Khóa luận tốt nghiệp: Xây dựng ứng dụng thương mại điện tử hỗ trợ gợi ý sản phẩm - Đại học Quốc gia TP. Hồ Chí Minh

Dưới đây là meta tags cho bài viết "Khóa luận: Xây dựng ứng dụng thương mại điện tử hỗ trợ gợi ý sản phẩm": { "ai_description": "Xây dựng ứng dụng thương

• Tác giả: Nguyễn Thị Tâm
• Người hướng dẫn: ThS. Trần Anh Dũng
• Trường học: Đại học Công nghệ Thông tin
• Chuyên ngành: Công nghệ phần mềm
• Đề tài: Xây dựng ứng dụng thương mại điện tử hỗ trợ gợi ý sản phẩm
• Loại tài liệu: Khóa luận tốt nghiệp
• Năm xuất bản: 2020
• Địa điểm: TP. Hồ Chí Minh

Tóm tắt

I. Tổng quan về khóa luận xây dựng ứng dụng thương mại điện tử hỗ trợ gợi ý sản phẩm

Khóa luận tốt nghiệp xây dựng ứng dụng thương mại điện tử hỗ trợ gợi ý sản phẩm được thực hiện bởi nhóm sinh viên Nguyễn Thị Tâm và Bùi Thanh Tùng thuộc Khoa Công nghệ Phần mềm, Trường Đại học Công nghệ Thông tin – ĐHQG TP.HCM, dưới sự hướng dẫn của ThS. Trần Anh Dũng, năm 2020. Đề tài tập trung giải quyết bài toán thực tiễn trong lĩnh vực thương mại điện tử đang phát triển mạnh tại Việt Nam và toàn cầu. Thương mại điện tử được Chính phủ Việt Nam xác định là động lực phát triển kinh tế, được quy hoạch tổng thể qua Quyết định 1073/QĐ-TTg năm 2010. Ứng dụng kết hợp nền tảng mua sắm trực tuyến với hệ thống gợi ý sản phẩm thông minh, giúp người dùng tiếp cận hàng hóa phù hợp nhu cầu một cách nhanh chóng. Hệ thống không chỉ đơn thuần là một sàn thương mại điện tử mà còn tích hợp các thuật toán học máy để phân tích hành vi người dùng, từ đó đưa ra các gợi ý cá nhân hóa. Đây là hướng nghiên cứu có giá trị ứng dụng cao trong bối cảnh cạnh tranh thị trường số ngày càng khốc liệt.

1.1. Bối cảnh và động lực nghiên cứu của khóa luận

Thương mại điện tử đang thay đổi cách thức mua bán hàng hóa trên toàn cầu. Người tiêu dùng có thể lựa chọn sản phẩm từ khắp nơi chỉ bằng vài thao tác đơn giản. Tại Việt Nam, lĩnh vực này được coi là nhân tố chính thúc đẩy quá trình quốc tế hóa kinh tế. Trong môi trường cạnh tranh đó, các hệ thống gợi ý sản phẩm trở thành yếu tố then chốt giúp doanh nghiệp giữ chân khách hàng và tăng doanh thu. Nhóm nghiên cứu nhận thấy nhu cầu cấp thiết phải xây dựng một ứng dụng tích hợp hai yếu tố này một cách hiệu quả.

1.2. Mục tiêu và phạm vi nghiên cứu của đề tài

Đề tài hướng đến xây dựng một ứng dụng thương mại điện tử hoàn chỉnh, tích hợp module gợi ý sản phẩm dựa trên thuật toán học máy. Phạm vi nghiên cứu bao gồm thiết kế cơ sở dữ liệu, xây dựng giao diện người dùng, lập trình back-end xử lý nghiệp vụ và triển khai các thuật toán gợi ý. Kết quả cuối cùng là một hệ thống có khả năng phân tích lịch sử mua sắm, hành vi duyệt web của người dùng để đưa ra gợi ý sản phẩm chính xác, cá nhân hóa theo từng cá nhân.

