Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh số hóa và sự phát triển mạnh mẽ của công nghệ thông tin, hành vi và nhu cầu mua sắm trực tuyến của người tiêu dùng ngày càng gia tăng. Thực tiễn này tạo ra áp lực cạnh tranh lớn cho các doanh nghiệp bán lẻ, buộc họ phải liên tục cập nhật công nghệ nhằm đáp ứng các tiêu chuẩn dịch vụ khắt khe của thị trường. Nhóm tác giả xác định việc sở hữu một nền tảng website riêng là yêu cầu cấp thiết để các nhà bán lẻ mở rộng khả năng tiếp cận khách hàng ngoài phạm vi chi nhánh vật lý, tối ưu hóa quy trình vận hành và nâng cao trải nghiệm mua hàng thông qua các công nghệ hỗ trợ hiện đại.

Đề tài đặt ra các mục tiêu và nhiệm vụ nghiên cứu cụ thể như sau:

  1. Nghiên cứu lý thuyết và khảo sát hiện trạng: Tìm hiểu công nghệ phát triển web hiện đại (ReactJS, NodeJS, MongoDB), nghiên cứu tích hợp API của các dịch vụ bên thứ ba (PayPal, Dimatxa Map, Cloudinary) và tìm hiểu giải pháp xây dựng trợ lý ảo tư vấn bán hàng dựa trên mô hình học sâu BERT.
  2. Xây dựng nền tảng thương mại điện tử: Phát triển hệ thống web kinh doanh hàng công nghệ (điện thoại, máy tính, phụ kiện...) với giao diện trực quan, hỗ trợ quản lý sản phẩm, giỏ hàng, đặt hàng và thanh toán trực tuyến.
  3. Tích hợp trí tuệ nhân tạo: Thiết kế và tích hợp chatbot thông minh hỗ trợ khách hàng tìm kiếm thông tin sản phẩm và tư vấn mua hàng tự động.
  4. Kiểm thử và đánh giá hệ thống: Xây dựng các ca kiểm thử chức năng cho toàn bộ hệ thống từ quản lý tài khoản, đơn hàng, sản phẩm đến module chatbot AI.

Đối tượng và phạm vi nghiên cứu của đồ án bao gồm:

  • Đối tượng nghiên cứu: Quy trình vận hành và tương tác của hai nhóm tác nhân chính trong hệ thống thương mại điện tử là Khách hàng (người dùng cuối thực hiện tìm kiếm, mua hàng, theo dõi đơn và trò chuyện với chatbot) và Quản trị viên (quản lý danh mục, sản phẩm, đơn hàng, người dùng và mã giảm giá).
  • Phạm vi nghiên cứu:
    • Phạm vi người dùng: Phân tích hành vi mua sắm, các yếu tố tác động (thương hiệu, khuyến mãi, giá cả) và mục đích mua hàng.
    • Phạm vi sản phẩm: Phân loại sản phẩm công nghệ theo thương hiệu, chủng loại, tính năng và khoảng giá.
    • Phạm vi thị trường: Khảo sát mô hình hoạt động của các hệ thống bán lẻ công nghệ trực tuyến tại Việt Nam như CellphoneS, Hoàng Hà Mobile và Phong Vũ.
    • Phạm vi kỹ thuật và thời gian: Ứng dụng kiến trúc web 3 tầng (Client-Server), công nghệ MERN stack (MongoDB, Express/NodeJS, ReactJS), framework Flask và mô hình BERT. Đồ án được triển khai thực hiện từ ngày 08/09/2024 đến ngày 10/12/2024 tại Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh.

