Ước lượng quan tâm người dùng trên mạng xã hội dựa trên tương tự bài viết

28 Nguyễn Thị Hội, Trần Đình Quế 
ƯỚC LƯỢNG QUAN TÂM NGƯỜI DÙNG TRÊN MẠNG XÃ HỘI 
DỰA TRÊN TƯƠNG TỰ BÀI VIẾT 
ESTIMATING USER’S INTEREST ON SOCIAL NETWORKS 
BASED ON ENTRIES SIMILARITY 
Nguyễn Thị Hội1, Trần Đình Quế2 
1Trường Đại học Thương mại; hoint@tmu.edu.vn 
2Học viện Công nghệ Bưu chính Viễn thông; tdque@yahoo.com 
Tóm tắt - Phát hiện quan tâm của người dùng trên các mạng xã 
hội là một trong những chủ đề thu hút nhiều nghiên cứu và được 
áp dụng trong nhiều ứng dụng như khuyến nghị người dùng, các 
chương trình quảng cáo cá nhân hóa hoặc phân loại người dùng. 
Trong bài báo này, nhóm tác giả đề xuất một mô hình dựa trên 
việc phân tích các bài viết của người dùng trên các mạng xã hội 
để phát hiện và so sánh tương quan về quan tâm của họ. Mô 
hình đề xuất được đánh giá bằng thực nghiệm với dữ liệu thực. 
Kết quả thực nghiệm cho thấy rằng nếu hai người dùng có nhiều 
bài viết giống nhau thì sẽ có quan tâm tương tự nhau và ngược 
lại, nếu hai người dùng có quan tâm giống nhau thì cũng có nhiều 
bài viết tương tự nhau. 
Abstract - Discovering interests of users on social networks is 
one of the issues attracting many researches and being applied 
to various fields such as user recommendations, personalized 
ads, or categorizing users into groups. In this paper, we 
propose an approach based on the analysis of user posts on 
social networks to detect and compare the correlations of 
interest of two users on the network. Our proposal is also 
empirically evaluated with the real data. The evaluation shows 
that the more similar entries two users have, the more similar 
interests they have and vice versa. If two users have similar 
interests, their entries are the same. 
Từ khóa - quan tâm của người dùng; mạng xã hội; bài viết trên 
mạng xã hội; độ đo tương tự; người dùng trên mạng xã hội 
Key words - user’s interest; social network; entry; similarity 
measure; users on social networks 
1. Đặt vấn đề 
Theo từ điển Tiếng Việt thì quan tâm là sự chú ý và để 
tâm một cách thường xuyên đến chủ đề, sự vật, hiện tượng 
đang xảy ra trong những hoàn cảnh cụ thể. Trên các mạng 
xã hội (social network sites) các chủ đề quan tâm của người 
dùng thường rất đa dạng và không dễ dàng để xếp vào một 
lĩnh vực cụ thể. Người dùng trên mạng xã hội là những 
người tham gia vào một trang mạng xã hội bất kỳ, có tài 
khoản trên trang mạng xã hội đó và sử dụng mạng để trao 
đổi, tương tác với người dùng khác. Các chủ đề quan tâm 
của người dùng trên các mạng xã hội thường rất đa dạng 
và không dễ dàng để xếp vào một lĩnh vực nào đó. Chẳng 
hạn như một người dùng thường xuyên chia sẻ các bài 
viết về phương pháp giáo dục trẻ em, về nội dung các 
cuốn sách giáo khoa phổ thông,  thì có thể xem người 
dùng đó quan tâm đến chủ đề giáo dục; hoặc một người 
dùng thường xuyên chú ý đến các sự kiện thể thao đang 
diễn ra như các trận bóng đá, các giải thi đấu, thì có 
thể xem người dùng đó quan tâm đến chủ đề thể thao  
Như vậy, có thể nói rằng, quan tâm của người dùng trên 
các mạng xã hội là sự để tâm và chú ý thường xuyên đến 
một hoặc một số chủ đề nào đó trên các mạng xã hội. 
Hiện nay, với sự lớn mạnh và ảnh hưởng sâu rộng của 
các mạng xã hội, các nghiên cứu về quan tâm của người 
dùng trên các mạng xã hội không những được rất nhiều 
cá nhân, tổ chức chú ý, mà chúng còn có rất nhiều ứng 
dụng trong các dịch vụ trực tuyến như các hệ thống 
khuyến nghị người dùng (recommendation system), các 
chiến lược quảng cáo sản phẩm (product advertising 
strategy), các chương trình giới thiệu dịch vụ cho người 
dùng  Quan tâm của người dùng trên các mạng xã hội 
là một hướng được rất nhiều nhà nghiên cứu phân tích và 
đưa ra nhiều cách thức để thu được các kết quả nghiên 
cứu khác nhau. Theo khảo sát của nhóm tác giả, có một 
số cách phát hiện quan tâm người dùng phổ biến trên các 
phương tiện truyền thông như: trích xuất thông tin từ 
thông tin cá nhân người dùng (profile) [2, 8, 17]; trích 
xuất từ các liên kết của người dùng đến các người dùng 
khác (link, follow) [2, 7, 12]; trích xuất hành vi tag, post, 
 của người dùng [9, 10, 12, 13]  
Tuy nhiên, hiện nay các thông tin cá nhân của người 
dùng trên các mạng xã hội rất khó thu thập do yêu cầu bảo 
mật người dùng, hoặc người dùng cũng thường xuyên 
không cung cấp đầy đủ thông tin. Thêm nữa, các thông tin 
cá nhân người dùng thường quá ít cũng là một trở ngại 
trong phân tích và nghiên cứu về quan tâm của người dùng 
trên các mạng xã hội. Vì vậy, các nghiên cứu về quan tâm 
của người dùng trên các mạng xã hội trong những năm gần 
đây thường đi theo hai hướng tiếp cận chính: một là phân 
tích về các kết nối, quan hệ bạn bè, danh sách những người 
được theo dõi, các đánh dấu,  của người dùng trên các 
mạng xã hội [2, 7, 8]; hai là phân tích các bài đăng (status) 
và các thuộc tính liên quan đến các bài đăng của người 
dùng trên các mạng xã hội [7, 9, 11, 12]. Các nghiên cứu 
này chủ yếu đi sâu vào vấn đề xác định hoặc phát hiện quan 
tâm của từng cá nhân người dùng mà chưa chú ý nghiên 
cứu nhiều về mối liên quan giữa những người dùng trên các 
mạng xã hội. 
Bài báo của nhóm tác giả đi theo hướng thứ hai, phân 
tích các bài viết của người dùng trên các mạng xã hội để 
trả lời cho câu hỏi: Nếu hai người dùng có cùng chủ đề 
quan tâm trên các mạng xã hội, liệu rằng các bài đăng của 
họ có nhiều điểm tương tự với nhau hay không? Và ngược 
lại, nếu hai người dùng có các bài đăng tương tự nhau trên 
các mạng xã hội, liệu rằng họ có quan tâm đến các chủ đề 
tương tự nhau hay không? 
ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ ĐẠI HỌC ĐÀ NẴNG, SỐ 7(128).2018 29 
Trong bài báo này, kỹ thuật N-gram và TF-IDF được sử 
dụng để phân tích và ước lượng mối tương quan giữa các bài 
viết và các chủ đề quan tâm của người dùng. Sau đó, mô hình 
đề xuất được đánh giá và so sánh bằng thực nghiệm. 
Phần còn lại của bài báo được tổ chức như sau: Phần 2 
là đề xuất cách thức ước lượng mối tương quan giữa quan 
tâm và bài viết của người dùng; Phần 3 là phần thực nghiệm 
và đánh giá; Phần 4 là kết luận. 
2. Độ tương tự giữa các bài viết và ước lượng quan tâm 
của người dùng 
2.1. Độ tương tự giữa các bài viết trên mạng xã hội 
2.1.1. Mô hình và độ tương tự bài viết trên mạng xã hội 
Mỗi người dùng trên các mạng xã hội có thể không có, 
hoặc có ít nhất một hoặc nhiều bài đăng trên tường của họ. 
Mỗi bài đăng có thể là một câu hoặc một văn bản, một hoặc 
một số hình ảnh, một video hoặc là một sự kết hợp của các 
nội dung trên. 
Mỗi bài đăng của người dùng trên một mạng xã hội 
được gọi là một bài viết (entry) và được biểu diễn bởi năm 
thành phần hay đặc trưng, bao gồm: nội dung (content); 
đánh dấu (tags); thể loại (category); quan điểm (sentiment) 
và cảm xúc (emotion). 
Ví dụ với một bài viết của người dùng có thể được 
biểu diễn minh họa trong Bảng 1. Giá trị các thành phần 
được xác định theo phương pháp như trong một nghiên 
cứu của nhóm tác giả [15] sẽ có các giá trị như sau: 
content bao gồm nội dung phần của bài viết; tags là phần 
được lấy sau dấu # hoặc tên người dùng được đưa vào 
trong bài viết, như trong ví dụ này là: 
#TrangTraiTrungThuc, Mít Tơ Bót; category được xác 
định dựa trên đề xuất trong nghiên cứu [15] thì có giá trị 
là “nông nghiệp, sản phẩm nông nghiệp ”; sentiment và 
emotion sẽ có giá trị là “tích cực” và “biết ơn”. 
Bảng 1. Ví dụ về bài viết và các thành phần phân tích 
Bài viết Từ khóa tương ứng 
16 tháng qua với 
#TrangTraiTrungThuc, tôi 
đã thất bại 5 vụ dưa lưới. 
Mít Tơ Bót đã chạy vạy 
khắp nơi để học để tìm ra 
con đường trồng dưa lưới 
sạch nhưng chưa một lần 
thành công! 
Nhưng ước nguyện của 
tôi cũng đang dần trở 
thành sự thực, người làm 
việc đó là EcoFarm - 
Bình Phước 
Cont 
(tôi đã, thất bại, chạy vạy, khắp 
nơi, tìm ra, con đường, trở 
thành, thành sự, sự thực, ) 
Tags 
(người làm, làm việc, trang 
trại, quy trình, ) 
Cate (Nông nghiệp, sản phẩm, ) 
Sent (tích cực) 
Emot (biết ơn) 
2.1.2. Ước lượng độ tương tự giữa hai bài viết 
Giả sử U là một tập người dùng trên một mạng xã hội. Khi 
đó, mỗi 𝑢𝑖 ∈ 𝑈 có một tập bài viết 𝐸𝑖, với mỗi 𝑒𝑖
𝑗 ∈ 𝐸𝑖 được 
biểu diễn bởi 5 thành phần được ký hiệu tương ứng như sau: 
nội dung là cont, đánh dấu là tags, nhóm bài viết là cate, quan 
điểm là sent và cuối cùng cảm xúc ký hiệu là emot. 