II. Phân tích hệ thống gợi ý sản phẩm trong thương mại điện tử

Hệ thống gợi ý sản phẩm là thành phần cốt lõi quyết định sự thành công của các nền tảng thương mại điện tử hiện đại. Bài toán đặt ra là làm thế nào để hệ thống hiểu được nhu cầu của từng người dùng trong hàng triệu khách hàng với hàng nghìn sản phẩm khác nhau. Có hai hướng tiếp cận chính được nghiên cứu rộng rãi trong lĩnh vực này. Lọc dựa trên nội dung phân tích đặc tính sản phẩm và sở thích người dùng để tìm ra sự tương đồng. Lọc cộng tác khai thác hành vi của cộng đồng người dùng để dự đoán sở thích cá nhân. Mỗi phương pháp có ưu và nhược điểm riêng. Lọc dựa trên nội dung gặp khó khăn với sản phẩm mới chưa có đủ dữ liệu mô tả. Lọc cộng tác gặp vấn đề cold start khi người dùng mới chưa có lịch sử tương tác. Các hệ thống thực tế thường kết hợp cả hai phương pháp để đạt hiệu quả tối ưu. Biểu diễn tf-idf là một trong những kỹ thuật phổ biến được áp dụng để mô tả đặc trưng sản phẩm trong không gian vector.

2.1. Phương pháp lọc dựa trên nội dung trong gợi ý sản phẩm

Lọc dựa trên nội dung xây dựng hồ sơ người dùng từ hai nguồn thông tin chính: mô hình ưu tiên cá nhân và lịch sử tương tác với hệ thống. Thuật toán phân tích các đặc tính của sản phẩm mà người dùng đã xem hoặc mua, sau đó tìm kiếm các sản phẩm có đặc tính tương tự. Biểu diễn tf-idf được sử dụng rộng rãi để vector hóa thông tin sản phẩm. Phương pháp này hoạt động hiệu quả với người dùng đã có lịch sử tương tác phong phú và phù hợp với các danh mục sản phẩm có nhiều thuộc tính mô tả rõ ràng.

2.2. Phương pháp lọc cộng tác và thuật toán k NN

Lọc cộng tác dựa trên nguyên tắc người dùng có sở thích tương tự nhau sẽ thích các sản phẩm giống nhau. Hệ thống thu thập và phân tích lượng lớn dữ liệu về hành vi, hoạt động của nhiều người dùng để dự đoán sở thích cá nhân. Thuật toán k-nearest neighbor và hệ số tương quan Pearson được ứng dụng phổ biến để đo lường độ tương đồng giữa người dùng. Ưu điểm nổi bật của phương pháp này là không cần phân tích nội dung sản phẩm, cho phép gợi ý chính xác ngay cả với các mặt hàng phức tạp như phim, âm nhạc hay thời trang.

III. Giải pháp xây dựng ứng dụng thương mại điện tử tích hợp gợi ý sản phẩm

Giải pháp kỹ thuật được nhóm nghiên cứu đề xuất là xây dựng một hệ thống hybrid kết hợp lọc cộng tác và lọc dựa trên nội dung. Kiến trúc hệ thống gồm ba lớp chính: lớp giao diện người dùng, lớp xử lý nghiệp vụ và lớp dữ liệu. Lớp giao diện cung cấp trải nghiệm mua sắm trực quan, hiển thị gợi ý sản phẩm ở các vị trí chiến lược. Lớp xử lý nghiệp vụ quản lý đơn hàng, giỏ hàng, tài khoản người dùng đồng thời vận hành engine gợi ý. Lớp dữ liệu lưu trữ thông tin sản phẩm, lịch sử giao dịch và ma trận tương tác người dùng-sản phẩm. Engine gợi ý được thiết kế để cập nhật theo thời gian thực khi người dùng tương tác với hệ thống. Thuật toán xử lý ma trận thưa được tối ưu hóa để đảm bảo tốc độ phản hồi nhanh ngay cả khi số lượng người dùng và sản phẩm tăng trưởng lớn. Giao diện quản trị cho phép người vận hành theo dõi hiệu suất hệ thống gợi ý và điều chỉnh tham số phù hợp.