Cơ sở lý thuyết và phương pháp

Khóa luận thiết lập nền tảng dựa trên các khái niệm, kiến trúc phần mềm và kỹ thuật xử lý ngôn ngữ tự nhiên hiện đại:

  • Kiến trúc hệ thống: Mô hình Client/Server 3 tầng phân tách độc lập giữa tầng giao diện (Client Tier - trình duyệt web hiển thị qua ReactJS), tầng logic xử lý (Application/Processing Tier - NodeJS đóng vai trò máy chủ trung gian xử lý nghiệp vụ và điều hướng API) và tầng lưu trữ dữ liệu (Data Storage Tier - cơ sở dữ liệu MongoDB).
  • Công nghệ phía máy khách (Client-side): Ngôn ngữ JavaScript theo chuẩn ECMAScript, mô hình đối tượng tài liệu (DOM), mô hình đối tượng trình duyệt (BOM) và thư viện ReactJS với cơ chế Virtual DOM giúp tối ưu hóa hiệu năng render giao diện theo thành phần (components). Thư viện giao diện Daisy UI được tích hợp nhằm nâng cao tính thẩm mỹ và đáp ứng tương thích đa thiết bị.
  • Công nghệ phía máy chủ (Server-side): Môi trường thực thi NodeJS vận hành trên V8 Engine của Google Chrome, ứng dụng kiến trúc hướng sự kiện bất đồng bộ (event-driven, non-blocking I/O) giúp xử lý đồng thời lượng lớn kết nối với chi phí tài nguyên thấp.
  • Hệ quản trị cơ sở dữ liệu: Cơ sở dữ liệu hướng tài liệu NoSQL MongoDB kết hợp dịch vụ MongoDB Atlas. Dữ liệu được lưu trữ linh hoạt dưới cấu trúc BSON (tương tự JSON), sử dụng công cụ lưu trữ WiredTiger và hỗ trợ mở rộng ngang qua cơ chế phân mảnh (sharding).
  • Xử lý ngôn ngữ tự nhiên và Trí tuệ nhân tạo: Khung lý thuyết bao quát quá trình tiến hóa từ các hệ thống dựa trên quy tắc (Rule-based, Heuristics, WordNet, biểu thức chính quy Regex) đến các mô hình học máy (Naive Bayes, SVM, HMM, CRF) và học sâu (RNN, LSTM, CNN). Trọng tâm của đề tài là kiến trúc Transformer hai chiều thông qua mô hình BERT (Bidirectional Encoder Representations from Transformers), cho phép nắm bắt ngữ cảnh từ cả hai chiều của chuỗi văn bản.

Phương pháp nghiên cứu thực tế được triển khai qua các bước:

  • Phương pháp khảo sát và phân tích hiện trạng: Thu thập dữ liệu thực tế từ giao diện, chức năng và luồng tương tác của ba hệ thống bán lẻ công nghệ trực tuyến (CellphoneS, Hoàng Hà Mobile, Phong Vũ).
  • Phương pháp phân tích và thiết kế hệ thống hướng đối tượng: Sử dụng ngôn ngữ mô hình hóa thống nhất (UML) để xây dựng biểu đồ ca sử dụng (Use Case Diagram), biểu đồ lớp (Class Diagram) và các biểu đồ tuần tự (Sequence Diagram) chi tiết cho từng nghiệp vụ.
  • Quy trình xây dựng đường ống xử lý ngôn ngữ tự nhiên (NLP Pipeline): Gồm các bước trích xuất và làm sạch văn bản, tiền xử lý (phân đoạn câu, tách từ, loại bỏ stopword, chuyển đổi chữ thường), tinh chỉnh mô hình BERT có sẵn (fine-tuning) cho tập dữ liệu tư vấn thương mại điện tử, đánh giá hiệu năng mô hình qua bộ chỉ số tiêu chuẩn và tích hợp vào dịch vụ web.
  • Nguồn dữ liệu: Dữ liệu mô tả sản phẩm công nghệ (thông số kỹ thuật, hình ảnh, phân loại) và tập dữ liệu câu hỏi - phản hồi dành riêng cho bài toán tư vấn bán hàng trực tuyến.

Thiết kế và triển khai

Hệ thống được thiết kế theo kiến trúc module hóa với các khối chức năng độc lập, kết nối với nhau thông qua giao thức HTTP và chuẩn kiến trúc RESTful API.