Khi đó, việc ước lượng độ tương tự giữa hai bài viết 
𝑒𝑖
𝑘 ∈ 𝐸𝑖 𝑐ủ𝑎 𝑢𝑖 ∈ 𝑈 𝑣à 𝑒𝑗
𝑙 ∈ 𝐸𝑗 của 𝑢𝑗 ∈ 𝑈 được tính toán 
bằng cách tích hợp có trọng số các độ tương tự của 5 thuộc 
tính của hai bài viết. Trong bài báo này, khoảng cách cosine 
được sử dụng để tính độ tương tự giữa hai bài viết. Đồng 
thời, bài báo sử dụng kỹ thuật N-gram được giới thiệu bởi 
W. B. Cavnar và J. M. Trenkle [16] để xây dựng các tập từ 
khóa và kế thừa thuật toán được đề xuất bởi S. A. Takale 
và S. S Nandgaonkar [14], trong nghiên cứu này 
S.A.Takale và S.S Nandgaonkar tách các word đơn và tìm 
từ khóa theo NetWord trên văn bản Tiếng Anh, bài báo này 
áp dụng và mở rộng trên các N-gram và tìm định nghĩa theo 
Từ điển Wikipedia, sử dụng cho ngôn ngữ Tiếng Việt trên 
các bài viết của người dùng trên mạng xã hội. Sau đó, sử 
dụng TF-IDF để xây dựng véc-tơ chứa giá trị của các thành 
phần trong bài viết của người dùng. TF-IDF (Term 
Frequency – Inverse Document Frequency) là trọng số của 
một từ trong bài viết của người dùng được tính dựa trên 
thống kê mức độ quan trọng hay số lần xuất hiện của từ này 
trong một bài viết. Mỗi bài viết 𝑒𝑖
𝑘 ∈ 𝐸𝑖 được xét nằm trong 
một tập hợp các bài viết của người dùng 𝑢𝑖 ∈ 𝑈. Cách tính 
TF-IDF trong bài báo được thực hiện dựa trên công trình 
nghiên cứu [5] như sau: 
Mỗi bài viết 𝑒𝑖
𝑘 ∈ 𝐸𝑖 được biểu diễn bằng một véc-tơ 
𝑣𝑖
𝑘 tương ứng. Gọi 𝑛𝑣 là số lần từ khóa 𝑘 xuất hiện trong 
véc-tơ 𝑣 của bài viết 𝑒, 𝑁𝑣 là tổng số từ khóa của véc-tơ 𝑣, 
𝑁𝐸 là tổng số các bài viết của người dùng u, 𝑁𝑘 là tổng số 
các bài viết của người dùng u có chứa từ khóa k. Khi đó: 
𝑡𝑓(𝑘, 𝑣) =
𝑛𝑣
𝑁𝑣
 , 𝑖𝑑𝑓(𝑘, 𝑁𝐸) = log (
𝑁𝐸
𝑁𝑘
), (1) 
và 
𝑡𝑓 − 𝑖𝑑𝑓(𝑘, 𝑣) = 𝑡𝑓(𝑘, 𝑣) ∗ 𝑖𝑑𝑓(𝑘, 𝑁𝑒) (2) 
Sau khi tính TF-IDF của các từ khóa trong hai véc-tơ 
biểu diễn, ta có véc-tơ các giá trị trọng số của hai bài viết 
tương ứng 𝑣𝑖𝑤⃗⃗ ⃗⃗ ⃗, 𝑣𝑗𝑤⃗⃗ ⃗⃗ ⃗. Độ tương tự của hai bài viết khi đó được 
tính như sau: 
𝑠𝑖𝑚𝑒𝑛𝑡𝑟𝑦(𝑒𝑖 , 𝑒𝑗) = 𝐷𝑐𝑜𝑠𝑖𝑛𝑒(𝑣𝑖𝑤⃗⃗ ⃗⃗ ⃗, 𝑣𝑗𝑤⃗⃗ ⃗⃗ ⃗) (3) 
Trong đó, 𝑣𝑖𝑤⃗⃗ ⃗⃗ ⃗, 𝑣𝑗𝑤⃗⃗ ⃗⃗ ⃗ là các véc-tơ chứa TF-IDF của hai bài 
viết 𝑒𝑖 , 𝑒𝑗 tương ứng. 
𝐷𝑐𝑜𝑠𝑖𝑛𝑒(𝑣𝑖𝑤⃗⃗ ⃗⃗ ⃗, 𝑣𝑗𝑤⃗⃗ ⃗⃗ ⃗. ) được tính cho văn bản như sau: Giả sử 
có véc-tơ biểu diễn cho hai văn bản i và j lần lượt có dạng: 
Di = < w1
i , w2
i , wt
i > với wt
i là trọng số của từ thứ t trong 
văn bản i. Dj = < w1
j
, w2
j
, wt
j
> với wt
j
 là trọng số của từ 
thứ t trong văn bản j. Độ đo tương tự được tính là Cosine của 
góc giữa hai véc-tơ biểu diễn cho hai văn bản Di và Dj. Độ 
tương tự của chúng được tính theo công thức sau: 
𝑠𝑖𝑚(𝐷𝑖𝑗) =
∑ 𝑤𝑘
𝑖𝑤𝑘
𝑗𝑡
𝑘=1
√∑ (𝑤𝑘
𝑖 )2 ∑ (𝑤𝑘
𝑗)2𝑡𝑘=1
𝑡
𝑘=1
Dễ dàng thấy rằng giá trị của 𝑠𝑖𝑚𝑒𝑛𝑡𝑟𝑦(𝑒𝑖 , 𝑒𝑗), nằm 
trong khoảng [0, 1]. 