3.1. Thiết kế kiến trúc hệ thống thương mại điện tử

Kiến trúc ứng dụng được thiết kế theo mô hình MVC, tách biệt rõ ràng giữa xử lý dữ liệu, logic nghiệp vụ và giao diện hiển thị. Cơ sở dữ liệu quan hệ lưu trữ thông tin sản phẩm, danh mục, đơn hàng và hồ sơ người dùng. Module gợi ý sản phẩm hoạt động như một dịch vụ độc lập, nhận đầu vào là ID người dùng và trả về danh sách sản phẩm được gợi ý có thứ tự ưu tiên. Hệ thống hỗ trợ đăng ký tài khoản, xác thực, quản lý phiên làm việc và bảo mật thông tin thanh toán theo tiêu chuẩn hiện hành.

3.2. Triển khai thuật toán gợi ý và tối ưu hóa hiệu suất

Thuật toán gợi ý được triển khai theo hai giai đoạn: offline training và online serving. Giai đoạn offline xử lý toàn bộ lịch sử dữ liệu để xây dựng mô hình tương đồng người dùng và sản phẩm. Giai đoạn online sử dụng mô hình đã huấn luyện để trả về gợi ý trong thời gian thực. Kỹ thuật caching được áp dụng để giảm tải tính toán lặp lại. Đánh giá hiệu suất dựa trên các chỉ số precision, recall và F1-score trên tập dữ liệu kiểm tra, đảm bảo chất lượng gợi ý đáp ứng yêu cầu thực tế.

IV. Kết quả ứng dụng và giá trị thực tiễn của khóa luận thương mại điện tử

Kết quả nghiên cứu cho thấy hệ thống thương mại điện tử tích hợp gợi ý sản phẩm mang lại giá trị thực tiễn rõ ràng cho cả doanh nghiệp lẫn người tiêu dùng. Tỷ lệ chuyển đổi mua hàng tăng lên đáng kể khi người dùng nhận được gợi ý phù hợp nhu cầu. Thời gian tìm kiếm sản phẩm giảm xuống, nâng cao trải nghiệm mua sắm tổng thể. Từ góc độ kinh doanh, hệ thống gợi ý giúp tăng giá trị đơn hàng trung bình thông qua upselling và cross-selling thông minh. Mô hình này có thể nhân rộng và áp dụng trong nhiều lĩnh vực khác nhau ngoài thương mại điện tử, bao gồm tin tức, giải trí, giáo dục trực tuyến và dịch vụ ăn uống. Khóa luận đóng góp một nguồn tài liệu tham khảo có giá trị cho sinh viên và nhà nghiên cứu muốn tìm hiểu về giao điểm giữa học máy và phát triển phần mềm ứng dụng. Hướng phát triển tiếp theo có thể khai thác deep learning để cải thiện độ chính xác của mô hình gợi ý.

4.1. Đánh giá hiệu quả hệ thống gợi ý sản phẩm sau triển khai

Hệ thống gợi ý được kiểm thử trên tập dữ liệu thực tế với nhiều kịch bản người dùng khác nhau. Kết quả cho thấy phương pháp hybrid kết hợp lọc cộng tác và lọc nội dung cho độ chính xác vượt trội so với từng phương pháp riêng lẻ. Giao diện người dùng được thiết kế thân thiện, hiển thị gợi ý tại trang chủ, trang sản phẩm và giỏ hàng. Thời gian phản hồi của API gợi ý duy trì dưới 200ms, đảm bảo không ảnh hưởng đến tốc độ tải trang. Phản hồi từ người dùng thử nghiệm cho thấy mức độ hài lòng cao với chất lượng gợi ý được cá nhân hóa.

