Báo cáo Đồ án: Website Quản lí Cửa hàng Tích hợp Chatbot - ĐH CNTT

Đồ án website quản lí cửa hàng tích hợp chatbot. Báo cáo chi tiết về hệ thống, ứng dụng học máy, NLP, dành cho sinh viên CNTT tham khảo.

• Tác giả: Đặng Hải Thịnh
• Người hướng dẫn: Phan Trung Hiếu
• Trường học: Trường Đại Học Công Nghệ Thông Tin, Đại Học Quốc Gia Thành Phố Hồ Chí Minh
• Đề tài: Website Quản Lý Cửa Hàng Tích Hợp Chatbot
• Loại tài liệu: Đồ án
• Năm xuất bản: 2022
• Địa điểm: Thành Phố Hồ Chí Minh

Tóm tắt

I. Tổng Quan Về Website Quản Lý Cửa Hàng Tích Hợp Chatbot

Website quản lý cửa hàng tích hợp chatbot là giải pháp công nghệ hiện đại nhằm nâng cao hiệu quả quản lý kinh doanh và cải thiện trải nghiệm khách hàng. Hệ thống này kết hợp các tính năng quản lý kho hàng, bán hàng trực tuyến với chatbot thông minh sử dụng xử lý ngôn ngữ tự nhiên (NLP) để tự động trả lời câu hỏi của khách. Đề tài này được thực hiện tại Trường Đại học Công Nghệ Thông Tin, ĐH Quốc gia TP.HCM với mục tiêu xây dựng nền tảng hoàn chỉnh cho quản lý bán lẻ hiện đại. Ứng dụng chatbot AI giúp giảm chi phí nhân sự, tăng tốc độ phục vụ khách hàng 24/7 và cải thiện chất lượng dịch vụ. Website quản lý cửa hàng cung cấp giao diện trực quan cho việc theo dõi hàng tồn kho, doanh số bán hàng và thông tin khách hàng.

1.1. Lý Do Chọn Đề Tài

Lý do chọn website quản lý cửa hàng tích hợp chatbot xuất phát từ nhu cầu thực tiễn của các cửa hàng bán lẻ hiện đại. Các chủ cửa hàng cần công cụ quản lý hiệu quả, tiết kiệm chi phí nhân sự. Chatbot AI là giải pháp tối ưu để tự động hóa giao tiếp với khách hàng, trả lời các câu hỏi phổ biến về sản phẩm, giá cả và chính sách bán hàng. Kết hợp với hệ thống quản lý kho thông minh, doanh nghiệp có thể tối ưu hóa quy trình vận hành và nâng cao trải nghiệm khách hàng.

1.2. Mục Tiêu Và Phạm Vi Nghiên Cứu

Mục tiêu của đề tài là xây dựng hệ thống quản lý cửa hàng hoàn chỉnh với tính năng chatbot thông minh. Phạm vi nghiên cứu bao gồm: phân tích phương pháp học máy và xử lý ngôn ngữ tự nhiên, thiết kế cơ sở dữ liệu cho quản lý hàng hóa và khách hàng, phát triển giao diện người dùng thân thiện, và tích hợp chatbot AI hỗ trợ tiếng Việt. Hệ thống cần đáp ứng yêu cầu bảo mật, hiệu suất cao và khả năng mở rộng trong tương lai.

II. Các Công Nghệ Chính Trong Chatbot Thông Minh

Chatbot thông minh được xây dựng dựa trên các công nghệ tiên tiến như xử lý ngôn ngữ tự nhiên (NLP), học máy (Machine Learning) và mạng nơron nhân tạo (ANN). Hệ thống sử dụng mô hình phân loại văn bản để hiểu ý định của người dùng, kết hợp với thuật toán tính độ tương đồng để tìm câu trả lời phù hợp nhất. Word2Vec và Doc2Vec được ứng dụng để vector hóa văn bản, giúp máy tính hiểu ngữ nghĩa của câu hỏi. Mạng LSTM (Long Short-Term Memory) cho phép chatbot học các mối quan hệ dài hạn trong hội thoại, cải thiện chất lượng tương tác. NLU (Natural Language Understanding) giúp hệ thống phân tích và trích xuất thông tin từ câu hỏi tự nhiên của khách hàng.

