Phương pháp biểu diễn cây cho dự đoán giới tính khách hàng dựa trên dữ liệu thương mại điện tử
Tóm tắtt: Các đặc điểm cá nhân của khách hàng
nhƣ giới tính, độ tuổi, v.v. cung cấp các thông tin
quan trọng cho các nhà cung cấp dịch vụ thƣơng mại
điện tử (TMĐT) trong các hoạt động quảng cáo và cá
nhân hóa hệ thống. Tuy nhiên, khách hàng trực tuyến
thƣờng hạn chế cung cấp thông tin do vấn đề riêng tƣ.
Bài báo này đề xuất một phƣơng pháp dự đoán giới
tính của khách hàng dựa trên dữ liệu lịch sử truy cập
hệ thống TMĐT. Chúng tôi sử dụng phƣơng pháp học
máy trên một tập các đặc trƣng đƣợc trích xuất từ
thông tin xem sản phẩm của ngƣời dùng để dự đoán
giới tính của họ. Các thực nghiệm đƣợc thực hiện trên
tập dữ liệu đƣợc cung cấp trong khuôn khổ cuộc thi
về khai phá dữ liệu trong Hội nghị PAKDD’15. Kết
quả có độ chính xác 81.9% trên độ đo chính xác cân
bằng và 82.3% trên độ đo macro F1 cho thấy thuật
toán học máy và các đặc trƣng đƣợc đề xuất đã mang
lại hiệu quả tốt trong nhận diện giới tính của khách
hàng.
Trang 1
Trang 2
Trang 3
Trang 4
Trang 5
Trang 6
Trang 7
Tóm tắt nội dung tài liệu: Phương pháp biểu diễn cây cho dự đoán giới tính khách hàng dựa trên dữ liệu thương mại điện tử
Dương Trần Đức Tác giả liên hệ: Dƣơng Trần Đức, Email: duongtranduc@gmail.com Đến tòa soạn: 2/2018 , chỉnh sửa: 4/2018 , chấp nhận đăng: 5/ 2018 PHƢƠNG PHÁP BIỂU DIỄN CÂY CHO DỰ ĐOÁN GIỚI TÍNH KHÁCH HÀNG DỰA TRÊN DỮ LIỆU THƢƠNG MẠI ĐIỆN TỬ Dƣơng Trần Đức Học viện Công nghệ Bưu chính Viễn thông Tóm tắtt: Các đặc điểm cá nhân của khách hàng nhƣ giới tính, độ tuổi, v.v. cung cấp các thông tin quan trọng cho các nhà cung cấp dịch vụ thƣơng mại điện tử (TMĐT) trong các hoạt động quảng cáo và cá nhân hóa hệ thống. Tuy nhiên, khách hàng trực tuyến thƣờng hạn chế cung cấp thông tin do vấn đề riêng tƣ. Bài báo này đề xuất một phƣơng pháp dự đoán giới tính của khách hàng dựa trên dữ liệu lịch sử truy cập hệ thống TMĐT. Chúng tôi sử dụng phƣơng pháp học máy trên một tập các đặc trƣng đƣợc trích xuất từ thông tin xem sản phẩm của ngƣời dùng để dự đoán giới tính của họ. Các thực nghiệm đƣợc thực hiện trên tập dữ liệu đƣợc cung cấp trong khuôn khổ cuộc thi về khai phá dữ liệu trong Hội nghị PAKDD’15. Kết quả có độ chính xác 81.9% trên độ đo chính xác cân bằng và 82.3% trên độ đo macro F1 cho thấy thuật toán học máy và các đặc trƣng đƣợc đề xuất đã mang lại hiệu quả tốt trong nhận diện giới tính của khách hàng. Từ khóa: học máy, dữ liệu lớn, dự đoán giới tính. I. MỞ ĐẦU Ngày nay, rất nhiều các ứng dụng web nhƣ các hệ thống thƣơng mại điện tử (TMĐT), các máy tìm kiếm, các hệ thống quảng cáo trực tuyến, sử dụng các đặc điểm cá nhân hóa để làm gia tăng sự trải nghiệm của ngƣời dùng và thúc đẩy hoạt động kinh doanh, bán hàng. Với một dịch vụ đƣợc cá nhân hóa tốt, thông tin hiển thị sẽ đƣợc tối ƣu hóa cho mỗi ngƣời dùng cá nhân thay vì giống nhau cho toàn bộ ngƣời dùng. Chẳng hạn, một hệ thống TMĐT có thể hiển thị các thông tin