Kiến trúc công nghệ và tích hợp dịch vụ

Thành phần hệ thống Công nghệ / Dịch vụ sử dụng Vai trò và chức năng chính
Giao diện người dùng (Frontend) ReactJS, Daisy UI, JavaScript Hiển thị giao diện khách hàng, trang quản trị Admin, điều phối luồng thao tác người dùng qua cơ chế Single Page Application (SPA).
Máy chủ nghiệp vụ (Backend) Node.js, RESTful API Xử lý logic nghiệp vụ thương mại điện tử, xác thực tài khoản, quản lý phiên làm việc và điều phối giao tiếp dữ liệu.
Hệ quản trị CSDL (Database) MongoDB, MongoDB Atlas Lưu trữ dữ liệu cấu trúc BSON không cố định schema, tối ưu hóa tốc độ truy xuất thông qua các chỉ mục phụ.
Hệ thống Chatbot AI Python, Flask, PyTorch, Transformers Chạy dịch vụ nhận diện ý định và sinh câu trả lời tại localhost:5000, nạp mô hình BERT đã fine-tuning để tiếp nhận và phản hồi qua API POST.
Lưu trữ đa phương tiện Cloudinary API Lưu trữ và phân phối hình ảnh sản phẩm chất lượng cao qua đường dẫn trực tuyến.
Thanh toán trực tuyến PayPal SDK / API Tích hợp cổng thanh toán bảo mật cho phép khách hàng hoàn tất giao dịch trực tuyến.
Bản đồ và giao hàng Dimatxa Map API Hỗ trợ xác định vị trí, định tuyến và hỗ trợ quản lý vận chuyển (shipment).

Thiết kế cơ sở dữ liệu

Cơ sở dữ liệu của ứng dụng được xây dựng trên MongoDB, bao gồm 10 bảng (collections) chính phục vụ lưu trữ nghiệp vụ:

  1. users: Lưu trữ thông tin người dùng, bao gồm thông tin đăng nhập, vai trò phân quyền (khách hàng hoặc quản trị viên), thông tin liên hệ và trạng thái xác thực.
  2. products: Chứa toàn bộ thông số chi tiết của sản phẩm công nghệ (tên, giá cả, thương hiệu, mô tả kỹ thuật, hình ảnh, số lượng tồn kho).
  3. categories: Quản lý danh mục sản phẩm (điện thoại, máy tính bảng, laptop, phụ kiện).
  4. brand: Lưu trữ danh sách các thương hiệu sản xuất thiết bị công nghệ.
  5. cart: Quản lý thực thể giỏ hàng gắn liền với từng định danh người dùng.
  6. cartitems: Chi tiết các mặt hàng, số lượng và thuộc tính được thêm vào trong giỏ hàng cụ thể.
  7. orders: Lưu trữ thông tin tổng quát của đơn hàng (thời gian tạo, tổng tiền, phương thức thanh toán, địa chỉ nhận hàng, trạng thái xử lý đơn).
  8. orderitems: Chi tiết từng dòng sản phẩm, đơn giá và số lượng tương ứng trong mỗi đơn đặt hàng.
  9. coupon: Quản lý thông tin mã giảm giá, tỷ lệ chiết khấu và điều kiện áp dụng cho đơn hàng.
  10. reviews: Lưu trữ các phản hồi, đánh giá và nhận xét của khách hàng đối với từng sản phẩm.