2.1. Xử Lý Ngôn Ngữ Tự Nhiên NLP

NLP là nền tảng chính cho chatbot hiểu được ngôn ngữ con người. Các công việc cơ bản bao gồm tokenization (tách từ), POS tagging (gán nhãn từ loại), named entity recognition (nhận diện thực thể). Mô hình biểu diễn văn bản chuyển câu hỏi thành vector số để máy tính xử lý. Độ tương đồng cosine tính mức độ giống nhau giữa câu hỏi với các mẫu đã huấn luyện, từ đó tìm ra câu trả lời tối ưu nhất cho khách hàng.

2.2. Mạng Nơron Nhân Tạo Và Học Máy

Mạng nơron nhân tạo (ANN) sử dụng thuật toán RNN/LSTM để xử lý dãy dữ liệu trong hội thoại. Phương pháp Naive Bayes và Support Vector Machines (SVM) được dùng để phân loại ý định người dùng thành các danh mục cụ thể. K-Nearest Neighbor (KNN) giúp tìm câu trả lời tương tự từ cơ sở dữ liệu huấn luyện. Những phương pháp này cho phép chatbot liên tục học hỏi từ các tương tác trước để cải thiện độ chính xác.

III. Kiến Trúc Hệ Thống Quản Lý Cửa Hàng

Hệ thống quản lý cửa hàng được thiết kế theo mô hình client-server với các tầng chức năng rõ ràng. Tầng giao diện người dùng cung cấp các module quản lý hàng hóa, bán hàng, khách hàng và chatbot tích hợp. Tầng logic ứng dụng xử lý các yêu cầu từ giao diện, quản lý quy trình bán hàng và hội thoại chatbot. Tầng dữ liệu lưu trữ thông tin sản phẩm, đơn hàng, khách hàng và dữ liệu huấn luyện chatbot. Cơ sở dữ liệu (Database) được thiết kế để lưu trữ các mẫu câu hỏi-trả lời, hỗ trợ chatbot đưa ra câu trả lời nhanh chóng và chính xác. Hệ thống được phát triển để mở rộng và bảo mật cao nhất.

3.1. Module Quản Lý Hàng Hóa Và Kho

Module này quản lý danh sách sản phẩm, giá cả, tồn kho và các thông tin liên quan. Cho phép thêm/sửa/xóa sản phẩm, cập nhật số lượng tồn kho theo thời gian thực. Báo cáo kho hàng giúp chủ cửa hàng theo dõi hàng sắp hết, hàng chậm bán để kịp thời điều chỉnh. Tính năng tìm kiếm sử dụng độ tương đồng để gợi ý sản phẩm phù hợp khi khách hàng nhập tên hoặc mô tả.

3.2. Module Chatbot Tích Hợp

Chatbot được tích hợp trực tiếp vào website để tự động trả lời câu hỏi của khách hàng 24/7. Hệ thống sử dụng NLP để hiểu câu hỏi, phân loại ý định người dùng thành các loại: tìm sản phẩm, hỏi giá, chính sách vận chuyển, quy trình thanh toán. Chatbot có thể xử lý hội thoại multi-turn, nhớ lịch sử tương tác để cung cấp trải nghiệm cá nhân hóa cho mỗi khách hàng.

IV. Ứng Dụng Thực Tiễn Và Hướng Phát Triển

Website quản lý cửa hàng tích hợp chatbot mang lại nhiều lợi ích thực tiễn cho doanh nghiệp bán lẻ. Chatbot AI giúp tiết kiệm 60-80% chi phí dịch vụ khách hàng bằng cách tự động hóa các câu hỏi phổ biến. Hệ thống quản lý kho giảm thiểu sai sót, tối ưu hóa vòng quay hàng tồn kho. Dữ liệu khách hàng được lưu trữ tập trung, hỗ trợ phân tích hành vi mua hàng để xây dựng chiến lược marketing hiệu quả. Hướng phát triển tương lai bao gồm tích hợp thanh toán online, hỗ trợ đa ngôn ngữ, AI dự báo xu hướng bán hàng và tối ưu hóa cho mobile.

4.1. Lợi Ích Kinh Tế Và Quản Lý

Triển khai chatbot giúp cửa hàng giảm chi phí nhân sự, tăng số lượng khách được phục vụ mà không cần tăng đội nhân viên. Hệ thống quản lý giúp chủ cửa hàng theo dõi doanh số bán hàng, lợi nhuận theo thời gian thực. Phân tích dữ liệu từ chatbot cung cấp insights về nhu cầu sản phẩm, hành vi khách hàng, hỗ trợ quyết định kinh doanh chính xác hơn.

