Nguyễn Thái Nghe , Đoàn Hồ Hạnh Nguyên , Trần Trần Quốc Toanh Nguyễn Hữu Hòa *

* Tác giả liên hệ (nhhoa@ctu.edu.vn)

Abstract

Artificial intelligence is popularly applied in life. One of its application areas is e-commerce, especially for Recommender Systems (RS). RS can be used in many fields such as e-commerce, education, entertainment, etc., to predict users' "preferences" (habits/needs/...) and then provide suitable suggestions to them. In this article, we propose a method for applying artificial intelligence to the restaurant, specifically combining collaborative filtering methods and association rules for food recommendation. The system makes suggestions based on connections between users, foods, and a combination of both. Experiments on a data set collected from a real restaurant have shown that the suggestions given by the system are quite suitable. They are both general rules throughout the system and personalized for each user.

Keywords: Recommendation systems, collaborative filtering, association rules, food recommendation

Tóm tắt

Trí tuệ nhân tạo (AI) đang được ứng dụng rất nhiều trong đời sống. Một nhánh của AI là máy học, trong đó có Hệ thống gợi ý (Recommender Systems – RS). RS hiện đang được sử dụng trong nhiều lĩnh vực như thương mại điện tử, giáo dục, giải trí,... để dự đoán “sở thích” (thói quen/nhu cầu/…) của người dùng, từ đó gợi ý cho họ những mục sản phẩm (item) phù hợp nhất. Phương pháp ứng dụng trí tuệ nhân tạo và máy học cho lĩnh vực kinh doanh nhà hàng được đề xuất, cụ thể là kết hợp phương pháp lọc cộng tác và luật kết hợp cho vấn đề gợi ý món ăn. Hệ thống đưa ra các gợi ý dựa vào các mối liên hệ giữa người dùng, các mối liên hệ giữa món ăn và kết hợp cả hai. Thực nghiệm trên tập dữ liệu thu thập từ một quán ăn thực tế đã cho thấy các gợi ý được đưa ra bởi hệ thống khá phù hợp. Chúng vừa mang tính quy luật chung trên toàn hệ thống, vừa mang tính cá nhân hóa cho từng người dùng.

Từ khóa: Hệ thống gợi ý, lọc cộng tác, luật kết hợp, gợi ý món ăn

Article Details

Tài liệu tham khảo

Al-Chalabi, H. H., Jasim, & M. N. (2023). Food Recommendation System Based on Data Clustering Techniques and User Nutrition Records. In: Al-Bakry, A. M., et al. New Trends in Information and Communications Technology Applications. NTICT 2022. Communications in Computer and Information Science, vol 1764. Springer, Cham.
https://doi.org/10.1007/978-3-031-35442-7_8

Alhijawi, B., & Kilani, Y. (2020). The recommender system: A survey. International Journal of Advanced Intelligence Paradigms, 15(3), 229-251. https://doi.org/10.1504/IJAIP.2020.105815

Bondevik, J. N., Bennin, K. E., Babur, Ö. & Ersch, C. (2023). A systematic review on food recommender systems. Expert Systems with Applications, 238(E), 122166. https://doi.org/10.1016/j.eswa.2023.122166

Dũng, N. H., & Nghe, N. T. (2014). Hệ thống gợi Ý sản phẩm trong bán hàng trực tuyến sử dụng kỹ thuật lọc cộng tác. Tạp chí Khoa học Trường Đại học Cần Thơ, 31, 36-51.

Gupta, M., Mourila, S., Kotte, S., & Bhuvana C. K. (2021). Mood Based Food Recommendation System. 2021 Asian Conference on Innovation in Technology (ASIANCON) (pp. 1-6). IEEE. doi: 10.1109/ASIANCON51346.2021.9545065

LeBlanc, P. M., Banks, D., Fu, L., Li, M., Tang, Z., & Wu, Q. (2024) Recommender Systems: A Review. Journal of the American Statistical Association, 119(545), 773-785. DOI: 10.1080/01621459.2023.2279695

Jooa, J., Bangb, S. W., & Parka, G. (2016). Implementation of a Recommendation System Using Association Rules and Collaborative Filtering. Procedia Computer Science, 91, 944-952.
https://doi.org/10.1016/j.procs.2016.07.115

Kannout, E., Nguyen, H. S., & Grzegorowski, M. (2022). Speeding Up Recommender Systems Using Association Rules. In Asian Conference on Intelligent Information and Database Systems (pp. 167-179). Cham: Springer Nature Switzerland.
https://doi.org/10.1007/978-3-031-21967-2_14

Low, J. M., Tan, I. K., & Ting, C. Y. (2019). Recent developments in recommender systems. In Multi-disciplinary Trends in Artificial Intelligence: 13th International Conference, MIWAI 2019, Kuala Lumpur, Malaysia, November 17–19, 2019, Proceedings 13 (pp. 38-51). Springer International Publishing. doi: 10.1007/978-3-030-33709-4_4. 2019

Rostami, M., Farrahi, V., Ahmadian, S., Jalali, S. M. J., & Oussalah, M. (2023). A novel healthy and time-aware food recommender system using attributed community detection. Expert Systems with Applications, 221, 119719. https://doi.org/10.1016/j.eswa.2023.119719

Singh, R., & Dwivedi, P. (2023, July). Food recommendation systems based on content-based and collaborative filtering techniques. In 2023 14th International Conference on Computing Communication and Networking Technologies (ICCCNT) (pp. 1-5). IEEE. doi: 10.1109/ICCCNT56998.2023.10307080.

Thai-Nghe, N., Thanh-Hai, N., & Dien, T. T. (2022, November). Recommendations in e-commerce systems based on deep matrix factorization. In International Conference on Future Data and Security Engineering (pp. 419-431). Singapore: Springer Nature Singapore. https://doi.org/10.1007/978-981-19-8069-5_28