 51 PL3: GIAO DIỆN THÔNG TIN CÁ NHÂN
PL4: GIAO DIỆN DASHBOARD
Xây dựng “Recommender Platform for eCommerce” Trang 52 PL5: GIAO DIỆN QUẢN LÝ CƠ SỞ DỮ LIỆU
PL6: GIAO DIỆN QUẢN LÝ DANH MỤC SẢN PHẨM
Xây dựng “Recommender Platform for eCommerce” Trang 53 PL7: GIAO DIỆN QUẢN LÝ SẢN PHẨM
PL8: GIAO DIỆN QUẢN LÝ GIAO DỊCH
Xây dựng “Recommender Platform for eCommerce” Trang 54 Thêm tài khoản người dùng
PL9: GIAO DIỆN QUẢN LÝ TÀI KHOẢN
Xây dựng “Recommender Platform for eCommerce” Trang 55 GIAO DIỆN QUẢN LÝ GIẢI THUẬT
PL10:
Xây dựng “Recommender Platform for eCommerce” Trang 56 GIAO DIỆN QUẢN LÝ TÀI NGUYÊN HỆ THỐNG
PL11:
Xây dựng “Recommender Platform for eCommerce” Trang 57 [1] G. Adomavicius, and Alexander Tuzhilin, Toward the next generation of recommender systems: a survey of the state-of-the-art and possible extensions, Knowledge and Data Engineering, IEEE Transactions, 2005.
[2] Huỳnh Xuân Hiệp, Nguyễn Thái Nghe, Trần Nguyễn Minh Thư, Mô hình hoá quyết định, nhà xuất bản Đại học Cần Thơ, 2014.
[3] Sean Owen, Robin Anil, Ted Dunning, Ellen Friedman, Mahout in Action, 2011.
[4] http://mahout.apache.org
[5] http://archive-primary.cloudera.com/cdh4/cdh/4/mahout-0.7-cdh4.1.5/mahout- core/org/apache/mahout/cf/taste/
[6] https://angularjs.org
[7] http://grouplens.org/datasets/movielens [8] http://getbootstrap.com
[9] https://spring.io