Phát triển ứng dụng về nấu ăn

Đồ án tốt nghiệp: Phát triển ứng dụng nấu ăn LetWeCook tại ĐH Sư phạm Kỹ thuật TP.HCM

• Tác giả: Võ Trọng Tín
• Người hướng dẫn: ThS. Nguyễn Thủy An
• Trường học: Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh
• Chuyên ngành: Công nghệ Thông tin
• Đề tài: Phát triển ứng dụng về nấu ăn
• Loại tài liệu: Khóa luận tốt nghiệp
• Năm xuất bản: 2025
• Địa điểm: Hồ Chí Minh

Tóm tắt

I. Tổng quan đề tài ứng dụng nấu ăn LetWeCook tích hợp AI

Đề tài ứng dụng nấu ăn LetWeCook tích hợp AI là khóa luận tốt nghiệp kỹ sư Công nghệ Thông tin tại Trường Đại học Sư phạm Kỹ thuật TP.HCM. Công trình do sinh viên Võ Trọng Tín thực hiện dưới sự hướng dẫn chuyên môn của Thạc sĩ Nguyễn Thủy An. Nghiên cứu tập trung giải quyết bài toán quản lý nguyên liệu và gợi ý thực đơn thông minh trong đời sống bận rộn. Nền tảng ứng dụng mô hình kiến trúc phân tán kết hợp công nghệ web hiện đại cùng trí tuệ nhân tạo. LetWeCook không chỉ đơn thuần là sổ tay ẩm thực trực tuyến. Hệ thống vận hành như trợ lý cá nhân hóa trải nghiệm ẩm thực cho người nội trợ hiện đại. Dữ liệu công thức, thành phần dinh dưỡng và sở thích cá nhân được số hóa đồng bộ. Nền tảng đảm bảo khả năng mở rộng dịch vụ linh hoạt trên nền tảng đám mây. Sự phối hợp giữa bộ môn Công nghệ Phần mềm và công nghệ thị giác máy tính tạo nên sản phẩm thực tiễn cao. Khóa luận đáp ứng đầy đủ tiêu chuẩn học thuật và giải quyết trọn vẹn nhu cầu ẩm thực của xã hội.

1.1. Bối cảnh nghiên cứu đề tài tại Đại học Sư phạm Kỹ thuật TP.HCM

Trường Đại học Sư phạm Kỹ thuật TP.HCM luôn chú trọng các đề tài công nghệ gắn liền thực tiễn. Đề tài LetWeCook hình thành nhằm giải quyết áp lực bếp núc của người dân đô thị. Đa số sinh viên và người đi làm thường gặp khó khăn khi chọn món ăn mỗi ngày. Tình trạng lãng phí thực phẩm thừa trong tủ lạnh diễn ra phổ biến. Khóa luận kỹ sư của tác giả Võ Trọng Tín tiếp cận vấn đề theo hướng tin học hóa quy trình nấu nướng. Đề tài vận dụng kiến thức công nghệ phần mềm hiện đại để tự động hóa các thao tác thủ công. Người dùng dễ dàng tra cứu công thức phù hợp với nguyên liệu sẵn có. Sự kết hợp giữa lý thuyết khoa học và kỹ thuật phần mềm mang lại giải pháp toàn diện cho xã hội.

1.2. Mục tiêu kỹ thuật và tính đột phá của hệ thống LetWeCook

Mục tiêu cốt lõi của LetWeCook là xây dựng giải pháp công nghệ tiện ích hỗ trợ sinh hoạt. Nền tảng tích hợp trí tuệ nhân tạo để nhận diện nguyên liệu và cá nhân hóa trải nghiệm. Ứng dụng cung cấp cơ sở dữ liệu phong phú về công thức cùng giá trị dinh dưỡng. Hệ thống theo dõi lịch sử tìm kiếm và đánh giá của người dùng để nâng cao chất lượng đề xuất. Khả năng tính toán khẩu phần và cân đối calo giúp xây dựng lối sống lành mạnh. Sản phẩm chứng minh năng lực triển khai thực tế của sinh viên Khoa Công nghệ Thông tin. Nghiên cứu mở ra tiềm năng thương mại hóa rộng rãi trong lĩnh vực công nghệ thực phẩm tương lai.

II. Phân tích khó khăn nấu nướng và ứng dụng nấu ăn LetWeCook

Người nội trợ đô thị đối mặt với nhiều rào cản lớn khi quản lý bữa ăn gia đình. Việc quyết định thực đơn hàng ngày tốn kém nhiều thời gian suy nghĩ. Nhiều người tích trữ nguyên liệu trong tủ lạnh nhưng không sử dụng kịp thời. Hệ quả là thực phẩm bị hư hỏng và gây lãng phí kinh tế nghiêm trọng. Các ứng dụng nấu ăn truyền thống thiếu tính năng gợi ý thông minh dựa trên đồ có sẵn. Người dùng phải tự đọc từng bài viết rồi tự tổng hợp danh sách nguyên liệu. Việc kiểm soát hàm lượng dinh dưỡng như calo, protein hay chất béo cũng gặp nhiều khó khăn. Người ăn kiêng hoặc người tập luyện thể thao thiếu công cụ theo dõi khẩu phần chính xác. Bên cạnh đó, thao tác nhập dữ liệu bằng chữ viết tạo ra sự bất tiện lớn khi đứng bếp. Việc tìm kiếm công thức bằng văn bản thủ công làm gián đoạn quá trình chế biến. Những hạn chế này thúc đẩy nhu cầu cấp thiết về một ứng dụng thông minh như LetWeCook. Một giải pháp tự động hóa toàn diện sẽ cải thiện chất lượng cuộc sống cho người dùng.

2.1. Thách thức quản lý tồn kho nguyên liệu và hao phí thực phẩm

Nhiều gia đình thường mua sắm thực phẩm theo cảm tính mà không có kế hoạch cụ thể. Tủ lạnh nhanh chóng đầy ắp các loại rau củ và thịt cá tươi sống. Người sử dụng dễ dàng quên mất hạn sử dụng của từng mặt hàng bảo quản. Các nguyên liệu nằm sâu bên trong ngăn chứa thường bị bỏ quên đến khi phân hủy. Vấn đề này gây hao tổn tài chính và làm gia tăng lượng rác thải hữu cơ ra môi trường. Ngoài ra, việc thiếu công cụ phân loại khiến nguyên liệu mới mua chồng chéo lên nguyên liệu cũ. Người nội trợ mất nhiều thời gian lục lọi tủ lạnh mỗi khi chuẩn bị nấu nướng. Sự hỗn loạn trong khâu quản lý thực phẩm tạo ra sự mệt mỏi tinh thần không đáng có.

