Khóa Luận Tốt Nghiệp: Ứng Dụng Thuật Toán Máy Học Để So Sánh Giá Sản Phẩm Thương Mại Điện Tử

• Tác giả: Phạm Thạch Tú
• Người hướng dẫn: ThS. Trần Tuấn Dũng
• Trường học: Đại học Công nghệ Thông tin - Đại học Quốc gia TP. Hồ Chí Minh
• Chuyên ngành: An toàn thông tin
• Đề tài: Áp dụng các thuật toán máy học trong việc so sánh giá các sản phẩm thương mại điện tử
• Loại tài liệu: Khóa luận tốt nghiệp
• Năm xuất bản: 2022
• Địa điểm: TP. Hồ Chí Minh

• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN ĐỀ TÀI
• 1.1. Lý do chọn đề tài
• 1.2. Phạm vi của đề tài
• 1.3. Các website liên quan
• 2. CHƯƠNG 2: MÔ HÌNH TRÍ TUỆ NHÂN TẠO SỬ DỤNG
• 3. CHƯƠNG 3: PHƯƠNG PHÁP THỰC HIỆN
• 3.1. Phương pháp thu thập dữ liệu
• 3.2. Nguồn thu thập dữ liệu
• 3.3. Quy trình thu thập dữ liệu
• 3.4. Phương pháp tối ưu hóa tìm kiếm
• 3.5. Phương pháp xác định mã định danh cho danh mục
• 3.6. Phương pháp áp dụng mạng nơ ron hồi quy vào việc phân loại tên sản phẩm trong câu tìm kiếm
• 4. CHƯƠNG 4: CÁC CÔNG NGHỆ SỬ DỤNG
• 4.1. Các tính năng của ReactJS
• 4.2. Điểm mạnh khi sử dụng ReactJS
• 4.3. Điểm mạnh khi sử dụng Redux
• 4.4. Cấu trúc của Redux
• 4.5. Điểm mạnh khi sử dụng Sass
• 4.6. Django REST Framework
• 4.6.1. Điểm mạnh khi sử dụng Django REST Framework
• 4.6.2. Cơ chế hoạt động
• 4.7. Giới thiệu PostgreSQL
• 4.8. Cách hoạt động
• 4.9. Giới thiệu Python
• 4.10. Tính năng của Python
• 5. CHƯƠNG 5: TỔNG QUAN KIẾN TRÚC HỆ THỐNG
• 5.1. Hệ thống phía máy
• 5.2. Phía Front-end
• 5.2.1. USE-CASE tìm kiếm sản phẩm
• 5.2.2. USE-CASE tìm kiếm theo danh mục
• 5.2.3. USE-CASE sắp xếp
• 5.2.4. USE-CASE xem chi tiết sản phẩm
• 5.2.5. USE-CASE mua hàng
• 5.2.6. USE-CASE tiếp tục mua hàng
• 5.3. Phía Back-end
• 5.4. Cơ sở dữ liệu
• 5.5. Giao diện trên Web
• 5.5.1. Giao diện trang chủ
• 5.5.2. Giao diện trang sản phẩm theo danh mục
• 5.5.3. Giao diện trang chi tiết sản phẩm
• 5.5.4. Giao diện trang mua hàng
• 5.5.5. Giao diện trên điện thoại
• 5.5.6. Giao diện trang danh mục sản phẩm
• 5.5.7. Giao diện trang chi tiết sản phẩm khám phá thêm
• 5.5.8. Giao diện trang mua hàng mobile
• 5.5.9. Giao diện trang chủ mobile
• 5.5.10. Giao diện trang danh mục sản phẩm mobile
• 5.5.11. Giao diện trang chi tiết sản phẩm mobile
• 6. CHƯƠNG 6: KẾT QUẢ THU ĐƯỢC
• 6.1. Thu thập dữ liệu
• 6.2. Xây dựng Dataset câu tìm kiếm của người dùng
• 6.3. Phát triển ứng dụng web để so sánh giá
• 6.4. Xây dựng bộ phận lọc ngữ nghĩa
• 6.5. So sánh với các sản phẩm liên quan
• 6.6. So sánh các thuật toán trí tuệ nhân tạo
• 7. CHƯƠNG 7: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• DANH MỤC HÌNH
• DANH MỤC BẢNG
• DANH MỤC TỪ VIẾT TẮT
• TÓM TẮT KHÓA LUẬN

I. Thuật toán máy học

Thuật toán máy học đóng vai trò trung tâm trong việc so sánh giá sản phẩm thương mại điện tử. Các mô hình như mạng nơ-ron hồi quy (RNN) và Long Short-Term Memory (LSTM) được sử dụng để phân loại và dự đoán giá sản phẩm. Những thuật toán này giúp xử lý dữ liệu lớn từ các nền tảng thương mại điện tử, từ đó cung cấp kết quả so sánh chính xác và nhanh chóng. Ứng dụng của học máy trong lĩnh vực này không chỉ tối ưu hóa quy trình tìm kiếm mà còn đảm bảo tính khách quan trong việc đánh giá giá cả.