khuyến mãi hoặc giới thiệu sản phẩm có liên quan đến từng khách hàng thay vì hiển thị quảng cáo chung hoặc giới thiệu các sản phẩm ngẫu nhiên. Việc cá nhân hóa thông tin hiển thị dựa trên 2 loại dữ liệu chính: dữ liệu lịch sử (chẳng hạn các mặt hàng trƣớc đó đã xem hoặc đã mua v.v.) và đặc điểm cá nhân của ngƣời dùng (chẳng hạn giới tính, độ tuổi, trình độ giáo dục .v.v). Dữ liệu lịch sử chỉ có thể thu thập đƣợc nếu ngƣời dùng đã sử dụng hệ thống trƣớc đó và đã đăng nhập vào hệ thống. Do đó, các phƣơng pháp cá nhân hóa dựa trên dữ liệu lịch sử không khả thi trong trƣờng hợp khách hàng truy cập lần đầu hoặc khách hàng chƣa đăng ký sử dụng hệ thống. Ngƣợc lại, phƣơng pháp cá nhân hóa dựa trên đặc điểm cá nhân của ngƣời dùng hữu ích kể cả khi ngƣời dùng chƣa từng sử dụng hệ thống. Tuy nhiên, các thông tin về đặc điểm cá nhân của ngƣời dùng thƣờng khó thu thập đƣợc, do ngƣời dùng Internet thƣờng không sẵn sàng cung cấp các thông tin cá nhân có tính riêng tƣ. Vì lý do này, trong nhiều trƣờng hợp, cách duy nhất để có đƣợc thông tin đặc điểm cá nhân của ngƣời dùng là dự đoán dựa trên các dữ liệu khác mà ngƣời dùng để lại trên hệ thống. Vấn đề dự đoán đặc điểm ngƣời dùng dựa trên phân tích văn bản (còn gọi dự đoán đặc điểm tác giả văn bản - author profiling) đã đƣợc nghiên cứu trong nhiều thập kỷ, tuy nhiên, trong nhiều trƣờng hợp, ngƣời dùng không để lại các văn bản trên hệ thống. Một phƣơng pháp khác có thể đƣợc sử dụng để dự đoán đặc điểm ngƣời dùng là dựa vào hành vi của họ trên hệ thống, chẳng hạn các hành vi duyệt web ([6], [13]), phân tích lƣu lƣợng web ([3]), hoặc hành vi xem danh mục sản phẩm. Ƣu điểm chính của phƣơng pháp tiếp cận này là trong hầu hết các trƣờng hợp, ngƣời dùng sẽ thực hành các hành vi trên hệ thống nhƣ truy cập vào các trang web, nhấp chuột vào các mặt hàng/mục tin, xem danh mục sản phẩm v.v. Trong nghiên cứu này, chúng tôi giải quyết vấn đề dự đoán giới tính ngƣời dùng dựa trên dữ liệu xem danh mục sản phẩm nhƣ thời gian/thời lƣợng xem, danh sách các sản phẩm/loại sản phẩm đã xem v.v. Tập dữ liệu thực nghiệm đƣợc cung cấp bởi Tập đoàn FPT trong cuộc thi về khai phá dữ liệu trong khuôn khổ Hội nghị Quốc tế về Khai phá dữ liệu và Phát hiện tri thức khu vực Châu Á Thái Bình Dƣơng năm 2015 (PAKDD’15). Ý tƣởng của phƣơng pháp là khai thác tối đa mối quan hệ giữa các sản phẩm/loại sản phẩm đƣợc xem trong cùng 1 lƣợt xem dựa trên 1 biểu diễn dạng cây của danh sách sản phẩm/loại sản phâm. Theo đó, bên cạnh các đặc trƣng cơ bản nhƣ thời gian, tần suất xem, danh sách các sản phẩm/loại sản phẩm riêng rẽ, chúng tôi nghiên cứu đề xuất sử dụng các đặc trƣng nhƣ chuỗi các sản phẩm/loại sản phẩm đƣợc xem liên tiếp, các cặp chuyển tiếp sản phẩm/loại sản SỐ 01 & 02 (CS.01) 2018 TẠP CHÍ KHOA HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG 17 PHƢƠNG PHÁP BIỂU DIỄN CÂY CHO DỰ ĐOÁN GIỚI TÍNH KHÁCH HÀNG DỰA TRÊN DỮ LIỆU TMĐT phẩm khác nhau trong cùng 1 lƣợt xem v.v. (gọi