4.2. Tiềm năng mở rộng và hướng nghiên cứu tương lai

Khóa luận mở ra nhiều hướng nghiên cứu tiếp theo có giá trị. Ứng dụng deep learning, đặc biệt là mạng neural embedding, có thể nâng cao đáng kể chất lượng biểu diễn sản phẩm và người dùng. Tích hợp xử lý ngôn ngữ tự nhiên giúp phân tích đánh giá sản phẩm từ cộng đồng để làm giàu dữ liệu huấn luyện. Mô hình gợi ý theo thời gian thực dựa trên session người dùng là hướng cải tiến tiếp theo. Hệ thống cũng có tiềm năng ứng dụng trong các nền tảng khác như học trực tuyến, streaming nội dung và đặt phòng khách sạn với điều chỉnh phù hợp.

Trích đoạn nội dung tài liệu

Chương 1. GIỚI THIỆU CHUNG 1 1. Lý do chọn đề tài 1 1. Tính năng mới/ khác biệt về chức năng của đề tài so với một số ứng dụng thương mại điện tử hiện nay.

Đối tượng nghiên cứu: 5 1. Phạm vi nghiên cứu 6 1. Phương pháp nghiên cứu 6 Chương 2. KIẾN THỨC NỀN TẢNG 8 2.

Tổng quan về mô hình MVP 8 2. Cấu trúc mô hình MVP 8 2. Tầng trình diễn – Presenter 8 2. Tầng logic dữ liệu – Model 8 2.

Tầng giao diện – View 8 2. Tại sao dùng mô hình MVP 9 2. So sánh MVP và MVC 10 2. Tổng quan về PHP 11 2.

Tạo sao chọn PHP để phát triển server 11 2. Hệ quản trị cơ sở dữ liệu MySQL 13 2. Google Firebase Cloud 14 2. Khái niệm Firebase 14 2.

Chức năng chính của Google Firebase 14 2. Realtime Database – Cơ sở dữ liệu thời gian thực 14 2. Firebase Authentication – Hệ thống xác thực của Firebase 15 2. Firebase Cloud Messaging 15 2.

Lợi ích của Google Firebase 15 2. Triển khai ứng dụng cực nhanh 15 2. Tính linh hoạt và khả năng mở rộng 16 2. Tổng quan về Android 16 2.

Giới thiệu nền tảng Android 16 2. Cấu trúc của hệ điều hành Android 16 2. Giới thiệu hệ điều hành mở Android 17 2. Giới thiệu về chuỗi JSON 17 2.

Khái niệm chuỗi JSON 17 2. Cấu trúc chuỗi JSON 18 2. Các trường hợp nên dùng JSON 19 2. Hệ thống khuyến nghị 19 2.

Các phương pháp trong hệ thống khuyến nghị 21 2. Hệ thống khuyến nghị theo nội dung (Content-based approach) 21 2. Hệ thống khuyến nghị lọc cộng tác (Collaborative filtering) 21 2. Hệ thống khuyến nghị lai (Hybrid recommender system) 24 2.

Thành phần của Apache Spark 27 2. Ưu điểm của Apache Spark 29 Chương 3. XÂY DỰNG HỆ THỐNG 30 3. Xây dựng kiến trúc hệ thống 30 3.

Xác định yêu cầu hệ thống 30 3. Phân tích yêu cầu hệ thống 32 3. Phân tích thiết kế hệ thống 37 3. Danh sách các actors 48 3.

Danh sách các use cases 49 3. Phân tích và thiết kế CSDL 54 3. Bảng Loại sản phẩm 56 3. Bảng Sản phẩm 57 3.

Bảng Chi tiết sản phẩm 58 3. Bảng Đánh giá 59 3. Bảng Giỏ hàng 59 3. Bảng Chi tiết hóa đơn 62 3.