2.2. Hạn chế của các nền tảng công thức nấu ăn trực tuyến

Các trang web dạy nấu ăn hiện nay thường hoạt động như kho lưu trữ văn bản tĩnh. Người dùng phải tự gõ từ khóa tìm kiếm từng món ăn cụ thể. Khi thiếu nguyên liệu trong nhà, việc tìm món thay thế diễn ra rất khó khăn. Hệ thống tìm kiếm không liên kết tự động giữa nguyên liệu tồn kho với công thức phù hợp. Giao diện chứa nhiều quảng cáo gây gián đoạn trải nghiệm người dùng khi vào bếp. Các bài đăng công thức thường thiếu kiểm định về thành phần dinh dưỡng và calo. Người mắc bệnh lý chuyển hóa không thể xác định món ăn có an toàn hay không. Sự thiếu vắng tính năng cá nhân hóa khiến người dùng nhanh chóng từ bỏ nền tảng.

III. Giải pháp công nghệ của ứng dụng nấu ăn LetWeCook tích hợp AI

Hệ thống LetWeCook áp dụng kiến trúc phân tách rõ ràng giữa phần mềm web và dịch vụ trí tuệ nhân tạo. Lớp ứng dụng chính xây dựng trên nền tảng ASP.NET Core MVC với hiệu năng cao. Mô hình Model-View-Controller giúp phân tách mạch lạc dữ liệu, giao diện hiển thị và bộ điều khiển trung tâm. Entity Framework Core đảm nhiệm vai trò ánh xạ cơ sở dữ liệu quan hệ với các đối tượng mã nguồn. Razor View Engine kết hợp dữ liệu máy chủ để sinh giao diện người dùng trực quan. Điểm nhấn đột phá là dịch vụ microservice AI độc lập phát triển bằng ngôn ngữ Python và thư viện FastAPI. Microservice giao tiếp với máy chủ chính thông qua giao thức RESTful API bảo mật. Mô hình thị giác máy tính tự động nhận dạng ảnh chụp nguyên liệu thực tế. Thuật toán gợi ý thông minh phân tích lịch sử đánh giá để đề xuất món ăn phù hợp khẩu vị cá nhân. Kiến trúc này mang lại khả năng vận hành ổn định và dễ dàng mở rộng khi lưu lượng truy cập tăng vọt.

3.1. Kiến trúc phân tầng ASP.NET Core MVC và Entity Framework Core

Nền tảng chính của LetWeCook xây dựng trên khung lập trình ASP.NET Core MVC. Hệ thống vận hành đa nền tảng và tương thích tốt trên máy chủ Linux lẫn Windows. Máy chủ web Kestrel mang lại tốc độ phản hồi nhanh cùng khả năng tối ưu HTTP/2. Cơ chế Dependency Injection tích hợp sẵn giúp quản lý các dịch vụ nội bộ hiệu quả. Các thực thể dữ liệu như Recipe, User và Comment kết nối chặt chẽ với cơ sở dữ liệu. Entity Framework Core hỗ trợ ánh xạ quan hệ và tối ưu các truy vấn SQL phức tạp. Hệ thống xử lý dữ liệu biểu mẫu mượt mà và bảo vệ an toàn trước các lỗ hổng mạng. Cấu trúc module hóa này giúp việc bảo trì mã nguồn diễn ra thuận lợi.

3.2. Vi dịch vụ FastAPI và xử lý thị giác máy tính nhận diện nguyên liệu

Dịch vụ AI được thiết kế độc lập dưới dạng microservice viết bằng Python và FastAPI. Mô hình xử lý thị giác máy tính nhận diện nhanh chóng các loại thịt, cá và rau củ từ ảnh tải lên. Người dùng chỉ cần chụp ảnh các món đồ trong tủ lạnh bằng điện thoại. Hệ thống phân tích hình ảnh và trả về danh sách nguyên liệu với độ chính xác cao. Dựa trên dữ liệu thu được, thuật toán tự động đối sánh với kho công thức nấu ăn sẵn có. Hệ thống ưu tiên đề xuất các món ăn sử dụng tối đa nguyên liệu hiện diện. Cơ chế bất đồng bộ của FastAPI giúp xử lý đồng thời hàng nghìn yêu cầu mà không nghẽn mạng. Trải nghiệm người dùng nhờ đó trở nên liền mạch và trực quan.

IV. Đánh giá kết quả và tiềm năng ứng dụng nấu ăn LetWeCook

Đồ án tốt nghiệp ứng dụng nấu ăn LetWeCook tích hợp AI đã hoàn thành xuất sắc các mục tiêu đề ra. Sản phẩm đáp ứng yêu cầu khắt khe của hội đồng bảo vệ tại Đại học Sư phạm Kỹ thuật TP.HCM. Ứng dụng mang đến giải pháp thông minh giúp người dùng kiểm soát nguyên liệu và tối ưu chi phí sinh hoạt. Quá trình thử nghiệm cho thấy mô hình AI nhận diện chính xác hầu hết các nguyên liệu phổ biến trên thị trường. Giao diện Razor View trực quan giúp thao tác nấu nướng của người nội trợ trở nên đơn giản hơn. Người dùng dễ dàng theo dõi thành phần dinh dưỡng như calo và chất béo để bảo vệ sức khỏe gia đình. Về mặt kỹ thuật, hệ thống chứng minh tính khả thi cao của mô hình microservice khi kết hợp C# và Python. Dự án sở hữu tiềm năng phát triển lớn nếu mở rộng thành ứng dụng di động đa nền tảng. Hướng phát triển tiếp theo bao gồm tích hợp mạng xã hội chia sẻ công thức và kết nối các chuỗi bán lẻ thực phẩm trực tuyến.

4.1. Hiệu quả thực tiễn trong giảm thiểu lãng phí thực phẩm

Ứng dụng LetWeCook mang lại giá trị thiết thực trong đời sống sinh hoạt hàng ngày. Việc gợi ý món ăn theo đồ có sẵn giúp giảm thiểu lượng thức ăn dư thừa. Người nội trợ tiết kiệm được ngân sách mua sắm thực phẩm mỗi tháng nhờ quản lý tồn kho chặt chẽ. Thông tin dinh dưỡng rõ ràng hỗ trợ xây dựng chế độ ăn uống khoa học cho từng cá nhân. Các chỉ số về lượng calo, chất đạm và chất béo được hiển thị minh bạch cho từng khẩu phần. Tính năng này hỗ trợ tích cực cho những người cần kiểm soát cân nặng hoặc điều trị bệnh lý. Thói quen tiêu dùng thực phẩm bền vững được hình thành tự nhiên thông qua việc sử dụng ứng dụng mỗi ngày.