chung là các đặc trƣng nâng cao). Với cấu trúc phân cấp nhiều cấp độ của danh mục sản phẩm/loại sản phẩm, chúng tôi sử dụng một phƣơng pháp biểu diễn dạ ... a trên lý thuyết học thống kê đƣợc đề xuất bởi Vapnik năm 1995. SVM là thuật toán học máy có ƣu điểm là có thể xử lý số lƣợng lớn các đặc trƣng phân loại và không cần đến việc giảm bớt số lƣợng đặc trƣng nhằm tránh vấn đề quá khớp (over- fitting). Đặc điểm này rất hữu ích khi xử lý các vấn đề có số chiều lớn. BN là một mô hình xác suất dạng đồ thị biểu thị sự phụ thuộc thống kê trên một tập hợp các biến ngẫu nghiên. Đây cũng là thuật toán đƣợc sử dụng khá phổ biến trong xây dựng các mô hình học máy. Bên cạnh các thuật toán học máy, do tập dữ liệu huấn luyện có đặc điểm không cần bằng giữa các lớp (khoảng 80% là nữ và chỉ 20% nam), một số kỹ thuật hỗ trợ nhƣ Resampling, Cost-Sensitive Learning (CSL) đƣợc áp dụng để nâng cao độ chính xác cho lớp thiểu số. Resampling là một phƣơng pháp đƣợc sử dụng phổ biến để xử lý các trƣờng hợp không cân bằng trong dữ liệu huấn luyện. Ý tƣởng cơ bản của phƣơng pháp này là thêm vào hoặc bớt đi 1 số mẫu để làm cho tập dữ liệu trở nên cân bằng hơn. Ngoài ra, A00002 B00003 B00001 B00003 C00006 C00010 C00008 C00004 D19760 D18416 D19764 D19761 D08538 SỐ 01 & 02 (CS.01) 2018 TẠP CHÍ KHOA HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG 20 Dương Trần Đức cũng có thể đặt lại trọng số cho các mẫu của mỗi lớp để giúp cân bằng tổng trọng số của mỗi lớp [10]. Trong khi resampling là một phƣơng pháp ở mức dữ liệu thì CSL là một phƣơng pháp ở mức thuật toán dùng để giải quyết vấn để phân loại không cân bằng. Theo Ling và các cộng sự [11], CSL là một phƣơng pháp có tính đến chi phí phân loại sai, nghĩa là nó xem xét các phân loại sai của các lớp khác nhau là khác nhau, nhờ đó có thể cân bằng độ chính xác giữa 2 lớp khi xây dựng mô hình phân loại. Ngoài ra, do số lƣợng các đặc trƣng lớp và dữ liệu thƣa, các kỹ thuật lựa chọn đặc trƣng đƣợc nghiên cứu, áp dụng để giảm bớt độ phức tạp và loại bỏ đi các đặc trƣng ít liên quan đến quá trình phân loại. Trong nghiên cứu này, chúng tôi thử nghiệm một số độ đo nhƣ Độ lợi thông tin (Information Gain), Khi-bình phƣơng (Chi-Square), Tƣơng quan (Correlation) để chọn ra phƣơng pháp và số lƣợng đặc trƣng phù hợp nhất. IV. THỰC NGHIỆM A. Dữ liệu và phương pháp đánh giá Trong nghiên cứu này, chúng tôi sử dụng các tập dữ liệu đƣợc cung cấp bởi tập đoàn FPT cho cuộc thi về khai phá dữ liệu và phát hiện tri thức trong khuôn khổ hội nghị PAKDD’15. Dữ liệu đƣợc chia thành 2 tập là tập huấn luyện và tập kiểm chứng. Mỗi tập dữ liệu chứa 15.000 bản ghi, tƣơng ứng với các bản lƣu trữ về thông tin xem sản phẩm của mỗi ngƣời dùng. Về phƣơng pháp đánh giá, nhƣ đã trình bày ở trên, do vấn đề không cân bằng của các lớp dự đoán, độ đo chính xác cân bằng đƣợc sử dụng để đánh giá mô hình. Độ đo chính xác cân bằng đƣợc định nghĩa là độ chính xác trung bình của mỗi lớp và việc sử dụng độ đo này có thể tránh đƣợc các dự báo hiệu suất giả tạo trong các tập dữ liệu không cân bằng lớp. fptn tn fntp tp BACaccuracybalanced *5.0*5.0 )( Trong đó tp (true positive) là số các mẫu mang nhãn “dƣơng” đƣợc phân đúng vào lớp “dƣơng”, tn (true nagative) là số các mẫu mang nhãn “âm” đƣợc phân đúng vào lớp “âm”, fp (false positives) là số các mẫu mang nhãn “âm” đƣợc phân sai vào lớp “dƣơng”, và fn (false negative) là số các mẫu mang nhãn “dƣơng” đƣợc phân sai vào lớp “âm”. Đây cũng là độ đo đƣợc sử dụng để đánh giá các kết quả trong cuộc thi PAKDD’15 Data Mining Competition. Trong nghiên cứu này, chúng tôi sử dụng độ đo này cũng với độ đo Macro F1 để tiện so sánh với các nghiên cứu trƣớc đây. B. Kết quả và đánh giá Nhằm đánh giá hiệu quả của các đặc trƣng cơ bản và nâng cao, chúng tôi thực hiện các thí nghiệm trên các tập đặc trƣng khác nhau, bao gồm tập đặc trƣng cơ bản và tập đặc trƣng cơ bản kết hợp nâng cao. Theo cách phân loại tập đặc trƣng, các đặc trƣng nâng cao chỉ mang tính bổ sung, nếu sử dụng riêng rẽ sẽ không hiệu quả. Do đó, chúng tôi không tiến hành thí nghiệm trên tập đặc trƣng nâng cao riêng rẽ trong nghiên cứu này. Mỗi tập đặc trƣng sẽ đƣợc thử nghiệm trên 3 thuật toán học máy và các kỹ thuật hỗ trợ nhƣ đã nói ở trên, trong đó Resampling sử thuật toán tái cân bằng lớp dựa trên kỹ thuật đặt lại trọng số Class Balancer (CB). Công cụ thực nghiệm sử dụng bộ công cụ học máy WEKA (Waikato Environment for Knowledge Analysis). Đây là một tập hợp các thuật toán học máy và các công cụ xử lý dữ liệu đƣợc phát triển bởi nhóm nghiên cứu tại Đại học Waikato, New Zealand. Công cụ này đƣợc viết bằng ngôn ngữ Java và đƣợc phân phối dƣới dạng mã nguồn mở. Kết quả thực nghiệm cuối cùng cho thấy khi thuật toán học máy kết hợp với kỹ thuật tái cân bằng lớp theo phƣơng pháp đặt lại trọng số cho các lớp ClassBalancer và kỹ thuật học nhạy cảm chi phí CostSensitiveClassifier cho kết quả BAC tốt nhất. Bảng 4 cho thấy kết quả cụ thể của các thực nghiệm khi chƣa áp dụng các thuật toán lựa chọn đặc trƣng và tối ƣu tham số học máy. Bảng 4. Kết quả thực nghiệm khi sử dụng CSL kết hợp CB Đặc trưng cơ bản Đặc trưng cơ bản + nâng cao BAC Macro F1 BAC Macro F1 RF 77.3 75.5 81.0 78.5 SVM 76.6 74.4 79.5 76.7 BN 76.0 74.4 78.5 76.0 Có thể thấy, các đặc trƣng nâng cao khi đƣợc sử dụng kết hợp với các đặc trƣng cơ bản đã cải tiến kết quả đáng kể khi so sánh với việc chỉ sử dụng đặc trƣng cơ bản. Mặc dù vậy, trong tập dữ liệu đƣợc cung cấp, có khá nhiều lƣợt xem chỉ có một sản phẩm đƣợc xem (khoảng 30%) và các đặc trƣng nâng cao không có hiệu quả với các trƣờng hợp này (do không có nhiều sản phẩn đƣợc xem trong cùng lƣợt để khai thác mối quan hệ giữa chúng). Trên thực tế, số lƣợng ngƣời dùng xem nhiều sản phẩm trong 1 lƣợt xem sẽ nhiều hơn và do đó việc sử dụng các đặc trƣng nâng cao sẽ đem lại hiệu quả cao hơn khi áp dụng trong các trƣờng hợp này. So sánh kết quả của các thuật toán học máy, thuật toán RF