Đề án Nghiên cứu phát triển hệ thống gợi ý phim dựa trên kỹ thuật học tăng cường đã tiến hành nghiên cứu và phát triển một hệ thống gợi ý phim thông minh nhằm nâng cao trải nghiệm người dùng thông qua việc cá nhân hóa các đề xuất phim. Hệ thống hóa cơ sở lý thuyết về học tăng cường và ứng dụng trong các hệ thống gợi ý nhằm tối ưu hóa quyết định đề xuất nội dung. Đánh giá hiệu quả của học tăng cường trong việc giải quyết các vấn đề của hệ thống gợi ý phim, chẳng hạn như vấn đề khởi đầu lạnh và tính thích nghi theo thời gian. Áp dụng mô hình Deep Q-Network (DQN) trong hệ thống gợi ý phim, kiểm chứng khả năng học hỏi từ dữ liệu phản hồi của người dùng để tối ưu hóa chất lượng gợi ý. So sánh mô hình DQN với các phương pháp truyền thống như lọc cộng tác và lọc nội dung, từ đó xác định các ưu điểm và hạn chế của từng phương pháp. Từ đó vận dụng, xây dựng tập trung ứng dụng học tăng cường (Reinforcement Learning) và mô hình Deep Q-Network (DQN) trong hệ thống gợi ý phim. Nghiên cứu đã tổng quan các phương pháp truyền thống, chỉ ra hạn chế và đề xuất sử dụng DQN để khắc phục. Mô hình được thiết kế, thử nghiệm trên dữ liệu thực tế cho thấy khả năng học hỏi từ phản hồi người dùng, thích nghi linh hoạt với sở thích thay đổi và xử lý hiệu quả vấn đề “khởi đầu lạnh”. So với các phương pháp truyền thống, mô hình DQN đạt độ chính xác cao hơn và cải thiện trải nghiệm người dùng.. Đề án được trình bày trong 3 chương, gồm: Chương 1: Tổng quan nghiên cứu về hệ thống gợi ý phim và kỹ thuật học tăng cường; Chương 2: Học tăng cường và Deep Q-Network trong hệ thống gợi ý phim cá nhân hóa; Chương 3: Phát triển hệ thống gợi ý phim dựa trên kỹ thuật học tăng cường.

Ngôn ngữ:	vie
Tác giả:	Hoàng Nhật Minh, GVHD: Phạm Văn Hà
Thông tin nhan đề:	Nghiên cứu phát triển hệ thống gợi ý phim dựa trên kỹ thuật học tăng cường
Nhà xuất bản:	Đại học Công nghiệp Hà Nội
Loại hình:	Luận văn Thạc sĩ / Bộ sưu tập: Công nghệ thông tin
Mô tả vật lý:	76tr.
Năm xuất bản:	2025