4.2. Hướng mở rộng nghiên cứu và khả năng thương mại hóa sản phẩm

Đề tài tốt nghiệp của Đại học Sư phạm Kỹ thuật TP.HCM mở ra nhiều tiềm năng phát triển. Hệ thống có thể chuyển đổi thành ứng dụng di động trên nền tảng Flutter hoặc React Native. Nhóm nghiên cứu có thể nâng cấp mô hình học sâu để tăng tốc độ nhận diện ảnh nguyên liệu. Tính năng cộng đồng cho phép người dùng chia sẻ kinh nghiệm và công thức nấu nướng độc quyền. Nền tảng có thể kết nối với các hệ thống siêu thị nhằm tạo tính năng đặt hàng nguyên liệu tự động. Khi tủ lạnh hết đồ, ứng dụng sẽ đề xuất đặt mua các mặt hàng thiết yếu với giá ưu đãi. Hướng đi này giúp hoàn thiện hệ sinh thái công nghệ ẩm thực và thúc đẩy khả năng thương mại hóa lâu dài.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Sự phát triển của công nghệ thông tin đã tác động sâu sắc đến thói quen sinh hoạt hàng ngày, trong đó lĩnh vực ẩm thực ghi nhận nhu cầu tìm kiếm công thức và chia sẻ kinh nghiệm nấu ăn gia tăng rõ rệt. Tuy nhiên, qua khảo sát thực tế của tác giả đối với các nền tảng phổ biến hiện nay như Cookpad, Tasty, Allrecipes và Yummly, phần lớn hệ thống vẫn bộc lộ nhiều điểm hạn chế: thiếu khả năng cá nhân hóa nội dung chuyên sâu theo khẩu vị và hành vi của từng cá nhân; công cụ tìm kiếm và bộ lọc chưa thực sự trực quan; tính năng tương tác cộng đồng còn nghèo nàn; và đặc biệt là chưa có cơ chế hỗ trợ tài chính để ghi nhận đóng góp của tác giả sáng tạo nội dung. Đồ án "Phát triển ứng dụng về nấu ăn" được thực hiện nhằm xây dựng nền tảng ứng dụng web LetWeCook, giải quyết các bất cập trên bằng cách tích hợp các tiện ích quản lý toàn diện cùng các module trí tuệ nhân tạo (AI).

Mục tiêu chính của đề tài là xây dựng hoàn chỉnh ứng dụng web LetWeCook với đầy đủ chức năng quản lý, tương tác và cá nhân hóa trải nghiệm nấu nướng. Để hiện thực hóa mục tiêu này, tác giả xác định 5 nhiệm vụ nghiên cứu cốt lõi theo đề cương:

1. Nghiên cứu và phân tích các yêu cầu từ người dùng để xác định các tính năng cốt lõi của ứng dụng LetWeCook; thiết kế kiến trúc hệ thống và cơ sở dữ liệu nhằm đảm bảo tính ổn định, bảo mật và hiệu quả hoạt động.
2. Xây dựng hệ thống đăng nhập và quản lý hồ sơ an toàn, hỗ trợ đăng nhập truyền thống qua email/mật khẩu, đăng nhập mạng xã hội qua giao thức OAuth2 (Google, Facebook), tính năng khôi phục mật khẩu và cập nhật hồ sơ cá nhân gắn liền với sở thích ăn uống.
3. Triển khai các chức năng quản lý nguyên liệu và công thức nấu ăn (CRUD nguyên liệu, CRUD công thức), tích hợp trí tuệ nhân tạo để đề xuất và tối ưu hóa công thức.
4. Tích hợp tính năng tương tác cộng đồng và hỗ trợ tài chính, bao gồm hệ thống bình luận, đánh giá xếp hạng 1-5 sao, lưu trữ bộ sưu tập cá nhân và tính năng quyên góp (donate) cho tác giả công thức thông qua cổng thanh toán PayPal.
5. Phát triển các tính năng trí tuệ nhân tạo (AI) độc lập, bao gồm gợi ý công thức dựa trên hồ sơ ăn uống, hành vi người dùng và nhận diện nguyên liệu thông qua ảnh chụp tải lên; đồng thời thực hiện kiểm thử và tối ưu hóa toàn bộ hệ thống.

Đối tượng nghiên cứu của đồ án bao gồm:

• Các nền tảng chia sẻ công thức ẩm thực hiện có trên thị trường (Yummly, Cookpad, Allrecipes, Tasty).
• Người dùng ứng dụng nấu ăn, tập trung vào nhu cầu, thói quen tìm kiếm, sở thích ăn kiêng và hành vi tương tác trên môi trường số.

Phạm vi nghiên cứu được giới hạn như sau:

• Về phạm vi tính năng: Tập trung vào các nghiệp vụ quản lý tài khoản, quản trị nguyên liệu, công thức, bộ sưu tập, tương tác đánh giá, thanh toán quyên góp và các tác vụ gợi ý thông minh từ AI.
• Về phạm vi công nghệ: Nền tảng ASP.NET Core MVC, Entity Framework Core, SQL Server, Tailwind CSS, JavaScript/jQuery cho ứng dụng web; Python, FastAPI, Scikit-learn, Pandas, NumPy cho dịch vụ AI; Docker và Kubernetes (GKE) cho hạ tầng triển khai.
• Về thời gian thực hiện: Kế hoạch triển khai theo tiến độ 15 tuần học kỳ, hoàn thành vào tháng 06/2025 tại Trường Đại học Sư phạm Kỹ thuật TP.HCM.

Cơ sở lý thuyết và phương pháp

Khóa luận áp dụng mô hình kiến trúc phần mềm Clean Architecture nhằm tách biệt rõ ràng các tầng nghiệp vụ, hạn chế sự phụ thuộc giữa các thành phần và tối ưu hóa khả năng kiểm thử. Kết hợp với đó là mô hình Model-View-Controller (MVC) trên nền tảng .NET Core. Các công nghệ và thư viện kỹ thuật được sử dụng bao gồm:

• Tầng Domain và Application: Định nghĩa các thực thể cốt lõi (User, Recipe, Collection...), các giao diện dịch vụ (Service Interfaces) và Data Transfer Objects (DTOs), áp dụng nguyên lý Dependency Inversion.
• Tầng Infrastructure: Sử dụng Entity Framework Core (EF Core) tiếp cận theo phương pháp Code-First để ánh xạ đối tượng sang cơ sở dữ liệu quan hệ SQL Server; tích hợp thư viện ASP.NET Core Identity quản trị người dùng; xác thực phân quyền qua giao thức OAuth2 (Google, Facebook); dịch vụ gửi thư Gmail SMTP; lưu trữ tệp đa phương tiện trên nền tảng đám mây Cloudinary.
• Tầng Presentation: Sử dụng ASP.NET Core MVC với Razor View Engine, kết hợp framework CSS tiện ích Tailwind CSS, JavaScript thuần và thư viện jQuery để thực hiện các thao tác AJAX bất đồng bộ.
• Module Trí tuệ nhân tạo: Xây dựng dưới dạng Microservice độc lập sử dụng ngôn ngữ Python và framework FastAPI, kết hợp các thư viện xử lý và học máy Scikit-learn, Pandas, NumPy.
• Bảo mật: Triển khai ASP.NET Core Identity, cơ chế chống tấn công Cross-Site Request Forgery (CSRF Protection) qua mã kiểm thực (token), và mã hóa đường truyền bằng giao thức HTTPS.