có kết quả vƣợt trội so với các thuật SỐ 01 & 02 (CS.01) 2018 TẠP CHÍ KHOA HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG 21 PHƢƠNG PHÁP BIỂU DIỄN CÂY CHO DỰ ĐOÁN GIỚI TÍNH KHÁCH HÀNG DỰA TRÊN DỮ LIỆU TMĐT toán SVM và BN. Thuật toán RF thực hiện học kết hợp thông qua việc lựa chọn nhiều tập con đặc trƣng và dữ liệu để xây dựng nên 1 tập các cây quyết định, do đó phù hợp với bài toán có số lƣợng đặc trƣng lớn và thƣa nhƣ bài toán hiện tại. Một điểm thú vị khác là phƣơng pháp biểu diễn đặc trƣng đƣợc sử dụng trong nghiên cứu này cũng có cấu trúc dạng cây. Tuy nhiên, kết quả vẫn có thể tiếp tục đƣợc cải tiến thông qua việc lựa chọn đặc trƣng và tối ƣu tham số. C. Lựa chọn đặc trưng và tối ưu tham số Mặc dù thuật toán RF đã tiến hành lựa chọn tập đặc trƣng tốt trong quá trình học thông qua việc lựa chọn ngẫu nhiên các đặc trƣng tại các bƣớc xây dựng cây quyết định, tuy nhiên vẫn có thể cải tiến độ chính xác bằng việc thực hiện các thuật toán lựa chọn đặc trƣng dựa trên các độ đo thống kê. Trong nghiên cứu này, chúng tôi thử nghiệm 3 phƣơng pháp lựa chọn đặc trƣng là Information Gain, Chi-Square, và Correlation. Information Gain sử dụng cách đo độ quan trọng của mỗi đặc trƣng trong việc phân biệt các lớp phân loại và đã đƣợc ứng dụng trong nhiều nghiên cứu trƣớc đây và cho kết quả tốt. Chi-Square là phép thử có thể đánh giá sự độc lập của 2 biến trong thống kê, và đƣợc sử dụng để đo mức độ độc lập giữa 1 đặc trƣng và lớp phân loại. Trong khi đó, phƣơng pháp Correlation sử dụng độ đo tƣơng tự giữa các đặc trƣng với nhau và với lớp phân loại để đánh giá tập đặc trƣng tốt. Kết quả thử nghiệm cho thấy Information Gain là phƣơng pháp phù hợp nhất cho vấn đề hiện tại với số lƣợng tối ƣu đƣợc lựa chọn là 2.500 đặc trƣng. Hình 2 cho thấy kết quả phân loại tốt dần với các số lƣợng đặc trƣng thấp và đạt đỉnh tại mức 2.500 đặc trƣng. Hình 2. Kết quả phân loại với các số lượng đặc trưng được lựa chọn khác nhau Ngoài ra, các thực nghiệm ở phần trƣớc đƣợc thực hiện trên tập tham số mặc định của thuật toán. Các kết quả có thể đƣợc cải tiến thông qua việc tối ƣu các tham số. Thuật toán RF có 3 tham số có thể ảnh hƣởng tới độ chính xác phân loại. Đó là số lƣợng đặc trƣng tối đa đƣợc lựa chọn khi xây dựng các cây quyết định, số lƣợng cây đƣợc xây dựng (số vòng lặp), kích thƣớc lá tối thiểu của cây. Các tham số này đƣợc tối ƣu sử dụng thuật toán Grid Search để chọn ra các tham số cho kết quả tốt nhất với thời gian tính toán phù hợp. Bảng 6 cho biết kết quả phân loại sau khi thực hiện lựa chọn đặc trƣng và tối ƣu tham số cho thuật toán RF. Bảng 5. Kết quả phân loại sau khi lựa chọn đặc trưng và tối ưu tham số BAC Macro F1 Kết quả ban đầu 81.0 78.5 Áp dụng lựa chọn đặc trƣng với Information Gain 81.2 78.8 Tối ƣu tham số cho thuật toán RF (1000 cây, với số đặc trƣng 13) 81.7 79.3 D. Đánh giá Kết quả cơ sở của các nghiên cứu về dự đoán giới tính tác giả văn bản là hơn 80% (độ đo chính xác thông