2.1.3. Độ tương tự của người dùng theo bài viết 
Ước lượng độ tương tự của hai người dùng dựa trên các 
bài viết được tính như sau: 
Gọi 𝑢𝑖 , 𝑢𝑗 ∈ 𝑈 là hai người dùng, mỗi người dùng có tập 
các bài viết 𝐸𝑖 , 𝐸𝑗 ∈ 𝐸 và mỗi người dùng sẽ có một véc-tơ 
trọng số biểu diễn các bài viết của họ tương ứng là 𝑢𝑖𝑤⃗⃗ ⃗⃗ ⃗, 𝑢𝑗𝑤⃗⃗ ⃗⃗ ⃗. 
30 Nguyễn Thị Hội, Trần Đình Quế 
Với mỗi cặp người dùng 𝑢𝑖 , 𝑢𝑗 ∈ 𝑈 thì mỗi thành phần 
𝑢𝑖
𝑘 của véc-tơ 𝑢𝑖𝑤⃗⃗ ⃗⃗ ⃗ được tính như sau: Với mỗi 𝑒𝑖
𝑘 ∈ 𝐸𝑖 của 
𝑢𝑖 tính độ tương tự của 𝑒𝑖
𝑘 với tất cả các bài viết 𝑒𝑗
𝑙 ∈ 𝐸𝑗 
của 𝑢𝑗 ∈ 𝑈. Mỗi thành phần 𝑢𝑖
𝑘 được tính theo công thức: 
𝑢𝑖
𝑘 =
 ∑ 𝑠𝑖𝑚𝑒𝑛𝑡𝑟𝑦
𝑚
1
(𝑒𝑘 ,𝑒𝑗)
𝑚
 (4) 
Mỗi thành phần 𝑢𝑗
𝑘 của véc-tơ 𝑢𝑗𝑤⃗⃗ ⃗⃗ ⃗ cũng được tính 
tương tự. 
Khi đó, độ tương tự của hai người dùng 𝑢𝑖 , 𝑢𝑗 ∈ 𝑈 
 dựa 
trên bài viết được tính bằng: 
𝑠𝑖𝑚𝑢𝑠𝑒𝑟−𝑒𝑛𝑡𝑟𝑦(𝑢𝑖 , 𝑢𝑗) = 𝐷𝑐𝑜𝑠𝑖𝑛𝑒(𝑢𝑖𝑤⃗⃗ ⃗⃗ ⃗, 𝑢𝑗𝑤⃗⃗ ⃗⃗ ⃗. ) (5) 
Có thể thấy rằng 𝑠𝑖𝑚𝑢𝑠𝑒𝑟−𝑒𝑛𝑡𝑟𝑦(𝑢𝑖 , 𝑢𝑗) nằm trong 
khoảng [0, 1]. 
2.2. Ước lượng quan tâm của người dùng theo chủ đề 
2.2.1. Xác định các chủ đề trên mạng xã hội 
Phát hiện các chủ đề và các quan tâm đến các chủ đề 
của người dùng đã được rất nhiều nghiên cứu đưa ra như 
các nghiên cứu của Bhattacharya và cộng sự [2], Diana và 
cộng sự [7], Li Xin và cộng sự [9], Sheng Bin và cộng sự 
[13]. Bài báo dựa trên các kết quả nghiên cứu có được từ 
tiếng Anh, sau đó tiến hành xây dựng và cải tiến danh sách 
chủ đề phổ biến bằng tiếng Việt trong một nghiên cứu trước 
đó của nhóm tác giả [11]. Sử dụng kết quả từ nghiên cứu 
[11], nhóm tác giả có được một danh sách gồm 21 chủ đề 
chính và 81 chủ đề con được sử dụng phổ biến trên mạng 
xã hội. Ví dụ một số chủ đề được minh họa trong Bảng 2. 
Bảng 2. Ví dụ về chủ đề và danh sách từ khóa tương ứng 
Chủ đề Danh sách từ khóa 
Giáo dục Giáo dục, tiếng Anh, học tập, kiến thức, thói 
quen, thế hệ, giảng dạy, đào tạo, nghiên cứu, trải 
nghiệm, giáo dục, tiểu học, trung học, từ nguyên, 
từ đồng, tiếng Việt, toàn cầu, quốc tế, kinh tế, xã 
hội, văn hóa, quốc công, cha mẹ, trực tuyến, Liên 
Hiệp Quốc, học trực tuyến, giáo dục tiểu học,  
Môi trường Môi trường, tổ hợp, tự nhiên, xã hội, hệ thống, 
tập hợp, tương tác, định nghĩa, con người, không 
khí, độ ẩm, sinh vật, loài người, môi trường, vật 
chất, đối tượng, tập hợp con,  
Mỗi chủ đề sau khi xác định danh sách từ khóa được 
biểu diễn bằng một véc-tơ trọng số 𝑡𝑘
𝑤⃗⃗ ⃗⃗ được tính toán theo 
công thức (2). Trong đó, chỉ số k là chủ đề thứ k trong danh 
sách các chủ đề và w là ký hiệu véc-tơ chứa trọng số các từ 
khóa của chủ đề thứ k. 