Tác giả đã triển khai kết hợp các phương pháp nghiên cứu thực tế sau:

• Phương pháp điều tra, phân tích: Khảo sát trực tiếp nhu cầu người dùng để thu thập số liệu định lượng về mức độ cần thiết của từng chức năng trên ứng dụng nấu ăn.
• Phương pháp thống kê, so sánh: Thu thập dữ liệu vận hành từ các ứng dụng Yummly, Cookpad, Tasty, Allrecipes nhằm phân tích đối chiếu điểm mạnh, điểm yếu và khoảng trống nghiệp vụ.
• Phương pháp đối chiếu, tổng hợp: Tổng hợp yêu cầu thực tế để thiết kế đặc tả hệ thống thông qua các sơ đồ UML (Use Case Diagram, Activity Diagram, Sequence Diagram, Class Diagram) và sơ đồ quan hệ thực thể (ERD).

Nguồn dữ liệu trong nghiên cứu gồm:

• Dữ liệu sơ cấp: Kết quả khảo sát ý kiến người dùng về tính năng và trải nghiệm ứng dụng ẩm thực.
• Dữ liệu thứ cấp: Tài liệu kiến trúc và hướng dẫn kỹ thuật của Microsoft (.NET Core, EF Core), tài liệu FastAPI, Scikit-learn, cùng dữ liệu mẫu về thành phần dinh dưỡng, danh mục nguyên liệu và công thức nấu ăn.

Thiết kế và triển khai

Hệ thống LetWeCook được thiết kế theo kiến trúc phân tầng Clean Architecture, bảo đảm tính độc lập giữa lõi nghiệp vụ và các dịch vụ bên ngoài, kết nối với một dịch vụ phụ trợ AI chuyên trách:

[Presentation Layer] -> ASP.NET Core MVC, Tailwind CSS, jQuery, AJAX
[Domain & Application Layer] -> Core Entities, Service Interfaces, DTOs
[Infrastructure Layer] -> EF Core, SQL Server, Identity, OAuth2, Cloudinary, SMTP
[AI Microservice] -> Python FastAPI, Scikit-learn, Pandas, NumPy

Cơ sở dữ liệu của ứng dụng được xây dựng trên hệ quản trị SQL Server, chuẩn hóa qua 17 bảng dữ liệu phục vụ toàn bộ các phân hệ nghiệp vụ:

Tên bảng trong CSDL	Mục đích lưu trữ và vai trò trong hệ thống
site_users	Thông tin tài khoản người dùng, email, mật khẩu băm, quyền hạn
user_profiles	Hồ sơ chi tiết (họ tên, tiểu sử, ngày sinh, giới tính, liên hệ, ví PayPal)
dietary_preferences	Danh mục các chế độ ăn uống chuẩn trong hệ thống
user_dietary_preferences	Quan hệ liên kết sở thích ăn kiêng của từng người dùng cụ thể
media_urls	Danh mục đường dẫn lưu trữ hình ảnh và video đa phương tiện
ingredient_categories	Phân loại nhóm nguyên liệu (rau củ, thịt, gia vị, hải sản...)
ingredient_details	Chi tiết nguyên liệu: tên, mô tả, hạn dùng, chỉ số dinh dưỡng
detail_media_urls	Liên kết giữa thông tin chi tiết nguyên liệu và tệp đa phương tiện
recipe_details	Thông tin công thức nấu ăn: tiêu đề, khẩu phần, thời gian, độ khó
recipe_ingredients	Danh sách nguyên liệu và định lượng tương ứng trong từng công thức
recipe_tags	Thẻ phân loại công thức (quốc gia, dịp lễ, đặc tính món ăn)
recipe_tags_recipes	Bảng liên kết nhiều-nhiều giữa công thức và các thẻ phân loại
recipe_ratings	Đánh giá xếp hạng (1-5 sao) và nhận xét của người dùng
recipe_collections	Bộ sưu tập công thức cá nhân do người dùng khởi tạo
recipe_collection_items	Danh sách các công thức được lưu trong từng bộ sưu tập
suggestion_feedbacks	Phản hồi của người dùng đối với các đề xuất món ăn từ hệ thống AI
user_requests	Yêu cầu đăng tải công thức hoặc nguyên liệu chờ quản trị viên duyệt

Về quy trình triển khai:

• Đóng gói ứng dụng: Ứng dụng web ASP.NET Core và dịch vụ Python AI được đóng gói thành các Docker Images độc lập.
• Điều phối hệ thống: Hệ thống sử dụng Kubernetes để điều phối các vùng chứa (containers), cấu hình triển khai thực tế trên nền tảng Google Kubernetes Engine (GKE).
• Bảo mật và vận hành: Thiết lập chứng chỉ bảo mật SSL/TLS phục vụ kết nối HTTPS, xây dựng kịch bản kiểm tra tự động và quy trình xử lý lỗi vận hành cho cụm máy chủ.

Nội dung chính theo từng chương

Chương 1: Cơ sở lý thuyết và các công nghệ được sử dụng

Chương này tập trung trình bày các nền tảng lý thuyết và công nghệ xây dựng LetWeCook. Tác giả phân tích mô hình Clean Architecture cùng nguyên lý Dependency Inversion nhằm phân tách hệ thống thành ba tầng chính: Domain, Infrastructure và Presentation. Mô hình MVC trong ASP.NET Core được trình bày chi tiết về luồng tiếp nhận yêu cầu từ Controller, xử lý dữ liệu qua Model và phản hồi giao diện thông qua View. Các tính năng của Entity Framework Core như Change Tracking, LINQ và cơ chế Migration theo hướng Code-First được hệ thống hóa để quản lý cấu trúc bảng trong SQL Server. Về giao diện, tác giả trình bày cách ứng dụng Tailwind CSS để xây dựng giao diện đáp ứng (responsive) và jQuery để xử lý dữ liệu động không tải lại trang. Các giải pháp bảo mật gồm ASP.NET Core Identity, xác thực bên ngoài OAuth2 và phòng chống tấn công CSRF bằng mã bảo vệ được thiết lập đầy đủ.

Chương 2: Phân tích và thiết kế hệ thống

Nội dung chương 2 mở đầu bằng báo cáo khảo sát và phân tích đối chiếu ba website ẩm thực tiêu biểu: Cookpad, Tasty và Allrecipes:

Nền tảng	Tính năng chính	Giao diện	Ưu điểm nổi bật	Nhược điểm chính
Cookpad	Tìm kiếm theo nguyên liệu; chia sẻ công thức; bình luận cộng đồng.	Thiết kế tối giản, thân thiện thiết bị di động.	Cộng đồng lớn, hoạt động tích cực; tìm kiếm thông minh.	Thiếu phân loại chuyên biệt; không có phân tích dinh dưỡng; nhiều tính năng trả phí.
Tasty	Video nấu ăn ngắn; gợi ý theo dịp và chế độ ăn; lưu danh sách nguyên liệu.	Trực quan, tối ưu cho định dạng video và mạng xã hội.	Nội dung trực quan, sinh động; hấp dẫn giới trẻ.	Tương tác người dùng hạn chế; thiếu thông tin kỹ thuật nấu và chỉ số dinh dưỡng.
Allrecipes	Đề xuất cá nhân hóa; lập kế hoạch bữa ăn; phân tích dinh dưỡng chi tiết.	Truyền thống, tập trung vào nội dung văn bản.	Dữ liệu công thức phong phú; có công cụ dinh dưỡng và kế hoạch ăn.	Giao diện lỗi thời; tốc độ tải trang chậm; chưa thu hút người dùng trẻ.

Từ kết quả khảo sát, tác giả xây dựng 14 kịch bản sử dụng (Use Case Scenarios):

1. Đăng ký, đăng nhập truyền thống, đăng nhập OAuth (Google/Facebook) và khôi phục mật khẩu.
2. Cập nhật hồ sơ cá nhân (ảnh đại diện tối đa 10MB các định dạng JPG/JPEG/PNG, thông tin liên lạc, tài khoản PayPal) và thiết lập 12 chế độ ăn uống: None, Vegetarian, Vegan, GlutenFree, Pescatarian, LowCalorie, HighProtein, LowCarb, LowFat, LowSugar, HighFiber, LowSodium.
3. Tìm kiếm công thức theo tên, thời gian nấu, độ khó, khẩu phần và chế độ ăn.
4. Xem chi tiết công thức nấu ăn, thành phần định lượng, các bước chế biến và thông tin dinh dưỡng.
5. Đánh giá xếp hạng từ 1 đến 5 sao và viết bình luận phản hồi.
6. Quản lý công thức cá nhân (thêm, sửa, xóa công thức).
7. Quản lý bộ sưu tập công thức yêu thích theo từng chủ đề.
8. Tìm kiếm nguyên liệu theo tên và phân loại danh mục.
9. Xem thông tin chi tiết nguyên liệu, công dụng và mẹo bảo quản.
10. Quản lý danh sách nguyên liệu cá nhân, hỗ trợ tính năng tự động điền dinh dưỡng bằng AI ("Add Nutrition Values with AI") cùng các chỉ số: Calories, Protein, Carbohydrates, Fat, Sugar, Fiber, Sodium.
11. Gợi ý công thức món ăn từ ảnh chụp nguyên liệu thực tế tải lên.
12. Gợi ý công thức bằng AI dựa trên sở thích, các món đánh giá 4-5 sao, bình luận tích cực và lịch sử ủng hộ tác giả.
13. Hỗ trợ tài chính (donate) cho tác giả công thức thông qua cổng thanh toán PayPal.
14. Quản trị viên xét duyệt yêu cầu đăng tải (phê duyệt, từ chối kèm lý do, hoặc yêu cầu chỉnh sửa) đối với công thức và nguyên liệu mới.

Toàn bộ các ca sử dụng được mô hình hóa qua hệ thống sơ đồ chức năng (Use Case Diagram), lược đồ hoạt động (Activity Diagram), lược đồ tuần tự (Sequence Diagram), lược đồ lớp (Class Diagram) và sơ đồ thực thể mối quan hệ (ERD).

Chương 3: Thiết kế giao diện

Chương 3 trình bày các bản thiết kế giao diện chi tiết của ứng dụng LetWeCook, bao gồm 17 màn hình chức năng:

• Màn hình xác thực: Đăng nhập, Đăng ký, Quên mật khẩu.
• Màn hình điều hướng chính: Trang chủ, 5 biến thể giao diện Gợi ý món ăn, Hồ sơ cá nhân.
• Màn hình quản trị nội dung: Công thức nấu ăn cá nhân, Bộ sưu tập công thức (2 giao diện), Tìm kiếm nguyên liệu, Chi tiết nguyên liệu, Tạo nguyên liệu (2 giao diện), Tìm kiếm công thức, Tạo công thức (2 giao diện), Chi tiết công thức (3 giao diện).
• Màn hình tương tác và tính năng mở rộng: Đánh giá công thức, Gợi ý món ăn dựa trên ảnh chụp nguyên liệu, Giao diện hỗ trợ tài chính cho tác giả qua PayPal. Các giao diện được thiết kế đồng bộ theo chuẩn lưới của Tailwind CSS, tích hợp phân trang động 12 mục mỗi trang (với các nút First, Prev, Next, Last) và các biểu mẫu nhập liệu có kiểm tra tính hợp lệ dữ liệu.

Chương 4: Ứng dụng trí tuệ nhân tạo trong hệ thống

Chương này đi sâu vào quy trình xây dựng các tính năng thông minh trên LetWeCook. Tác giả trình bày chi tiết quy trình học máy:

• Lựa chọn mô hình và thiết kế đặc trưng: Trích xuất các thuộc tính từ hồ sơ người dùng, danh mục sở thích ăn uống, lịch sử tương tác và các đặc trưng nhận dạng nguyên liệu từ hình ảnh.
• Chuẩn bị dữ liệu: Xây dựng cấu trúc dữ liệu huấn luyện, thực hiện tiền xử lý dữ liệu (làm sạch dữ liệu, xử lý giá trị khuyết thiếu và chuẩn hóa véc-tơ đặc trưng).
• Huấn luyện và đánh giá: Thực hiện huấn luyện mô hình phân loại và gợi ý; đánh giá chất lượng mô hình thông qua báo cáo phân loại (Classification Report).
• Triển khai mô hình: Lưu trữ mô hình đã huấn luyện và đóng gói vào API dịch vụ FastAPI bằng Python, cho phép hệ thống web ASP.NET Core gửi truy vấn và nhận kết quả đề xuất trong thời gian thực.

Chương 5: Cài đặt

Chương 5 mô tả chi tiết quá trình đóng gói và phát hành ứng dụng:

• Thiết lập môi trường vận hành đáp ứng yêu cầu của nền tảng .NET Core, SQL Server và Python.
• Xây dựng Dockerfile và tạo các Docker Images cho từng thành phần trong hệ thống.
• Viết cấu hình Kubernetes (các tệp cấu hình Pods, Services, Ingress).
• Thực hiện quy trình triển khai phân tán trên cụm máy chủ Google Kubernetes Engine (GKE).
• Thiết lập kiểm tra khởi chạy hệ thống, giám sát luồng dữ liệu và tổng kết quy trình xử lý sự cố thường gặp trong môi trường phân tán.