thƣờng accracy và độ đo F1). Mặc dù so sánh các kết quả của các nghiên cứu trên các tập dữ liệu khác nhau không thực sự hợp lý, tuy nhiên, với cùng mục đích dự đoán giới tính ngƣời dùng, kết quả của nghiên cứu này có thể xem là có nhiều triển vọng. Với các nghiên cứu có độ tƣơng tự cao hơn nhƣ [6], [13] khi dự đoán giới tính ngƣời dùng thông qua hành vi duyệt website, kết quả Marco F1 của nghiên cứu này cũng tƣơng đƣơng, trong khi hành vi duyệt website tạo ra nhiều dữ liệu có ý nghĩa hơn. Ngoài ra, các trang web còn chứa các văn bản, do vậy có thể tạo ra nhiều loại đặc trƣng hơn. So sánh với các giải pháp khác của các nhóm tham gia cuộc thi PAKDD’15 Data Mining Competition, giải pháp trong nghiên cứu này trong top 10 trên 150 nhóm tham dự. Kết quả của nhóm cao nhất là 87.9% và các nhóm trong top 10 có kết quả từ 81%. Tuy nhiên, ƣu điểm của giải pháp của nghiên cứu này là sử dụng một cấu trúc đặc trƣng đơn giản, nhƣng vẫn đạt đƣợc các kết quả đáng kể. Cấu trúc đặc trƣng này có tính tổng quát, không chứa các đặc trƣng mang tính đặc thù, do vậy có thể dễ dàng áp dụng sang các hệ thống khác. So sánh với nghiên cứu đƣợc thực hiện trên cùng tập dữ liệu và đƣợc công bố chính thức của Lu và các cộng sự [12], nghiên cứu này có kết quả tốt hơn, mặc dù không sử dụng bƣớc cập nhật nhãn. V. KẾT LUẬN Trong nghiên cứu này, chúng tôi trình bày một phƣơng pháp dự đoán giới tính ngƣời dùng dựa trên dữ liệu thu thập từ hệ thống TMĐT. Phƣơng pháp tiếp cận sử dụng các đặc trƣng cơ bản nhƣ thời gian, tần suất xem sản phẩm, cùng với các đặc trƣng nâng cao nhƣ các chuỗi sản phẩm/loại sản phẩm hoặc các cặp sản phẩm/loại sản phầm chuyển tiếp trong lƣợt xem. Phƣơng pháp này sử dụng một biểu diễn dạng cây của danh sách các sản phẩm/loại sản phẩm và sử dụng các Số lượng đặc trưng SỐ 01 & 02 (CS.01) 2018 TẠP CHÍ KHOA HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG 22 Dương Trần Đức thuộc tính của cây nhƣ số nút, chuỗi các nút cùng tầng, cặp nút chuyển khác tầng v.v. làm đặc trƣng phân loại. Thiết kế tập đặc trƣng này cho kết quả tốt nhất trên thuật toán Random Forest cùng với các kỹ thuật hỗ trợ nhƣ Cost Sensitive Learning và Class Balancing. Ngoài ra, kết quả cũng đƣợc cải tiến thông qua một số kỹ thuật nhƣ lựa chọn đặc trƣng, tối ƣu tham số thuật toán. Hƣớng phát triển tiếp theo của nghiên cứu có thể liên quan đến việc khai thác các đặc trƣng rút trích từ cây biểu diễn danh sách sản phẩm/loại sản phẩm. Ngoài ra, cũng có thể thu thập thêm các dữ liệu bổ sung và mở rộng sang dự đoán các đặc điểm khác của ngƣời dùng nhƣ độ tuổi, nghề nghiệp v.v. TÀI LIỆU THAM KHẢO [1] S. Argamon, M. Koppel, J. Fine, and A. Shimoni, “Gender, genre, and writing style in formal written texts,” Text 23(3), August 2003. [2] S. Argamon, M. Koppel, J. Pennebaker, and J. Schler, “Automatically profiling the author of an anonymous text,” Communications of the ACM , v.52 n.2, February 2009. [3] J. C. A. Culotta, N. R. Kumar, and