4.2. Hướng Phát Triển Và Nâng Cấp Tương Lai

Hướng phát triển tiếp theo bao gồm tích hợp thanh toán trực tuyến (Stripe, PayPal), hỗ trợ giao tiếp video với nhân viên, tối ưu hóa chatbot cho tiếng Việt sử dụng các mô hình NLP mới nhất. Thêm chức năng đặt hàng trước, theo dõi đơn hàng real-time, AI dự báo nhu cầu sản phẩm để tối ưu hóa quản lý kho. Phát triển ứng dụng mobile giúp quản lý cửa hàng từ điện thoại 24/7.

Trích đoạn nội dung tài liệu

CHƯƠNG 1. TỔNG QUAN VỀ HỌC MÁY VÀ XỬ LÝ NGÔN NGỮ TỰ NHIÊN 1 PHƯƠNG PHÁP HỌC MÁY 1.1 Trí tuệ nhân tạo 1.1 Định nghĩa Trí tuệ nhân tạo (Artificial Intelligence - AI) là lĩnh vực chuyên nghiên cứu và phát triển các hệ thống (phần mềm và phần cứng) nhằm giải quyết các bài toán giống nhờ cách thức giải quyết của con người trong một ngữ cảnh nào đó. Trí tuệ nhân tạo là một ngành khoa học máy tính, được xây dựng trên một nền tảng lý thuyết chắc chắn và có thể ứng dụng việc tự động hóa các hành vi thông minh của máy tính; giúp máy tính có được những trí tuệ của con người nhờ: biết suy nghĩ và lập luận để giải quyết vấn đề, biết giao tiếp do hiểu ngôn ngữ, biết nói, biết học và tự thích nghi [13].2 Quá trình hình thành và phát triển “Liệu máy tính có khả năng suy nghĩ hay không?” đây là vấn đề được bác học người Anh Alan Turing đưa ra xem xét, ý tưởng xây dựng một chương trình AI xuất hiện lần đầu vào tháng 10/1950. Thực hiện câu trả lời câu hỏi này, ông đã đưa ra khái niệm “phép thử bắt chước” mà sau này người ta gọi là “phép thử Turing”.

Phép thử được thực hiện dưới dạng một trò chơi. Trong đó, có ba đối tượng tham gia trò chơi (gồm hai người và một máy tính). Một người (người thẩm vấn) ngồi trong một phòng kín tách biệt với hai đối tượng còn lại. Người này đặt các câu hỏi và nhận các câu trả lời từ người kia (người trả lời thẩm vấn) và từ máy tính.

Cuối cùng, nếu người thẩm vấn không phân biệt được câu trả lời nào là của người, câu trả lời nào là của máy tính thì lúc đó có thể nói máy tính đã có khả năng “suy nghĩ” giống nhờ người [32]. Tại hội nghị do Marvin Minsky và John McCarthy tổ chức với sự tham dự của vài chục nhà khoa học tại trường Dartmouth (Mỹ) vào năm 1956, tên gọi “Artificial Intelligence” được công nhận chính thức và được dùng cho đến ngày nay. Cũng tại đây, bộ môn nghiên cứu trí tuệ nhân tạo đầu tiên đã được thành lập. 14 Những năm sau đó, các nhà khoa học nhờ John McArthy, Marvin Minsky, Allen Newell và Herbert Simon cùng với những cộng sự đã viết nên những chương trình máy tính giải được những bài toán đại số, chứng minh các định lý và nói được tiếng Anh [32].

Những thập niên tiếp theo một số nghiên cứu đã chứng minh không thể vượt qua với các công nghệ tại thời điểm đó. Đến thập kỷ 60, 70 Joel Moses viết chương trình toán học Macsyma sử dụng cơ sở tri thức đầu tiên thành công. Marvin Minsky và Seymour Papert đưa ra các chứng minh đầu tiên về giới hạn của các mạng nơron đơn giản. Vào đầu những năm 1980, những nghiên cứu thành công liên quan đến AI nhờ các hệ chuyên gia (expert systems) - một dạng của chương trình AI mô phỏng tri thức và các kỹ năng phân tích của một hoặc nhiều chuyên gia con người.