Kiểm thử hệ thống

Hệ thống được kiểm thử thông qua các bộ kịch bản kiểm thử chức năng (test cases) cụ thể:

  • Nhóm chức năng quản lý tài khoản: Kiểm tra tính đúng đắn của tiến trình đăng ký, xác thực qua email, đăng nhập, phân quyền truy cập giữa người dùng và quản trị viên, tính năng cập nhật hồ sơ và quy trình quên mật khẩu.
  • Nhóm chức năng giỏ hàng và đơn hàng: Kiểm tra việc thêm/sửa/xóa sản phẩm trong giỏ hàng, áp dụng mã coupon giảm giá, tích hợp định vị địa chỉ giao hàng và quy trình thanh toán qua PayPal.
  • Nhóm chức năng quản lý sản phẩm: Kiểm tra các thao tác thêm mới sản phẩm, sửa đổi thông tin thông số kỹ thuật, cập nhật danh mục, xóa sản phẩm và tải ảnh lên Cloudinary từ trang Admin.
  • Nhóm chức năng Chatbot AI: Kiểm thử việc tiếp nhận truy vấn ngôn ngữ tự nhiên từ giao diện, gọi API tới Flask service tại cổng 5000, khả năng hiểu câu hỏi và độ chính xác của phản hồi tư vấn sản phẩm.

Nội dung chính theo từng chương

CHƯƠNG 1: TỔNG QUAN

Chương mở đầu phân tích bối cảnh chuyển dịch số của ngành bán lẻ công nghệ, xác định tính cấp thiết của việc xây dựng kênh bán hàng trực tuyến tích hợp trí tuệ nhân tạo. Tác giả xác định rõ các mục đích phát triển hệ thống gồm cung cấp đa dạng sản phẩm, minh bạch thông tin thông số kỹ thuật, tối ưu hóa quy trình mua sắm, phát triển cộng đồng và ứng dụng chatbot. Chương cũng làm rõ cách tiếp cận nghiên cứu dựa trên 2 nhóm tác nhân (Khách hàng và Admin), phân định phạm vi phân tích thị trường bán lẻ và kế hoạch thực hiện đồ án gồm 11 giai đoạn triển khai chi tiết từ tháng 09 đến tháng 12/2024.

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT

Tác giả trình bày hệ thống lý thuyết kỹ thuật gồm hai mảng chính:

  • Công nghệ phần mềm: Giới thiệu ngôn ngữ JavaScript, lịch sử chuẩn ECMAScript, kiến trúc hệ thống Client/Server 2 tầng và 3 tầng, thư viện ReactJS cùng lợi thế Virtual DOM; phân tích chi tiết môi trường thực thi NodeJS (non-blocking I/O, V8 engine) và hệ quản trị NoSQL MongoDB (cấu trúc BSON, sharding, công cụ WiredTiger).
  • Xử lý ngôn ngữ tự nhiên: Trình bày vị trí của NLP trong tương quan với Machine Learning và Deep Learning; phân tích cơ chế hoạt động của các mạng nơ-ron học sâu (RNN, LSTM giải quyết hiện tượng mất trí nhớ dài hạn, CNN trong trích xuất ngữ cảnh cục bộ). Chương dành phần lớn dung lượng làm rõ cơ chế của mô hình BERT (dựa trên Transformer đa chiều) và thiết lập quy trình chuẩn gồm 7 giai đoạn: thu thập dữ liệu, trích xuất dọn dẹp văn bản, tiền xử lý, huấn luyện tinh chỉnh mô hình, đánh giá, triển khai dịch vụ API và giám sát cập nhật.

CHƯƠNG 3: KHẢO SÁT HIỆN TRẠNG VÀ MÔ HÌNH HÓA YÊU CẦU

Chương 3 tổng hợp kết quả khảo sát thực tế tại các nền tảng thương mại điện tử lớn tại Việt Nam (CellphoneS, Hoàng Hà Mobile, Phong Vũ), từ đó chỉ ra những ưu điểm về cách sắp xếp danh mục và nhược điểm về khả năng tự động hóa tư vấn bán hàng. Trên cơ sở đó, tác giả xác định danh mục các yêu cầu chức năng và phi chức năng, xây dựng Class Diagram tổng thể và thiết lập 34 bảng đặc tả ca sử dụng chi tiết:

  • Phía Người dùng: Bao gồm 18 use cases như đăng ký, đăng nhập, tìm kiếm, xem chi tiết sản phẩm, quản lý giỏ hàng, đặt hàng, thanh toán trực tuyến, thêm danh sách yêu thích, đánh giá sản phẩm và trò chuyện với chatbot.
  • Phía Quản trị viên (Admin): Bao gồm 16 use cases phục vụ kiểm soát toàn bộ nghiệp vụ quản lý sản phẩm, danh mục, thương hiệu, người dùng, đơn hàng và tạo mã giảm giá.