2.2.2. Xác định quan tâm bài viết theo các chủ đề 
Với mỗi bài viết 𝑒𝑖 ∈ 𝐸 của 𝑢𝑖 ∈ 𝑈 theo chủ đề 𝑡𝑗 ∈ 𝑇 
thì mức độ quan tâm được tính bằng công thức sau đây: 
𝑠𝑖𝑚𝑒𝑛𝑡𝑟𝑦−𝑡𝑜𝑝𝑖𝑐(𝑒𝑖 , 𝑡𝑗) = 𝐷𝑐𝑜𝑠𝑖𝑛𝑒(𝑣𝑖𝑤⃗⃗ ⃗⃗ ⃗, 𝑡𝑗𝑤⃗⃗ ⃗⃗ ) (6) 
Trong đó, 𝑣𝑖𝑤⃗⃗ ⃗⃗ ⃗ là véc-tơ trọng số của bài viết 𝑒𝑖 ∈ 𝐸 của 
𝑢𝑖 ∈ 𝑈 và 𝑡𝑗𝑤⃗⃗ ⃗⃗ là véc-tơ trọng số của chủ đề 𝑡𝑗 ∈ 𝑇. Nghĩa là 
độ quan tâm của bài viết theo chủ đề dựa trên độ tương tự 
của các từ khóa của bài viết và từ khóa của chủ đề đang 
xem xét. Dễ dàng thấy rằng 𝑠𝑖𝑚𝑒𝑛𝑡𝑟𝑦−𝑡𝑜𝑝𝑖𝑐(𝑒𝑖 , 𝑡𝑗) nằm 
trong khoảng [0, 1]. 
2.2.3. Độ quan tâm tương tự của người dùng theo chủ đề 
Bây giờ ta có thể định nghĩa mức độ quan tâm của 
người dùng theo chủ đề như sau. Với mỗi 𝑢𝑖 ∈ 𝑈 trên mạng 
xã hội cùng tập các bài viết 𝐸𝑖 ∈ 𝐸, độ quan tâm của người 
dùng 𝑢𝑖 ∈ 𝑈 với chủ đề 𝑡𝑗 ∈ 𝑇 được biểu diễn bằng véc-tơ 
𝑞𝑖
𝑗⃗⃗⃗⃗ (gọi là véc-tơ độ quan tâm của người dùng 𝑢𝑖 đến chủ 
đề 𝑡𝑗 trên mạng xã hội) như sau: 
𝑖𝑛𝑡𝑒𝑟𝑒𝑠𝑡𝑢𝑠𝑒𝑟−𝑡𝑜𝑝𝑖𝑐(𝑢𝑖 , 𝑡𝑗) = 𝑞𝑖
𝑗⃗⃗⃗⃗ =(𝑞𝑖1
𝑗 , 𝑞𝑖2
𝑗 , . . , 𝑞𝑖𝑛
𝑗 ) 
Trong đó, 𝑞𝑖𝑘
𝑗
 với k = 1 ... n là độ quan tâm của mỗi bài 
viết 𝑒𝑖
𝑘 ∈ 𝐸𝑖 của người dùng 𝑢𝑖 với chủ đề 𝑡𝑗 tính theo công 
thức (6). 
Gọi 𝑞𝑖𝑘⃗⃗⃗⃗ là véc-tơ quan tâm của người dùng 𝑢𝑖 ∈ 𝑈 trên 
mạng xã hội đến chủ đề 𝑡𝑗 ∈ 𝑇 và 𝑞𝑗𝑘⃗⃗⃗⃗ là véc-tơ quan tâm 
của người dùng 𝑢𝑗 ∈ 𝑈 trên mạng xã hội đến chủ đề 𝑡𝑗 ∈
𝑇. Khi đó, độ tương tự quan tâm của hai người dùng 
𝑢𝑖 , 𝑢𝑗 ∈ 𝑈 với chủ đề 𝑡𝑗 ∈ 𝑇 được tính bằng: 
𝑠𝑖𝑚𝑢𝑠𝑒𝑟−𝑡𝑜𝑝𝑖𝑐(𝑢𝑖 , 𝑢𝑗, 𝑡𝑘) = 𝐷𝑐𝑜𝑠𝑖𝑛𝑒(𝑞𝑖𝑘⃗⃗⃗⃗ , 𝑞𝑗𝑘⃗⃗⃗⃗ ) (7) 
Có thể thấy rằng 𝑠𝑖𝑚𝑢𝑠𝑒𝑟−𝑡𝑜𝑝𝑖𝑐(𝑢𝑖 , 𝑢𝑗, 𝑡𝑘) nằm trong 
khoảng [0, 1]. 
Sau khi đề xuất hướng tiếp cận ước lượng độ tương tự 
giữa hai người dùng dựa trên bài viết và độ quan tâm tương 
tự của người dùng theo chủ đề, bài báo đề xuất giả thuyết 
rằng: Nếu hai người dùng tương tự nhau dựa trên các bài 
viết thì họ sẽ quan tâm đến một số chủ đề tương tự nhau và 
ngược lại. Phần 3 bài báo trình bày thực nghiệm dựa trên 
dữ liệu thực để kiểm nghiệm và đánh giá lại giả thuyết này. 