Đến những năm 1990 và đầu thế kỷ 21, AI đã đạt được những thành tựu to lớn nhất, AI được áp dụng trong logic, khai phá dữ liệu, chẩn đoán y học và nhiều lĩnh vực ứng dụng khác trong công nghiệp Hiện nay, khoa học công nghệ phát triển mạnh mẽ, cùng những bộ dữ liệu phong phú, các công cụ phát triển phần mềm miễn phí hoặc giá rẻ đã hỗ trợ rất nhiều cho các nhà nghiên cứu. Từ đó đã thúc đẩy sự phát triển các nghiên cứu về trí tuệ nhân tạo, giúp cho AI thu hút đông đảo các ông lớn nhờ: Facebook, Google, Microsoft. tham gia nghiên cứu, phát triển sản phẩm và mở ra kỷ nguyên mới cho trí tuệ nhân tạo.3 Một số ứng dụng Ngày nay, trí tuệ nhân tạo được ứng dụng theo hai hướng: Thiết kế những máy tính thông minh độc lập với cách suy nghĩ của con người và dùng máy tính để bắt chước quá trình xử lý của con người, một số ứng dụng cơ bản nhờ sau: Nhận dạng chữ viết: Nhận dạng chữ viết ứng dụng trong lĩnh vực nhận dạng chữ in hoặc chữ viết tay và lưu thành văn bản điện tử. Ở Việt Nam, phần mềm VnDOCR do Phòng Nhận dạng & Công nghệ tri thức, Viện Công nghệ Thông tin xây dựng có thể nhận dạng trực tiếp tài liệu bằng cách quét thông qua máy scanner thành các tệp ảnh, chuyển đổi thành các tệp có định dạng *.rtf, giúp người sử dụng không phải gõ lại tài liệu vào máy.

Tương tự với phần mềm nhận dạng chữ viết trong thờ viện, 15 người ta cũng có thể dễ dàng chuyển hàng ngàn đầu sách thành văn bản điện tử một cách nhanh chóng [33]. Nhận dạng tiếng nói: Nhận dạng tiếng nói đóng vai trò quan trọng trong giao tiếp giữa người và máy. Nó giúp máy móc hiểu và thực hiện các hiệu lệnh của con người. Một ứng dụng trong lĩnh vực này là hãng sản xuất xe hơi BMW (Đức) đang tiến hành phát triển một công nghệ mới cho phép các tài xế có thể soạn email, tin nhắn bằng giọng nói trong khi đang lái xe [33].

Dịch tự động: Dịch tự động là công việc thực hiện dịch một ngôn ngữ sang một hoặc nhiều ngôn ngữ khác, không có sự can thiệp của con người trong quá trình dịch. Tuy nhiên, để làm cho máy hiểu được ngôn ngữ là một trong những vấn đề khó nhất của trí tuệ nhân tạo. Thí dụ câu: “bà già đi nhanh quá” cũng có nhiều cách hiểu khác nhau: với cách phân tách từ và cụm từ thành bà già/đi/nhanh quá và bà/già đi/nhanh quá. thì việc dịch câu kiểu nhờ thế này từ tiếng Việt sang tiếng Anh đòi hỏi máy không những phải hiểu đúng nghĩa câu tiếng Việt mà còn phải tạo ra được câu tiếng Anh tương ứng.

Do đó đây vẫn là ứng dụng phức tạp. Tìm kiếm thông tin: Thông tin trên mạng hàng ngày được gia tăng theo cấp số nhân. Việc tìm kiếm thông tin mà người dùng quan tâm bây giờ là tìm đúng thông tin mình cần và phải đáng tin cậy. Theo thống kê, có đến hơn 90% số lượng người Việt Nam lên mạng internet để thực hiện việc tìm kiếm thông tin.

Các máy tìm kiếm (search engine) hiện nay chủ yếu thực hiện tìm kiếm dựa theo từ khóa. Thí dụ, Google hay Yahoo chỉ phân tích nội dung một cách đơn giản dựa trên tần suất của từ khoá, thứ hạng của trang và một số tiêu chí đánh giá khác. Kết quả là rất nhiều tìm kiếm không nhận được câu trả lời phù hợp, thậm chí bị dẫn tới một liên kết không liên quan gì do thủ thuật đánh lừa nhằm giới thiệu sản phẩm hoặc lại nhận được quá nhiều tài liệu không phải thứ ta mong muốn, trong khi đó lại không tìm ra tài liệu cần tìm [33]. Khai phá dữ liệu và phát hiện tri thức: Đây là lĩnh vực cho phép xử lý từ rất nhiều dữ liệu khác nhau để phát hiện ra tri thức mới.