Kết quả và đóng góp

Đồ án đã hoàn thành các mục tiêu đề ra và ghi nhận các kết quả cụ thể trong văn bản:

• Kết quả khảo sát nhu cầu người dùng làm tiền đề phát triển hệ thống:
  • 80% người dùng mong muốn tính năng tạo bộ sưu tập công thức yêu thích để truy cập nhanh.
  • 70% người dùng đánh giá tính năng tìm kiếm và bộ lọc nâng cao là rất cần thiết.
  • 60% người dùng coi trọng việc bình luận, đánh giá công thức để tham khảo ý kiến cộng đồng.
  • Hơn 50% người dùng bày tỏ sự hứng thú với tính năng AI gợi ý món ăn theo sở thích cá nhân.
  • Một bộ phận người dùng ủng hộ việc tích hợp cơ chế donate cho tác giả nội dung.
• Kết quả xây dựng phần mềm:
  • Hoàn thiện ứng dụng web LetWeCook trên nền tảng Clean Architecture kết hợp ASP.NET Core MVC, quản trị dữ liệu bằng SQL Server thông qua 17 bảng liên kết.
  • Hiện thực hóa 14 ca sử dụng bao quát các tương tác từ người dùng thông thường đến quản trị viên.
  • Hỗ trợ 12 chế độ ăn uống chuyên biệt phục vụ cá nhân hóa dinh dưỡng.
  • Tích hợp thành công 2 dịch vụ AI độc lập: gợi ý món ăn theo hành vi/sở thích và nhận diện nguyên liệu qua ảnh chụp.
  • Triển khai cổng thanh toán PayPal cho phép quyên góp tài chính trực tiếp tới tác giả công thức.
  • Đóng gói container bằng Docker và triển khai vận hành thành công trên cụm Google Kubernetes Engine (GKE) bảo mật qua HTTPS.

Đóng góp của đồ án:

• Giải quyết bài toán tích hợp giữa một framework web truyền thống (.NET Core) với các dịch vụ học máy hiện đại (FastAPI/Python) trong lĩnh vực ẩm thực.
• Đề xuất mô hình nền tảng ẩm thực kết hợp quản lý dữ liệu cá nhân, nhận diện hình ảnh và cơ chế bảo trợ tác giả trực tiếp, khắc phục các khoảng trống vận hành của những nền tảng thương mại hiện nay.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của đề tài:

• Hệ thống mới chỉ tập trung phát triển trên nền tảng ứng dụng web, chưa xây dựng ứng dụng di động độc lập (native mobile app) trên iOS hoặc Android.
• Khả năng xử lý của mô hình AI nhận diện hình ảnh còn phụ thuộc vào tập dữ liệu huấn luyện và chất lượng ảnh chụp đầu vào.
• Quy trình xét duyệt nội dung công thức và nguyên liệu mới vẫn đòi hỏi thao tác can thiệp thủ công từ phía quản trị viên qua bảng user_requests.

Hướng phát triển tiếp được tác giả xác định:

• Nâng cấp độ chính xác của mô hình học máy nhận diện ảnh khi chụp nhiều nguyên liệu phức tạp cùng lúc.
• Cải tiến thuật toán gợi ý món ăn thông minh dựa trên việc học sâu hơn hành vi dài hạn của người dùng.
• Phát triển ứng dụng di động để tăng tính tiện lợi cho người dùng khi thao tác trực tiếp trong nhà bếp.
• Tự động hóa một phần quy trình kiểm duyệt nội dung nhờ AI trước khi gửi đến quản trị viên.

Giá trị tham khảo

Báo cáo khóa luận có giá trị tham khảo hữu ích cho các nhóm đối tượng:

• Sinh viên chuyên ngành Công nghệ thông tin và Công nghệ phần mềm: Là tài liệu tham khảo chi tiết về việc ứng dụng Clean Architecture trong dự án thực tế với ASP.NET Core, kết hợp Entity Framework Core Code-First và cấu trúc cơ sở dữ liệu quan hệ phức tạp.
• Lập trình viên phát triển hệ thống kết hợp Web và Trí tuệ nhân tạo: Cung cấp phương án kiến trúc phân tách rõ ràng giữa ứng dụng web quản trị và microservice AI viết bằng Python FastAPI.
• Người nghiên cứu về quy trình DevOps và triển khai ứng dụng: Cung cấp tài liệu thực tế về việc đóng gói container bằng Docker, cấu hình tệp manifest và vận hành hệ thống phân tán trên dịch vụ Google Kubernetes Engine (GKE).

Các phần đáng tham khảo nhất trong tài liệu gồm: chương phân tích đặc tả Use Case kèm lược đồ tuần tự (Sequence Diagram), thiết kế cơ sở dữ liệu 17 bảng chuẩn hóa, và quy trình triển khai cụm dịch vụ trên nền tảng GKE.

Câu hỏi thường gặp

1. Ứng dụng LetWeCook hỗ trợ những chế độ ăn uống (Dietary Preferences) cụ thể nào để cá nhân hóa cho người dùng?
Trong hệ thống, người dùng có thể tùy chọn một hoặc nhiều chế độ ăn uống thuộc danh mục 12 lựa chọn: None (không có sở thích đặc biệt), Vegetarian (ăn chay có trứng/sữa), Vegan (thuần chay), GlutenFree (không chứa gluten), Pescatarian (ăn cá, không ăn thịt), LowCalorie (ít calo), HighProtein (giàu protein), LowCarb (ít tinh bột), LowFat (ít chất béo), LowSugar (ít đường), HighFiber (giàu chất xơ), và LowSodium (ít muối).

2. Kiến trúc phần mềm của LetWeCook được tổ chức như thế nào để tích hợp dịch vụ AI vào ứng dụng web?
Ứng dụng sử dụng mô hình Clean Architecture phân tầng: Tầng Domain (thực thể, interface), Tầng Infrastructure (EF Core, SQL Server, Identity), và Tầng Presentation (ASP.NET Core MVC, Tailwind CSS, jQuery). Dịch vụ AI được tách biệt thành một microservice độc lập viết bằng Python và FastAPI, sử dụng các thư viện Scikit-learn, Pandas, NumPy, giao tiếp với hệ thống web chính thông qua các API RESTful.

3. Cơ chế hỗ trợ tài chính cho tác giả công thức trên LetWeCook hoạt động ra sao?
Người dùng chọn nút "Ủng hộ tác giả" trên trang chi tiết công thức, nhập số tiền và lời nhắn tùy chọn. Giao dịch được xử lý qua cổng PayPal tích hợp vào tài khoản PayPal do tác giả thiết lập trong hồ sơ cá nhân. Sau khi giao dịch thành công, công thức được gắn huy hiệu "Được ủng hộ" và giao dịch được lưu vết trong lịch sử của cả hai người dùng.

4. Dữ liệu dinh dưỡng của nguyên liệu được quản lý như thế nào trong hệ thống?
Khi tạo hoặc cập nhật nguyên liệu trong bảng ingredient_details, người dùng có thể tự nhập hoặc sử dụng tính năng "Add Nutrition Values with AI" để hệ thống tự động điền các chỉ số dinh dưỡng gồm: Calories, Protein (g), Carbohydrates (g), Fat (g), Sugar (g), Fiber (g) và Sodium (mg).