3. Thực nghiệm và đánh giá 
Như bài báo đã trình bày cuối mục 2.2.3, mục đích của 
thực nghiệm là kiểm nghiệm giả thuyết đã nêu đánh giá dựa 
trên dữ liệu thực. 
3.1. Thu thập dữ liệu và xây dựng tập mẫu 
Nhóm tác giả thực hiện việc thu thập dữ liệu từ trang 
mạng xã hội Facebook.com và Twitter.com với 150 người 
dùng cho mỗi trang. Mỗi người dùng được chọn 10 bài viết 
gần với thời điểm lấy dữ liệu nhất. Trong mô hình đề xuất, 
bài báo chỉ xem xét các bài viết chứa văn bản tiếng Việt, 
còn các bài viết không chứa văn bản, hoặc chứa các ngôn 
ngữ khác bị loại bỏ khỏi tập dữ liệu. Sau khi đã xử lý, nhóm 
tác giả thu được 150 người dùng và thực hiện việc xây dựng 
bộ mẫu dữ liệu thực nghiệm như sau: 
Mỗi mẫu là một cặp người dùng với tập 10 bài viết tiếng 
Việt tương ứng được sinh tự động bằng cách ghép cặp các 
người dùng, sau đó, tự động loại bỏ các cặp trùng nhau, ví 
dụ (A, B) và (B, A) sẽ bị loại bỏ đi một, các cặp dạng 
(A, A) cũng bị loại bỏ khỏi bộ mẫu. Cuối cùng, nhóm tác 
giả thu được bộ mẫu dữ liệu trong Bảng 3. 
Bảng 3. Bộ mẫu dữ liệu thực nghiệm 
 Facebook.com Twitter.com 
Số lượng người dùng 150 150 
Số lượng bài viết 1.500 1.500 
Số cặp người dùng 11.100 11.100 
ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ ĐẠI HỌC ĐÀ NẴNG, SỐ 7(128).2018 31 
3.2. Các bước thực nghiệm 
Để tiến hành đánh giá mối tương quan dựa trên thực 
nghiệm, mỗi mẫu trong bộ dữ liệu lần lượt được thực hiện 
như sau: 
Bước 1: Mỗi bài viết 𝑒𝑖 ∈ 𝐸𝑖 của mỗi người dùng 
𝑢𝑖 ∈ 𝑈 được phân tích và ước lượng véc-tơ trọng số theo 
công thức (2) và lưu lại kết quả. 
Bước 2: Ước lượng độ tương tự của hai người dùng dựa 
trên các bài viết theo công thức (5) và lưu lại kết quả. Minh 
họa kết quả trình bày trong Bảng 4. 
Bước 3: Xây dựng véc-tơ trọng số cho mỗi chủ đề. 
Bước 4: Xác định độ quan tâm của người dùng với các 
chủ đề theo công thức (6). Minh họa kết quả ở Bảng 5. 
Bước 5: Ước lượng độ tương tự quan tâm của người 
dùng theo chủ đề theo công thức (7). Minh họa kết quả 
trong Bảng 6. 
Bước 6: Ước lượng độ tương quan giữa kết quả của 
Bảng 4 và Bảng 6. 
Bước 7: Đánh giá và thảo luận các kết quả. 
Bảng 4. Độ tương tự của người dùng theo bài viết 
 U001 U003 U006 U007 U008 U010 
U001 1,0 
U003 0,712 1,0 
U006 0,623 0,804 1,0 
U007 0,644 0,912 0,733 1,0 
U008 0,810 0,941 0,687 0,711 1,0 
U010 0,743 0,894 0,791 0,765 0,824 1,0 
Độ tương tự của hai người dùng được tính theo công 
thức (5) và minh họa trong Bảng 4. Trong bài báo này, hai 
người dùng được coi là tương tự nhau dựa trên bài viết nếu 
𝑠𝑖𝑚𝑢𝑠𝑒𝑟−𝑒𝑛𝑡𝑟𝑦(𝑢𝑖 , 𝑢𝑗) ≥ 0,55, ngược lại được coi là có 
nhiều bài viết khác nhau. Từ Bảng 4, có thể thấy rằng nếu 
hai người dùng càng có nhiều bài viết tương tự nhau thì độ 
tương tự sẽ gần đến giá trị 1. Ngược lại, nếu có nhiều bài 
viết không tương tự nhau thì độ tương tự của hai người 
dùng càng xa giá trị 1. 
Bảng 5. Độ quan tâm của người dùng với các chủ đề 
Môi 
trường 
Chính 
trị 
Sức 
khỏe 
Công 
nghệ 
Du lịch 
Giáo 
dục 
Hôn 
nhân 
U001 0,0159 0,0 0,0133 0,0400 0,0293 0,0135 0,0482 
U003 0,0357 0,0242 0,0259 0,0242 0,0319 0,0338 0,0244 
U006 0,0357 0,0265 0,0167 0,0264 0,0095 0,0281 0,0 
U007 0,0349 0,0326 0,0218 0,0298 0,0247 0,0269 0,0229 
U008 0,0366 0,0400 0,0318 0,0210 0,0170 0,0268 0,1213 
U010 0,0429 0,0499 0,0262 0,0239 0,0282 0,0 0,0274 
Độ quan tâm của người dùng đối với các chủ đề phổ 
biến trên các mạng xã hội được tính theo công thức (6). 