Ngoài ra, ứng dụng trong lĩnh vực này cũng cần phải biết trả lời câu hỏi của người sử dụng chúng từ việc tổng hợp dữ liệu thay vì máy móc chỉ đáp trả những gì có sẵn trong bộ nhớ. Thực tế để làm được điều này rất khó, nó 16 gần nhờ là mô phỏng quá trình học tập, khám phá khoa học của con người. Ngoài ra, dữ liệu thường có số lượng rất lớn, với nhiều kiểu (số, văn bản, hình ảnh, âm thanh, video.) và không ngừng thay đổi. Để tìm ra tri thức thì các chương trình phải đối mặt với vấn đề độ phức tạp tính toán.

Đây là lĩnh vực vẫn còn đang trong giai đoạn đầu phát triển [33]. Lái xe tự động: Theo Sebastian Thrun, Giáo sờ ngành máy tính và kỹ thuật điện của Đại học Carnegie Mellon: ưu điểm lớn nhất của xe tự lái là khả năng loại bỏ sai sót của con người - nguyên nhân dẫn đến 95% số vụ tử vong mỗi năm tại Mỹ do tai nạn giao thông. “Chúng tôi có thể giảm bớt 50% số vụ tai nạn do nguyên nhân này”, ông Sebastian Thrun khẳng định. Chế tạo được ôtô tự lái và an toàn cao cũng là một mục tiêu được Cục nghiên cứu các dự án công nghệ cao Bộ quốc phòng Mỹ DARPA (Defense Advanced Research Projects Agency) khởi xướng và hỗ trợ dưới dạng một cuộc thi mang tên “thách thức lớn của DARPA” (DARPA grand challenge).

Chúng ta hy vọng sẽ đến một ngày, những chiếc ôtô chạy trên đường không cần người lái. Chỉ nói nơi muốn đến, xe sẽ đưa ta đi và đi an toàn [33]. Robot: Nhiều đề án nghiên cứu về robot thông minh và các lĩnh vực liên quan được ứng dụng trong đời sống. Các đề án này hướng đến các sáng tạo công nghệ có nhiều ý nghĩa trong văn hóa, xã hội và công nghiệp, đòi hỏi phải tích hợp nhiều công nghệ, nhờ nguyên lý các tác tử, biểu diễn tri thức về không gian, nhận biết chiến lược, lập luận thời gian thực, nhận dạng và xử lý các chuỗi hình ảnh liên tục trong thời gian thực.

Một trong những ứng dụng đó là đề án RoboCup: tổ chức thi đấu bóng đá giữa các đội robot.1 Các phương pháp học máy Học máy (Machine learning) là một lĩnh vực của trí tuệ nhân tạo liên quan đến việc nghiên cứu và xây dựng các kĩ thuật cho phép các hệ thống "học" tự động từ dữ liệu để giải quyết những vấn đề cụ thể. Ví dụ nhờ các máy có thể "học" cách phân loại thờ điện tử xem có phải thờ rác (spam) hay không và tự động xếp thờ vào thờ mục tương ứng. Học máy rất gần với suy diễn thống kê (statistical inference) tuy có khác nhau về thuật ngữ [25]. Hiện nay có hai cách phổ biến để phân nhóm các thuật toán học máy.

Đó là dựa trên phương thức học (learning style) và dựa trên chức năng (function) của mỗi thuật toán [22]. 17 Các thuật toán học máy theo phương thức học được chia làm 4 nhóm: Học có giám sát, học không giám sát, học bán giám sát, học củng cố. - Học có giám sát (Supervised Learning): Là thuật toán dự đoán đầu ra (outcome) của một dữ liệu mới (new input) dựa trên các cặp (input, outcome) đã biết từ trước. Cặp dữ liệu này còn được gọi là (dữ liệu, nhãn).

Học có giám sát là nhóm phổ biến nhất trong các thuật toán học máy. Phát biểu dưới dạng toán học, học giám sát là khi chúng ta có một tập hợp biến đầu vào X={x1,x0,…,xN} và một tập hợp nhãn tương ứng Y={y1,y2,…,yN}, trong đó xi,yi là các vector. Các cặp dữ liệu biết trước x yi , i X Y được gọi là tập dữ liệu huấn luyện (training data).