CHƯƠNG 4: THIẾT KẾ PHẦN MỀM

Nội dung chương tập trung vào việc hiện thực hóa các yêu cầu đã phân tích:

  • Thiết kế cơ sở dữ liệu: Trình bày lược đồ quan hệ và mô tả cấu trúc chi tiết của 10 bảng dữ liệu (cartitems, cart, categories, coupon, orderitems, orders, products, reviews, brand, users).
  • Thiết kế giao diện: Trình bày thiết kế trực quan của 14 giao diện người dùng và trang quản trị (trang chủ, chi tiết sản phẩm, giỏ hàng, màn hình thanh toán, khung chat bot hỗ trợ, quản lý đơn hàng, quản lý danh mục và người dùng).
  • Thiết kế tương tác: Xây dựng 17 lược đồ tuần tự (Sequence Diagram) mô tả luồng trao đổi thông điệp giữa các tầng đối tượng đối với các thao tác cốt lõi như đăng ký, đặt hàng, lọc sản phẩm và tương tác với chatbot.

CHƯƠNG 5: CÀI ĐẶT VÀ KIỂM THỬ

Chương 5 cung cấp tài liệu hướng dẫn quy trình triển khai phần mềm trên môi trường máy trạm localhost. Tác giả hướng dẫn cụ thể cách khởi động các phân hệ độc lập qua giao diện dòng lệnh (terminal) gồm frontend người dùng, trang admin, máy chủ backend NodeJS và dịch vụ Chatbot AI. Nội dung tiếp theo ghi nhận kết quả thực thi các bộ kịch bản kiểm thử (test cases) trên 4 nhóm chức năng chính (quản lý tài khoản; quản lý đơn hàng - giỏ hàng; quản lý sản phẩm; ứng dụng AI), xác nhận tính toàn vẹn của các chức năng phần mềm và khả năng phản hồi của mô hình ngôn ngữ.

CHƯƠNG 6: KẾT LUẬN

Chương tổng kết toàn bộ quá trình thực hiện khóa luận tốt nghiệp, đánh giá mức độ hoàn thành nhiệm vụ nghiên cứu, nêu rõ các kết quả đạt được, thẳng thắn nhìn nhận những mặt nhược điểm kỹ thuật còn tồn tại và đề xuất các định hướng phát triển hoàn thiện hệ thống trong tương lai.

Kết quả và đóng góp

Khóa luận hoàn thành các mục tiêu nghiên cứu và thực hành theo đề cương đã đăng ký với những kết quả cụ thể:

  • Xây dựng thành công hệ thống web thương mại điện tử hoàn chỉnh:
    • Phân hệ máy khách (Client): Cung cấp đầy đủ các tính năng duyệt sản phẩm, lọc theo tiêu chí (giá, danh mục, thương hiệu), giỏ hàng động, thanh toán trực tuyến qua tích hợp cổng PayPal và theo dõi trạng thái đơn hàng.
    • Phân hệ quản trị (Admin): Cho phép quản lý toàn diện vòng đời sản phẩm, kiểm soát người dùng, xử lý đơn đặt hàng, quản lý danh mục và tạo các chương trình khuyến mãi bằng coupon.
  • Tích hợp dịch vụ hỗ trợ bán hàng thông minh (Chatbot):
    • Triển khai thành công mô hình học sâu BERT phục vụ tác vụ tư vấn khách hàng tự động, đóng gói thành dịch vụ web thông qua Flask API chạy trên máy chủ phát triển tại cổng 5000.
    • Mô hình được đánh giá thông qua các chỉ số học máy gồm Độ chính xác (Accuracy), Độ thu hồi (Recall), Độ chính xác phân lớp (Precision) và Điểm F1 (F1-score), cho thấy khả năng hiểu ngữ cảnh hai chiều vượt trội so với các kỹ thuật heuristic hay regex truyền thống.
  • Đóng góp so với nghiên cứu trước:
    • Khắc phục hạn chế của các hệ thống bán hàng truyền thống vốn phụ thuộc vào nhân viên tư vấn trực tiếp hoặc các chatbot dựa trên luật cố định (rule-based) kém linh hoạt.
    • Kết hợp đồng bộ kiến trúc ứng dụng web hiện đại (MERN stack) với mô hình ngôn ngữ lớn (BERT), tạo nên một giải pháp tích hợp khép kín từ khâu tư vấn nhận diện nhu cầu đến khâu hoàn tất giao dịch và thanh toán trực tuyến.

Hạn chế và hướng nghiên cứu tiếp

Khóa luận ghi nhận một số hạn chế kỹ thuật và đề xuất lộ trình hoàn thiện:

  • Hạn chế của hệ thống:
    • Yêu cầu tài nguyên tính toán và thời gian huấn luyện: Mô hình ngôn ngữ BERT sở hữu số lượng tham số rất lớn, đòi hỏi cấu hình phần cứng chuyên dụng (GPU/TPU) và tiêu tốn nhiều thời gian huấn luyện cũng như tinh chỉnh.
    • Phạm vi môi trường triển khai: Toàn bộ hệ thống và dịch vụ AI hiện mới dừng lại ở việc kiểm thử và chạy thực nghiệm trên môi trường máy trạm cục bộ (localhost), chưa kiểm chứng tải thực tế trên môi trường sản xuất.
    • Vấn đề bảo mật và độ trễ: Chưa tối ưu hóa các cơ chế bảo mật xác thực nâng cao cho endpoint API của chatbot; khả năng phản hồi có nguy cơ bị chậm nếu mở rộng lượng người dùng đồng thời trên hạ tầng hạn chế.
  • Hướng nghiên cứu và phát triển tiếp theo:
    • Tối ưu hóa mô hình AI: Chuyển đổi sang sử dụng các phiên bản nén gọn nhẹ của kiến trúc Transformer như DistilBERT hoặc TinyBERT nhằm giảm tiêu thụ tài nguyên phần cứng và gia tăng tốc độ phản hồi.
    • Triển khai đám mây (Cloud Deployment): Đưa toàn bộ hệ sinh thái (Frontend, Backend, Database Atlas, AI Service) lên các nền tảng điện toán đám mây quy mô lớn như AWS, Google Cloud Platform (GCP) hoặc Microsoft Azure để kiểm tra khả năng mở rộng (scalability).
    • Tăng cường bảo mật và tính năng: Tích hợp các giao thức xác thực bảo mật chặt chẽ cho API, hoàn thiện mô-đun quản lý giao vận hàng hóa (shipment tracking) và mở rộng diễn đàn chia sẻ cộng đồng người dùng.

Giá trị tham khảo

Báo cáo khóa luận là tài liệu tham khảo hữu ích cho các nhóm đối tượng:

  • Sinh viên và học viên chuyên ngành Công nghệ thông tin, Kỹ thuật phần mềm: Cung cấp tài liệu tham khảo thực tế về quy trình xây dựng ứng dụng Full-stack từ khâu khảo sát, mô hình hóa UML, thiết kế CSDL NoSQL cho đến lập trình giao diện và viết API nghiệp vụ.
  • Nhà phát triển muốn tích hợp Trí tuệ nhân tạo vào Web: Cung cấp quy trình từng bước xây dựng đường ống NLP Pipeline (từ làm sạch dữ liệu, fine-tuning mô hình BERT bằng PyTorch/Transformers đến đóng gói microservice bằng Flask để kết nối với ReactJS và NodeJS).
  • Phần nội dung đáng tham khảo nhất:
    • Hệ thống 34 bảng đặc tả ca sử dụng chi tiết (Chương 3) và 17 lược đồ tuần tự (Chương 4), hỗ trợ mẫu chuẩn cho việc làm đồ án tốt nghiệp công nghệ phần mềm.
    • Thiết kế cấu trúc 10 bảng cơ sở dữ liệu trên MongoDB (Chương 4), mô tả rõ ràng mối liên kết giữa dữ liệu giỏ hàng, chi tiết đơn hàng và danh mục.