5. Quy trình quản trị viên xét duyệt yêu cầu đăng tải nội dung được thiết kế như thế nào?
Thông qua bảng user_requests, quản trị viên truy cập danh sách các công thức và nguyên liệu do người dùng gửi lên. Quản trị viên kiểm tra nội dung chi tiết (hình ảnh, nguyên liệu, hướng dẫn, chỉ số dinh dưỡng) và thực hiện một trong ba thao tác: Phê duyệt (hiển thị công khai), Từ chối (nhập lý do từ chối), hoặc Yêu cầu chỉnh sửa để người dùng hoàn thiện và gửi lại.

Kết luận

Khóa luận tốt nghiệp "Phát triển ứng dụng về nấu ăn" của sinh viên Võ Trọng Tín đã hoàn thành việc xây dựng ứng dụng web LetWeCook theo đúng kế hoạch kỹ thuật đề ra. Đề tài kết hợp thành công kiến trúc Clean Architecture trên nền tảng ASP.NET Core MVC với microservice AI phát triển bằng Python/FastAPI, giải quyết đồng thời các bài toán về quản lý nguyên liệu, tương tác cộng đồng, gợi ý món ăn thông minh và hỗ trợ tài chính cho tác giả qua PayPal. Với cơ sở dữ liệu 17 bảng được thiết kế chặt chẽ và quy trình triển khai hoàn chỉnh trên Google Kubernetes Engine, công trình cung cấp giải pháp kỹ thuật có tính ứng dụng thực tiễn cao trong lĩnh vực công nghệ phần mềm ứng dụng.

Trích đoạn nội dung tài liệu

PHẦN MỞ ĐẦU 1. Tính cấp thiết của đề tài Sự phát triển của công nghệ thông tin đã thay đổi thói quen sinh hoạt, đặc biệt trong lĩnh vực ẩm thực, nơi nhu cầu tìm kiếm công thức nấu ăn và chia sẻ kinh nghiệm ngày càng gia tăng. Từ người nội trợ đến những người đam mê ẩm thực, các ứng dụng web đã trở thành công cụ hữu ích để khám phá và sáng tạo món ăn. Tuy nhiên, nhiều nền tảng hiện nay chưa đáp ứng đầy đủ nhu cầu của người dùng, thiếu các tính năng cá nhân hóa, quản lý công thức hiệu quả và khả năng tương tác cộng đồng.

Trong bối cảnh đó, ứng dụng web LetWeCook được phát triển nhằm cung cấp một nền tảng toàn diện, cho phép người dùng quản lý nguyên liệu và công thức nấu ăn, tương tác qua bình luận, đánh giá, lưu trữ công thức yêu thích vào bộ sưu tập, và hỗ trợ tài chính cho tác giả công thức thông qua PayPal. Đặc biệt, ứng dụng tích hợp trí tuệ nhân tạo (AI) để gợi ý công thức dựa trên sở thích và nhận diện nguyên liệu từ hình ảnh, mang lại trải nghiệm nấu ăn thông minh và tiện lợi. Những tính năng này giúp người dùng không chỉ học hỏi, sáng tạo mà còn kết nối với cộng đồng yêu ẩm thực. Việc nghiên cứu và phát triển ứng dụng web LetWeCook là một yêu cầu cấp thiết, góp phần đáp ứng nhu cầu thực tiễn trong lĩnh vực ẩm thực và thể hiện sự ứng dụng hiệu quả của công nghệ web và AI trong đời sống hiện đại.

Đề tài này mang ý nghĩa quan trọng trong việc nâng cao trải nghiệm người dùng và thúc đẩy sự phát triển của các ứng dụng web thông minh. Mục đích của đề tài Mục đích chính của luận văn này là phát triển một ứng dụng web nấu ăn có tính năng đầy đủ, dễ sử dụng và tối ưu hóa trải nghiệm người dùng. Cụ thể, đề tài sẽ tập trung vào việc xây dựng ứng dụng LetWeCook, giúp người dùng dễ dàng tìm kiếm và chia sẻ các công thức nấu ăn, tạo bộ sưu tập các công thức yêu thích, bình luận và đánh giá các công thức của người khác và đóng góp cho tác giả công thức qua PayPal, từ đó thúc đẩy sự tương tác và gắn kết cộng đồng. Đồng thời, ứng dụng sẽ cung cấp các công cụ để người dùng có thể thêm nguyên liệu, công thức, và cập nhật thông tin cá nhân một cách thuận tiện.

1 Thông qua đề tài này, tôi mong muốn tạo ra một ứng dụng không chỉ hỗ trợ người dùng trong việc tìm kiếm công thức mà còn khuyến khích họ sáng tạo và tương tác với cộng đồng, từ đó nâng cao trải nghiệm và sự gắn kết của người dùng với ứng dụng. Cách tiếp cận và phương pháp nghiên cứu 3. Đối tượng nghiên cứu Đối tượng nghiên cứu của tôi trong dự án này là các ứng dụng nấu ăn hiện có trên thị trường, đặc biệt là các ứng dụng phổ biến như Yummly, Cookpad, và Allrecipes, cùng với các nhu cầu, sở thích và yêu cầu của người dùng đối với một ứng dụng nấu ăn. Việc nghiên cứu các ứng dụng này giúp tôi nhận diện rõ các điểm mạnh, điểm yếu và tính năng thiếu sót, từ đó xác định những yêu cầu và tính năng cần có trong ứng dụng LetWeCook.

Các đối tượng nghiên cứu cụ thể bao gồm: Ứng dụng nấu ăn hiện có trên thị trường: Như Yummly, Cookpad, Allrecipes, từ đó phân tích các tính năng nổi bật và các điểm yếu. Người dùng ứng dụng nấu ăn: Các nhu cầu và yêu cầu của họ đối với một ứng dụng nấu ăn thông qua khảo sát và điều tra. Phạm vi nghiên cứu Phạm vi nghiên cứu bao gồm các khía cạnh sau: • Tính năng của các ứng dụng nấu ăn: So sánh các tính năng của ứng dụng hiện có như tìm kiếm công thức, tạo bộ sưu tập, chia sẻ công thức, đánh giá, bình luận, từ đó đưa ra các yêu cầu cốt lõi cho ứng dụng LetWeCook. • Công nghệ phát triển: Nghiên cứu và chọn lựa công nghệ phù hợp để phát triển ứng dụng LetWeCook, bao gồm các công nghệ như ASP.NET Core, SQL Server, Entity Framework Core,Tailwind CSS, JQuery cho ứng dụng.