Bảng Chuyển khoản 62 3. Bảng Danh mục loại bài viết 63 3. Bảng Loại bài viết 64 3. Bảng Bài viết 64 3.

Bảng Lưu bài viết 65 3. Bảng Loại nhân viên 65 3. Bảng Nhân viên 66 3. Bảng Địa chỉ nhân viên 67 3.

Bảng Tìm kiếm phổ biến 68 3. Bảng Sản phẩm Flash Sale 68 3. Bảng Sản phẩm đã xem 69 3. Bảng Sản phẩm yêu thích 70 3.

Thiết kế giao diện 71 3. Giao diện ứng dụng. Người dùng chưa đăng nhập 71 3. Người dùng đã đăng nhập 82 3.

Quản trị viên 99 Chương 4. ÁP DỤNG GỢI Ý SẢN PHẨM 109 4. Một số định nghĩa 109 4. Root Mean Squared Error (RMSE) 112 4.

Phương pháp 112 4. Content-based Recommender System 113 4. Neighborhood-based Collaborative Filtering 115 4. Matrix Factorization Collaborative Filtering 120 4.

So sánh kết quả 121 4. Content-based Recommender System 122 4. Neighborhood-based Collaborative Filtering và Matrix Factorization Collaborative Filtering 122 4. Áp dụng Matrix Factorization Collaborative Filtering 123 Chương 5.