Câu hỏi thường gặp

1. Hệ thống sử dụng công nghệ nào để xây dựng các phân hệ chính?
Hệ thống sử dụng ReactJS và thư viện Daisy UI cho tầng giao diện người dùng và trang quản trị; NodeJS đóng vai trò máy chủ trung gian xử lý RESTful API; MongoDB cùng dịch vụ MongoDB Atlas đảm nhiệm lưu trữ dữ liệu NoSQL; và Python (Flask, PyTorch, Hugging Face Transformers) phục vụ module Chatbot AI.

2. Chatbot tư vấn bán hàng trong đồ án được xây dựng dựa trên kiến trúc nào và triển khai ra sao?
Chatbot được xây dựng dựa trên mô hình học sâu BERT (Bidirectional Encoder Representations from Transformers) có khả năng nắm bắt ngữ cảnh văn bản hai chiều. Dịch vụ chatbot được đóng gói bằng framework Flask, nhận yêu cầu dạng văn bản thông qua phương thức HTTP POST và lắng nghe tại cổng localhost:5000.

3. Cơ sở dữ liệu của ứng dụng gồm những bảng (collection) nào?
Cơ sở dữ liệu MongoDB của hệ thống bao gồm 10 bảng: cartitems, cart, categories, coupon, orderitems, orders, products, reviews, brand, và users.

4. Khóa luận tích hợp các dịch vụ bên thứ ba nào vào hệ thống?
Hệ thống tích hợp 3 dịch vụ bên thứ ba chính: Cloudinary API dùng để lưu trữ và quản lý hình ảnh sản phẩm; PayPal SDK/API cung cấp giải pháp thanh toán đơn hàng trực tuyến; và Dimatxa Map API hỗ trợ chức năng bản đồ và quản lý giao vận (shipment).

5. Nhóm tác giả đã chỉ ra những nhược điểm kỹ thuật nào của mô hình BERT trong đồ án?
Nhóm tác giả chỉ rõ mô hình BERT chứa lượng lớn tham số nên đòi hỏi tài nguyên tính toán cao và thời gian huấn luyện dài, gây khó khăn cho việc triển khai trên các hệ thống đòi hỏi phản hồi thời gian thực với phần cứng hạn chế. Do đó, tác giả đề xuất hướng khắc phục là sử dụng các biến thể rút gọn như DistilBERT hoặc TinyBERT.

Kết luận

Khóa luận tốt nghiệp "Xây dựng ứng dụng web kinh doanh hàng công nghệ và tích hợp chatbot hỗ trợ tư vấn bán hàng" của nhóm sinh viên Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh đã giải quyết trọn vẹn bài toán xây dựng nền tảng thương mại điện tử hiện đại. Công trình kết hợp thành công kiến trúc web 3 tầng trên nền tảng MERN stack với mô hình học sâu BERT phục vụ tư vấn khách hàng tự động. Mặc dù hệ thống vẫn còn giới hạn trong phạm vi thử nghiệm cục bộ và đòi hỏi tài nguyên phần cứng lớn cho việc xử lý ngôn ngữ tự nhiên, báo cáo đã cung cấp đầy đủ căn cứ phân tích, thiết kế UML, lược đồ dữ liệu và kịch bản kiểm thử có giá trị học thuật và ứng dụng kỹ thuật cao.