1.1. Phân tích dữ liệu

Phân tích dữ liệu là bước quan trọng trong việc áp dụng thuật toán máy học. Dữ liệu được thu thập từ các nguồn như Lazada, Shopee, và Tiki được xử lý để loại bỏ nhiễu và chuẩn hóa. Các kỹ thuật như XPath và API được sử dụng để trích xuất thông tin sản phẩm. Quá trình này đảm bảo dữ liệu đầu vào chất lượng cao, giúp các mô hình học máy hoạt động hiệu quả hơn.

1.2. Tối ưu hóa thuật toán

Tối ưu hóa thuật toán là yếu tố then chốt để nâng cao độ chính xác của hệ thống. Các phương pháp như gradient descent và backpropagation được áp dụng để điều chỉnh các tham số của mô hình. Việc này giúp giảm thiểu sai số và cải thiện hiệu suất dự đoán. Kết quả là hệ thống có khả năng so sánh giá sản phẩm một cách nhanh chóng và chính xác.

II. So sánh giá sản phẩm

So sánh giá sản phẩm là mục tiêu chính của nghiên cứu này. Hệ thống được xây dựng để cung cấp thông tin giá cả từ nhiều nguồn khác nhau, giúp người dùng đưa ra quyết định mua sắm thông minh. Các tiêu chí so sánh bao gồm giá cả, đánh giá sản phẩm, và ưu nhược điểm. Hệ thống so sánh giá này không chỉ hỗ trợ người tiêu dùng mà còn giúp các nhà bán lẻ cạnh tranh lành mạnh.

2.1. Phân tích thị trường

Phân tích thị trường là bước không thể thiếu trong việc so sánh giá. Nghiên cứu này tập trung vào các nền tảng thương mại điện tử Việt Nam như Shopee, Lazada, và Tiki. Dữ liệu được thu thập và phân tích để xác định xu hướng giá cả và sự biến động thị trường. Kết quả phân tích giúp người dùng hiểu rõ hơn về giá trị thực của sản phẩm.

2.2. Tối ưu hóa giá

Tối ưu hóa giá là quá trình điều chỉnh giá sản phẩm để đảm bảo tính cạnh tranh. Hệ thống sử dụng các thuật toán học máy để dự đoán giá tối ưu dựa trên dữ liệu lịch sử và xu hướng thị trường. Điều này giúp các nhà bán lẻ đưa ra mức giá hợp lý, thu hút khách hàng mà vẫn đảm bảo lợi nhuận.

III. Ứng dụng trong khóa luận tốt nghiệp

Nghiên cứu này được thực hiện trong khuôn khổ khóa luận tốt nghiệp ngành An toàn thông tin. Mục tiêu là áp dụng công nghệ thông tin và học máy để giải quyết vấn đề thực tế trong lĩnh vực thương mại điện tử. Kết quả nghiên cứu không chỉ có giá trị học thuật mà còn mang lại lợi ích thiết thực cho người dùng và doanh nghiệp.

3.1. Phương pháp thực hiện

Phương pháp thực hiện bao gồm thu thập dữ liệu, xử lý dữ liệu, và áp dụng các thuật toán học máy. Quy trình được thiết kế chặt chẽ để đảm bảo tính chính xác và hiệu quả. Các công nghệ như ReactJS, Django REST Framework, và PostgreSQL được sử dụng để xây dựng hệ thống.

3.2. Kết quả và ứng dụng

Kết quả nghiên cứu cho thấy hệ thống có khả năng so sánh giá sản phẩm một cách hiệu quả. Ứng dụng máy học trong lĩnh vực này không chỉ giúp người dùng tiết kiệm thời gian mà còn góp phần ổn định thị trường. Nghiên cứu này mở ra hướng phát triển mới cho các hệ thống so sánh giá trong tương lai.