Nhìn vào Bảng 5 có thể thấy rằng các ô có giá trị 0,0 là 
không có bài viết nào tương tự với các chủ đề được xây 
dựng. Hay nói cách khác là người dùng không quan tâm 
đến chủ đề đó trong thời điểm hiện tại. 
Dựa vào Bảng 5 và công thức (7) để ước lượng độ 
tương tự quan tâm của người dùng theo các chủ đề. Để xác 
định hai người dùng có độ quan tâm tương tự nhau, bài báo 
lựa chọn ngưỡng 𝑠𝑖𝑚𝑢𝑠𝑒𝑟−𝑡𝑜𝑝𝑖𝑐(𝑢𝑖, 𝑢𝑗 , 𝑡𝑘) >= 0,55. Những 
cặp nào không thỏa mãn được ngưỡng này được coi là quan 
tâm ít tương tự nhau theo các chủ đề trên mạng xã hội. 
Bảng 6. Độ tương tự quan tâm của người dùng theo chủ đề 
 U001 U003 U006 U007 U008 U010 
U001 1,0 
U003 0,633 1,0 
U006 0,590 0,720 1,0 
U007 0,573 0,803 0,733 1,0 
U008 0,643 0,816 0,644 0,679 1,0 
U010 0,674 0,872 0,667 0,654 0,742 1,0 
3.3. Đánh giá 
Để đánh giá độ tương quan của công thức (5) và công 
thức (7), bài báo sử dụng giá trị trung bình độ lệch tuyệt đối 
và giá trị trung bình độ lệch tương đối để đánh giá như sau: 
Đánh giá theo trung bình độ lệch tuyệt đối: 
Trung bình độ lệch tuyệt đối được tính bằng giá trị tuyệt 
đối của trung bình chung hiệu giữa độ đo tương tự của các 
cặp người dùng theo bài viết và độ đo tương tự của mỗi cặp 
người dùng theo chủ đề và được tính như sau: 
TBTĐ=|𝑠𝑖𝑚𝑢𝑠𝑒𝑟−𝑒𝑛𝑡𝑟𝑦(𝑢𝑖 , 𝑢𝑗)-𝑠𝑖𝑚𝑢𝑠𝑒𝑟−𝑡𝑜𝑝𝑖𝑐(𝑢𝑖, 𝑢𝑗 , 𝑡𝑘)| 
(8) 
Với kết quả từ thực nghiệm trong bộ mẫu dữ liệu thì mô 
hình đề xuất có trung bình độ lệch tuyệt đối là 0,077. Khi 
đó, độ chính xác của mô hình đề xuất là: 
Độ chính xác = (1 - trung bình độ lệch tuyệt đối)*100% (9) 
Và độ chính xác bằng 92,3%. 
Đánh giá theo trung bình độ lệch tương đối: 
Trung bình độ lệch tương đối được tính bằng thương 
của trung bình chung của giá trị tuyệt đối của độ tương tự 
của hai người dùng theo bài viết và độ tương tự của hai 
người dùng theo chủ đề chia cho giá trị lớn nhất của độ đo 
tương tự theo bài viết và độ đo tương tự theo chủ đề và 
được tính theo công thức: 
TBTgĐ=
|𝑠𝑖𝑚𝑢𝑠𝑒𝑟−𝑒𝑛𝑡𝑟𝑦(𝑢𝑖,𝑢𝑗)− 𝑠𝑖𝑚𝑢𝑠𝑒𝑟−𝑡𝑜𝑝𝑖𝑐(𝑢𝑖,𝑢𝑗,𝑡𝑘)| 
MAX(𝑠𝑖𝑚𝑢𝑠𝑒𝑟−𝑒𝑛𝑡𝑟𝑦(𝑢𝑖,𝑢𝑗) ,𝑠𝑖𝑚𝑢𝑠𝑒𝑟−𝑡𝑜𝑝𝑖𝑐(𝑢𝑖,𝑢𝑗,𝑡𝑘))
 (10) 
Với kết quả từ thực nghiệm trong bộ mẫu dữ liệu thì mô 
hình đề xuất có trung bình độ lệch tương đối sẽ là 0,084. 
Khi đó, độ chính xác của mô hình đề xuất là: 
Độ chính xác = (1 - trung bình độ lệch tương đối)*100% (11) 
Và độ chính xác bằng 91,2%. 
Bảng 7. Đánh giá mô hình và sự tương quan 
Trung bình 
độ lệch 
tuyệt đối 
Trung bình 
độ lệch 
tương đối 
Độ chính xác 
theo độ lệch 
tuyệt đối 
Độ chính xác 
theo độ lệch 
tương đối 
Facebook 0,76 0,84 92,4% 91,6% 
Twitter 0,87 0,91 91,3% 90,9% 
32 Nguyễn Thị Hội, Trần Đình Quế 
Hình 1. Độ tương tự người dùng dựa trên bài viết và các chủ đề 
Biểu diễn ví dụ minh họa với một số cặp người dùng 
đầu tiên thể hiện trong Hình 1. Hình 1 cho thấy rõ có sự 
tương quan giữa các bài viết của người dùng và các chủ đề 
người dùng quan tâm trên các mạng xã hội. 