Sử dụng Python và FastAPI để phát triển các API cho tính năng AI, bao gồm gợi ý công thức và nhận diện hình ảnh. Scikit-learn, numpy, và pandas hỗ trợ xây dựng mô hình gợi ý công thức dựa trên sở thích đảm bảo hiệu suất cao. 2 • Khảo sát người dùng: Nghiên cứu nhu cầu của người dùng thông qua khảo sát để xác định những tính năng quan trọng, như khả năng tạo bộ sưu tập công thức, tính năng tìm kiếm nâng cao, và bình luận, đánh giá công thức. Để thực hiện nghiên cứu và phát triển ứng dụng LetWeCook, tôi đã áp dụng các phương pháp nghiên cứu chính như sau: • Phương pháp thống kê, so sánh • Phương pháp điều tra phân tích • Phương pháp đối chiếu, tổng hợp 4.

Phân tích những công trình có liên quan Để xây dựng một ứng dụng nấu ăn thực sự hữu ích và phù hợp với nhu cầu người dùng hiện đại, tôi đã tiến hành phân tích và so sánh các ứng dụng nấu ăn phổ biến hiện có trên thị trường. Quá trình này giúp tôi nhận diện rõ các điểm mạnh, điểm yếu cũng như những thiếu sót còn tồn tại trong từng ứng dụng. Cụ thể: • Yummly: Cung cấp một kho công thức đồ sộ cùng khả năng lọc nguyên liệu, nhưng thiếu khả năng cá nhân hóa sâu dựa trên sở thích ăn uống của từng người dùng. Đồng thời, việc chia sẻ công thức giữa người dùng còn hạn chế.

• Cookpad: Cho phép người dùng đăng và chia sẻ công thức nấu ăn, hỗ trợ bình luận, nhưng giao diện chưa thân thiện và việc tìm kiếm công thức đôi khi còn rườm rà, khó tiếp cận với người mới. • Allrecipes: Cung cấp công thức kèm hình ảnh chi tiết, nhưng thiếu các tính năng quản lý cá nhân như tạo bộ sưu tập yêu thích hoặc gợi ý công thức phù hợp với khẩu vị. Tính năng đánh giá cũng chưa được tối ưu hóa để nâng cao tính tương tác. Từ việc phân tích này, tôi rút ra một số điểm yếu chung của các ứng dụng trên: • Thiếu tính cá nhân hóa nội dung dựa trên khẩu vị và hành vi người dùng.

• Chức năng tìm kiếm và lọc công thức chưa thực sự trực quan và hiệu quả. • Khả năng tương tác cộng đồng còn hạn chế (bình luận, đánh giá, gợi ý). • Không có hình thức hỗ trợ tác giả như donate hoặc ghi nhận đóng góp công thức. 3 Để khắc phục các điểm yếu đó, tôi đã xác định những yêu cầu cốt lõi cần có trong ứng dụng LetWeCook, bao gồm: • Tính năng tạo bộ sưu tập cá nhân, cho phép người dùng lưu và phân loại các công thức yêu thích.

• Công cụ tìm kiếm nâng cao, kết hợp phân trang, lọc theo nguyên liệu, chế độ ăn kiêng, độ khó, v. • Chức năng bình luận và đánh giá chi tiết, giúp người dùng chia sẻ kinh nghiệm và cải thiện công thức qua phản hồi cộng đồng. • Tích hợp AI gợi ý công thức dựa trên sở thích cá nhân, lịch sử sử dụng và hành vi người dùng, nhằm mang lại trải nghiệm nấu ăn được “cá nhân hóa hóa” tối đa. • Hỗ trợ Donate qua PayPal, cho phép người dùng gửi lời cảm ơn đến tác giả công thức thông qua quyên góp, tạo động lực cho cộng đồng chia sẻ.

Ngoài ra, tôi cũng đã thực hiện khảo sát người dùng để hiểu rõ hơn về nhu cầu thực tế. Các câu hỏi xoay quanh việc: • Những tính năng nào họ mong muốn nhất trong một ứng dụng nấu ăn (ví dụ: bộ sưu tập, tìm kiếm nâng cao, chia sẻ, đánh giá, gợi ý thông minh). • Mức độ quan trọng của giao diện, tốc độ, tính linh hoạt và khả năng cá nhân hóa. • Các vấn đề họ thường gặp phải khi sử dụng các ứng dụng hiện tại.

Kết quả khảo sát thu được như sau: • 80% người dùng mong muốn có thể tạo bộ sưu tập công thức yêu thích và truy cập nhanh chóng. • 70% cho rằng tính năng tìm kiếm và lọc nâng cao là rất cần thiết. • 60% đánh giá cao việc có thể bình luận và đánh giá công thức, xem phản hồi từ cộng đồng. • Hơn 50% bày tỏ sự hứng thú với việc được gợi ý công thức dựa trên sở thích ăn uống cá nhân thông qua trí tuệ nhân tạo.

• Một phần người dùng cũng mong muốn có hình thức hỗ trợ tác giả như donate nếu họ cảm thấy công thức có giá trị. 4 Những phân tích và khảo sát này đã giúp tôi định hình rõ ràng hơn định hướng phát triển LetWeCook: không chỉ là một ứng dụng cung cấp công thức, mà còn là một nền tảng thông minh, tương tác cao, đề cao tính cá nhân hóa và cộng đồng. Kết quả dự kiến đạt được Dự án LetWeCook hướng đến việc phát triển một ứng dụng web nấu ăn hiện đại, nơi người dùng có thể dễ dàng tìm kiếm, lưu trữ, đánh giá và chia sẻ công thức nấu ăn. Ứng dụng không chỉ đáp ứng các nhu cầu cơ bản mà còn tích hợp những tính năng nâng cao nhằm cá nhân hóa trải nghiệm người dùng và tăng tính tương tác trong cộng đồng.

Người dùng có thể tìm kiếm công thức một cách hiệu quả với các bộ lọc nâng cao như nguyên liệu, chế độ ăn uống, thời gian chế biến và độ khó. Bên cạnh đó, họ có thể tạo bộ sưu tập cá nhân để lưu giữ và phân loại các công thức yêu thích. Việc chia sẻ, bình luận và đánh giá công thức cũng được tích hợp, giúp người dùng tham khảo thêm ý kiến từ cộng đồng và nâng cao chất lượng nội dung. Một điểm nổi bật của LetWeCook là việc ứng dụng trí tuệ nhân tạo (AI) để mang đến trải nghiệm thông minh hơn.

Dự án phát triển một mô hình gợi ý công thức dựa trên sở thích và hành vi người dùng, sử dụng các thư viện như Scikit-learn, numpy và pandas. Ngoài ra, ứng dụng còn hỗ trợ nhận diện nguyên liệu từ hình ảnh để tự động đề xuất công thức phù hợp – một tính năng thực tiễn và tiện lợi, đặc biệt khi người dùng không nhớ rõ tên nguyên liệu. Những tính năng AI này được xây dựng tách biệt thông qua dịch vụ API sử dụng Python và FastAPI, nhằm đảm bảo tính linh hoạt và hiệu suất xử lý cao. Bên cạnh các chức năng nấu ăn, LetWeCook còn hỗ trợ tính năng donate qua PayPal, cho phép người dùng thể hiện sự ủng hộ đối với tác giả của các công thức mà họ yêu thích.