Hệ thống gợi ý dựa trên mô hình ngôn ngữ lớn: sử dụng bình luận để gợi ý sản phẩm smartphone

Abstract

Trong bối cảnh cạnh tranh ngày càng khốc liệt của ngành thương mại điện tử, cá nhân hóa trải nghiệm khách hàng trở thành yếu tố quyết định để doanh nghiệp duy trì và phát triển lợi thế cạnh tranh. Các hệ thống khuyến nghị truyền thống gặp nhiều hạn chế trong việc xử lý dữ liệu phi cấu trúc như bình luận khách hàng. Với sự phát triển của các mô hình ngôn ngữ lớn, khả năng xử lý ngôn ngữ tự nhiên và trích xuất ngữ nghĩa từ dữ liệu văn bản đã mở ra cơ hội cải tiến hệ khuyến nghị, đặc biệt trong ngữ cảnh ngôn ngữ tiếng Việt. Đề tài tập trung vào việc phát triển một hệ thống gợi ý sản phẩm smartphone dựa trên bình luận người dùng, tận dụng sức mạnh của LLMs để nâng cao độ chính xác và cá nhân hóa trong khuyến nghị. Dữ liệu nghiên cứu là các bình luận về sản phẩm smartphone trên các sàn thương mại điện tử. Nghiên cứu sử dụng hai mô hình là PhoBERT và XLMRoBERTa, để chuyển đổi bình luận thành vector embedding, cho phép biểu diễn ngữ nghĩa trong không gian vector. Hệ thống đo lường độ tương đồng ngữ nghĩa giữa các bình luận thông qua cosine similarity, đồng thời kết hợp với sentiment score để phản ánh cảm xúc người dùng. Kết quả cho thấy việc kết hợp cosine similarity và sentiment score giúp hệ thống đưa ra các gợi ý tương đối phù hợp với thực và cảm nhận của khách hàng. Điều này giúp nâng cao trải nghiệm người dùng và tăng cường tính cá nhân hóa trong khuyến nghị. Hướng nghiên cứu tiếp theo bao gồm xây dựng hệ thống tự động cập nhật bình uận từ sàn thương mại điện tử và mạng xã hội, xử lý bình luận phức tạp bằng knowledge graph và lọc cộng tác và mở rộng ứng dụng sang các ngành hàng có độ trung thành thấp như nước hoa và đồ gia dụng.