KẾT LUẬN, HƯỚNG PHÁT TRIỂN 127 5. Nhược điểm 127 5. Hướng phát triển 127 DANH MỤC HÌNH VẼ Hình 2-1: Mô hình MVP 8 Hình 2-2: So sánh MVP và MVC 10 Hình 2-3: Sự phát triển và độ phổ biến của MySQL 13 Hình 2-4: Google Firebase Cloud 14 Hình 2-5: Cấu trúc hệ điều hành Android 17 Hình 2-6: Ví dụ chuỗi JSON 18 Hình 2-7: Thành phần Apache Spark 27 Hình 3-1: Quy trình xử lý hàng hóa của MyStore 30 Hình 3-2: Biểu đồ use case mức tổng quát 37 Hình 3-4: Biểu đồ use case Đăng nhập 38 Hình 3-6: Biểu đồ use case Quản lý danh mục sản phẩm 39 Hình 3-7: Biểu đồ use case Quản lý sản phẩm 40 Hình 3-8: Biểu đồ use case Quản lý đơn hàng 40 Hình 3-9: Biểu đồ use case Quản lý quảng cáo 41 Hình 3-10: Biểu đồ use case Quản lý bài viết 41 Hình 3-11: Biểu đồ use case Xem bài viết 42 Hình 3-12: Biểu đồ use case Lưu vài viết 42 Hình 3-13: Biểu đồ use case Đặt nhắc nhở xem bài viết 43 Hình 3-14: Biểu đồ use case Quản lý địa chỉ giao hàng 43 Hình 3-15: Biểu đồ use case Quản lý giỏ hàng 44 Hình 3-16: Biểu đồ use case Xem tình trạng đơn hàng 44 Hình 3-17: Biểu đồ use case Tìm kiếm sản phẩm 45 Hình 3-18: Biểu đổ use case Xem sản phẩm 45 Hình 3-19: Biểu đồ use case Quản lý sản phẩm yêu thích 46 Hình 3-20: Biểu đồ use case Đánh giá sản phẩm 46 Hình 3-21: Biểu đồ use case Đặt hàng sản phẩm 47 Hình 3-22: Biểu đồ use case Chat 47 Hình 3-23: Biểu đồ Thống kê doanh thu 48 Hình 3-24: Biểu đồ use case Liên hệ Admin 48 Hình 3-25: Biểu đồ lớp 52 Hình 3-26: Giao diện trang chủ 72 Hình 3-27: Giao diện flash sale 73 Hình 3-28: Giao diện tìm kiếm hàng đầu 74 Hình 3-29: Giao diện Bộ sưu tập yêu thích 75 Hình 3-30: Giao diện Sản phẩm gợi ý 76 Hình 3-31: Giao diện Tìm kiếm sản phẩm 77 Hình 3-32: Giao diện Thông tin sản phẩm 78 Hình 3-33: Giao diện Đăng ký tài khoản 79 Hình 3-34: Giao diện bài viết 80 Hình 3-35: Giao diện thông báo nhắc xem bài viết 81 Hình 3-36: Giao diện tìm kiếm hàng đầu 82 Hình 3-37: Giao diện Giỏ hàng 83 Hình 3-38: Giao diện Nhập thông tin khách hàng 84 Hình 3-39: Giao diện Xác nhận thông tin mua hàng 85 Hình 3-40: Giao diện Đặt hàng thành công 86 Hình 3-41: Giao diện đơn mua 87 Hình 3-42: Giao diện chi tiết đơn hàng 88 Hình 3-43: Giao diện chức năng trong chi tiết sản phẩm 89 Hình 3-44: Giao diện nhắn tin 90 Hình 3-45: Giao diện danh sách tin nhắn 91 Hình 3-46: Giao diện Tài khoản 92 Hình 3-47: Giao diện Shop của tôi 93 Hình 3-48: Giao diện Quản lý đơn hàng 94 Hình 3-49: Giao diện yêu cầu cấp quyền truy cập vào camera và bộ nhớ 95 Hình 3-50: Giao diện thêm sản phẩm mới 96 Hình 3-51: Giao diện Doanh thu 97 Hình 3-52: Giao diện Shop người bán 98 Hình 3-53: Giao diện Quản trị viên 99 Hình 3-54: Giao diện cập nhật trạng thái đơn hàng 100 Hình 3-55: Giao diện quản lý chuyển khoản 101 Hình 3-56: Giao diện chi tiết chuyển khoản 102 Hình 3-57: Giao diện quản lý sản phẩm chờ xác nhận 103 Hình 3-58: Giao diện quản lý danh mục 104 Hình 3-59: Giao diện thêm mới danh mục 105 Hình 3-60: Giao diện sửa/xóa danh mục 106 Hình 3-61: Giao diện quản lý người dùng 107 Hình 3-62: Giao diện chi tiết người dùng 108 Hình 4-1: Utility matrix 109 Hình 4-2: Consine similarity 111 Hình 4-3: Công thức tích similarity giữa A và B 111 Hình 4-4: Sự tương đồng của 2 vector 112 Hình 4-5: Công thức tính RMSE 112 Hình 4-6: Kết quả load dữ liệu Content-based 114 Hình 4-7: Ví dụ feature vector của các item 114 Hình 4-8: Kết quả dự đoán content-based 114 Hình 4-9: RMSE của content-based 114 Hình 4-10: Bảng số sao user U rate cho item I 115 Hình 4-11: Các bước thực hiện Neighborhood-based CF 116 Hình 4-12: Công thức tính hệ sống tương quan Pearson giữa x và y 119 Hình 4-13: Ý tưởng của Matrix Factorization CF 121 Hình 4-14: Một phần Utility matrix 123 Hình 4-15: Một phần kết quả sau khi chuẩn hóa ma trận utility 123 Hình 4-16: Một phần ma trận similarity 123 Hình 4-17: Kết quả gợi ý raw 125 Hình 4-18: Hiển thị kết quả gợi ý trong ứng dụng 125 Hình 4-19: Lịch sử xem sản phẩm của người dùng 126 DANH MỤC BẢNG Bảng 1-1: Bảng so sánh sự khác biệt giữa MyStore và các ứng dụng khác 3 Bảng 3-1: Danh sách actors 49 Bảng 3-2: Danh sách use cases 51 Bảng 3-3: Các lớp của sơ đổ lớp 54 Bảng 3-4: Các đối tượng và thuộc tính của đối tượng 56 Bảng 3-5: Bảng Loại sản phẩm 57 Bảng 3-6: Bảng Sản phẩm 58 Bảng 3-7: Bảng Chi tiết sản phẩm 59 Bảng 3-8: Bảng Đánh giá 59 Bảng 3-9: Bảng Giỏ hàng 60 Bảng 3-10: Bảng Hóa đơn tổng 61 Bảng 3-11: Bảng Hóa đơn 62 Bảng 3-12: Bảng Chi tiết hóa đơn 62 Bảng 3-13: Bảng Chuyển khoản 63 Bảng 3-14: Bảng Danh mục loại bài viết 64 Bảng 3-15: Bảng Loại bài viết 64 Bảng 3-16: Bảng Bài viết 65 Bảng 3-17: Bảng Lưu bài viết 65 Bảng 3-18: Bảng Loại nhân viên 66 Bảng 3-19: Bảng Nhân viên 66 Bảng 3-20: Bảng Địa chỉ khách hàng 67 Bảng 3-21: Bảng Tìm kiếm 68 Bảng 3-22: Bảng tìm kiếm phổ biến 68 Bảng 3-23: Bảng Quảng cáo 68 Bảng 3-24: Bảng Sản phẩm Flash Sale 69 Bảng 3-25: Bảng Sản phẩm đã xem 70 Bảng 3-26: Bảng sản phẩm yêu thích 70 Bảng 3-27: Bảng Chatlist 71 Bảng 3-28: Bảng Chat 71 Bảng 4-1: Neighborhood-based cho kết quả tốt nhất (RMSE nhỏ nhất). 121 DANH MỤC TỪ VIẾT TẮT Từ viết tắt Từ đầy đủ Giải thích TMĐT Thương mại điện tử Hình thức mua sắm online CSDL Cơ sở dữ liệu Cơ sở dữ liệu cho ứng dụng PHP Hypertext Preprocessor Ngôn ngữ lập trình PHP XAMPP X + Apache + Mysql + PHP + Perl Chương trình tạo máy chủ ảo HTTP HyperText Transfer Protocol Giao thức truyền siêu văn bản JSON JavaScript Object Noattion Định dạng trao đổi dữ liệu RS Recommendation System Hệ thống gợi ý sản phẩm dựa theo thông tin người dùng ● TÓM TẮT KHÓA LUẬN Khóa luận “XÂY DỰNG ỨNG DỤNG THƯƠNG MẠI ĐIỆN TỬ HỖ TRỢ GỢI Ý SẢN PHẨM” gồm 05 chương: Chương 1: Giới thiệu về đề tài, đưa ra các điểm nổi bật so với các ứng dụng trước.

Tiếp đến là đề xuất các giải pháp để giải quyết các vấn đề đã đặt ra. Ngoài ra, chương 1 cũng đề cập đến đối tượng nghiên cứu, phạm vi đề tài, phương pháp nghiên cứu. Chương 2: Trình bày các kiến thức nền tảng, các công nghệ và thuật toán gợi ý sản phẩm được sử dụng để xây dựng ứng dụng bán hàng. Chương 3: Trình bày chi tiết quy trình xây dựng hệ thống, từ xác định và phân tích yêu cầu bài toán cho đến xây dựng CSDL, cuối cùng là xây dựng giao diện cho úng dụng.

Chương 4: Tập trung trình bày thuật toán gợi ý sản phẩm. Các kiến thức cần nắm, các loại gợi ý, các số đo, thực nghiệm và kết quả thực nghiệm, sau đó áp dụng vào ứng dụng bán hàng. Chương 5: Kết luận, rút ra được các ưu nhược điểm của ứng dụng và hướng phát triển trong tương lai. GIỚI THIỆU CHUNG 1.

Lý do chọn đề tài Công nghệ thông tin và thương mại điện tử đã được ứng dụng rộng rãi vào đời sống xã hội nói chung và doanh nghiệp nói riêng.