J. Cutler, “Predicting the demographics of twitter users from website traffic data, ” Proceedings of the 29th AAAI Conference on Artificial Intelligence, Jan 2015. [4] O. De Vel, A. Anderson, M. Corney, and G. M. Mohay, “Mining e-mail content for author identification forensics,” SIGMOD Record 30(4), pp. 55-64, 2001. [5] Y. Dong, Y. Yang, J. Tang, Y. Yang, and N. V. Chawla, “Inferring user demographics and social strategies in mobile social networks.” In: KDD’14. ACM. p. 15–24, 2014. [6] J. Hu, H. J. Zeng, H. Li, C. Niu, and Z. Chen, “Demographic prediction based on user’s browsing behavior,” Proceedings of the 16th international conference on World Wide Web, pp. 151-160, 2007. [7] F. Iqbal, M. Debbabi, B. C. M. Fung, and L. A. Khan, “E-mail authorship verification for forensic investigation,” Proceedings of the 2010 ACM Symposium on Applied Computing, ser. SAC '10. New York, NY, USA: ACM, pp. 1591-1598, 2010. [8] S. Kabbur, E. H. Han, and G. Karypis, “Content-based methods for predicting web-site demographic attributes,” Proceedings of ICDM, pp. 863-868, 2010. [9] M. Koppel, S. Argamon, and A. R. Shimoni, “Automatically categorizing written texts by author gender,” Literary and Linguistic Computing, 17(4), pp : 401-412, 2002. [10] S. Kotsiantis, D. Kanellopoulos, and P. Pintelas, “Handling unbalanced datasets: A review,” GESTS International Transactions on Computer Science and Engineering 30 (1), pp. 25-36, 2006. [11] C. X. Ling, and V. S. Sheng, “Cost-sensitive learning and the class imbalance problem.” In: Sammut C (ed) Encyclopedia of machine learning. Springer, Berlin, 2008. [12] S. Lu, Z. Meng, Z. Hui, Z. Chen, W. Wei, and W. Hao, "GenderPredictor: A Method to Predict Gender of Customers from E-commerce Website," In Web Intelligence and Intelligent Agent Technology (WI- IAT), 2015 IEEE/WIC/ACM International Conference on, vol. 3, pp. 13-16. 2015. [13] T. M. Phuong, and D. V. Phuong, “Gender prediction using browsing history,” Proceedings of the Fifth International Conference KSE 2013, Volume 1. pp. 271-283, 2013. [14] D. Nguyen, R. Gravel, D. Trieschnigg, and T. Meder, "How old do you think i am?; a study of language and age in twitter,” Proceedings of the Seventh International AAAI Conference on Weblogs and Social Media, 2013. [15] J. J. C. Ying, Y. J. Chang, C. M. Huang, and V. S. Tseng, “ Demographic prediction based on users mobile behaviors,” In Nokia Mobile Data Challenge, 2012. Ảnh tác giả Dƣơng Trần Đức Tốt nghiệp Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội ngành Công nghệ thông tin năm 1999. Tốt nghiệp Thạc sỹ chuyên ngành Hệ thống thông tin tại Đại học Tổng hợp Leeds, Vương Quốc Anh năm 2004. Hiện đang công tác tại Khoa Công nghệ Thông tin, Học viện Công nghệ Bưu chính Viễn thông. SỐ 01 & 02 (CS.01) 2018 TẠP CHÍ KHOA HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG 23
File đính kèm:
- phuong_phap_bieu_dien_cay_cho_du_doan_gioi_tinh_khach_hang_d.pdf