4. Kết luận 
Bài báo này đã đề xuất mô hình ước lượng độ tương tự 
quan tâm của người dùng dựa trên các bài viết và mối tương 
quan giữa các bài viết và chủ đề quan tâm của người dùng 
trên các mạng xã hội. Mô hình đề xuất có thể áp dụng trong 
việc phân loại người dùng trên các mạng xã hội hoặc xác 
định quan tâm của người dùng theo các chủ đề ứng dụng 
trong các chương trình quảng cáo, các hệ thống khuyến 
nghị người dùng,  
TÀI LIỆU THAM KHẢO 
[1] Ashton Anderson, Daniel Huttenlocher, Jon Kleinberg, và Jure 
Leskovec, Effects of user similarity in social media, Proceedings of the 
Fifth ACM International Conference on Web Search and Data Mining, 
WSDM’12, New York, NY, USA, 2012, ACM, pp. 703-712. 
[2] Bhattacharya Parantapa, Zafar Muhammad Bilal, Ganguly Niloy, 
Ghosh Saptarshi, Gummadi Krishna P, Inferring User Interests in 
the Twitter Social Networki, Proceedings of the 8th ACM 
Conference on Recommender Systems, RecSys ’14, ACM, New 
York, NY, USA, pp. 357-360. 
[3] Bruno Ohana and Brendan Tierney, Sentiment Classification of 
Reviews Using Sentiwordnet, 2009. 
[4] Chihli Hung and Hao-Kai Lin, “Using Objective Words in 
Sentiwordnet to Improve Word-of-Mouth Sentiment Classification”, 
IEEE Intelligent Systems, 28(2), 2013, pp. 47-54. 
[5] D. Manning, Prabhakar Raghavan, Hinrich Schutze, Introduction to 
Information Retrieval, 27 Oct 2013. 
[6] Dekang Lin, An Information-Theoretic Definition of Similarity, in 
Proc. 15th International Conf. on Machine Learning, Morgan 
Kaufmann, San Francisco, CA, 1998, pp. 296-304. 
[7] Diana Palsetia, Md. Mostofa, Ali Patwary, Kunpeng Zhang, Kathy 
Lee, Christopher Moran, Yves Xie, Daniel Honbo, Ankit Agrawal, 
Wei-keng Liao, Alok Choudhary, User-Interest based Community 
Extraction in Social Networks, ACM, NY, USA, 2012. 
[8] Elie Raad, Richard Chbeir, and Albert Dipanda, User Profile Matching 
in Social Networks, in Proceedings of the 2010 13th International 
Conference on Network Based Information Systems, NBIS’10, 
Washington, DC, USA, 2010, IEEE Computer Society, pp. 297-304. 
[9] Li Xin, Guo Lei, Zhao Yihong Eric, Tag-based Social Interest 
Discovery, Proceedings of the 17th International Conference on World 
Wide Web Beijing, China, ACM, New York, NY, USA, pp. 675- 684. 
[10] Manh Hung Nguyen and Thi Hoi Nguyen, “General Model for 
Similarity Measurement Between Objects”, International Journal of 
Advanced Computer Science and Applications (IJACSA), 6(2), 2015, 
pp. 235-239. 
[11] Nguyễn Thị Hội, Đàm Gia Mạnh, Trần Đình Quế, Độ tương đồng 
ngữ nghĩa các bài viết trên mạng xã hội dựa trên Wikipedia, Hội 
nghị Khoa học Quốc gia Nghiên cứu cơ bản và ứng dụng CNTT lần 
10 - FAIR'10, 8/2017. 
[12] Pavan Kapanipathi, Prateek Jain, Chitra Venkataramani, Amit 
Sheth, User Interests Identification on Twitter Using a Hierarchical 
Knowledge Base, 11th ESWC 2014 (ESWC2014), May 2014. 
[13] Sheng Bin, Gengxin Sun, Peijian Zhang and Yixin Zhou, “Tag-
Based Interest-Matching Users Discovery Approach in Online 
Social Network”, International Journal of Hybrid Information 
Technology, Vol. 9, No. 5, 2016, pp. 61-70. 
[14] Sheetal A Takale, Sushma S Nandgaonkar, “Measuring Semantic 
Similarity Between Words Using Web Documents”, International 
Journal of Advanced Computer Science and Applications (IJACSA), 
Vol. 1, Issue 4, 2010, pp. 78-85. 
[15] Nguyen T. H., Tran D. Q., Dam G. M., Nguyen M. H., Integrated 
Sentiment and Emotion into Estimating the Similarity Among Entries 
on Social Network, International Conference on Industrial Networks 
and Intelligent Systems, INISCOM 2017: Industrial Networks and 
Intelligent Systems, Vol. 221, 2018, pp. 242-253. 
[16] W. B. Cavnar and J. M. Trenkle, N-gram-Based Text 
Categorization, Environmental Research Institute of Michigan, Ann 
Arbor MI, 48113(2), 1994, pp. 161-175. 
[17] Zhao Zhe, Cheng Zhiyuan, Hong Lichan, Hsin Chi Ed Huai, 
Improving User Topic Interest Profiles by Behavior Factorization, 
Department of EECS, University of Michigan, ACM, New York, 
NY, USA, 2015, pp. 1406-1416.
(BBT nhận bài: 01/4/2018, hoàn tất thủ tục phản biện: 03/6/2018) 
0
0,2
0,4
0,6
0,8
1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Sentry
Stopic