Xây Dựng Website Gợi Ý Việc Làm/Thực Tập cho Sinh Viên (ĐH Bách Khoa)

Hướng dẫn xây dựng website gợi ý việc làm cho sinh viên. Khám phá các bước, công nghệ và tính năng cần thiết để tạo một nền tảng hiệu quả.

• Tác giả: Trần Thị Kim Ngân
• Người hướng dẫn: Pgs. Ts. Phạm Trần Vũ
• Trường học: Trường Đại học Bách khoa, Đại học Quốc gia TP. HCM
• Chuyên ngành: Khoa học máy tính
• Đề tài: Xây Dựng Website Gợi Ý Việc Làm/ Thực Tập Cho Sinh Viên
• Loại tài liệu: Luận văn tốt nghiệp
• Địa điểm: Thành phố Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• LỜI CAM ĐOAN
• TÓM TẮT LUẬN VĂN
• 3. CHƯƠNG 1: GIỚI THIỆU
• 1.1. Giới thiệu:
• 1.2. Mục tiêu:
• 1.3. Ứng dụng:
• 1.4. Phạm vi đề tài:
• 4. CHƯƠNG 2: NỀN TẢNG KIẾN THỨC
• 2.1. Tham khảo các hệ thống website cùng chủ đề:
• 2.2. Phân tích ưu và nhược điểm:
• 2.3. Hệ thống gợi ý:
• 2.3.1. Hệ thống gợi ý là gì:
• 2.3.2. Phân loại hệ thống gợi ý:
• 2.3.3. Ma trận Utility:
• 2.3.4. Hệ thống gợi ý được xây dựng:
• 2.3.4.1. Xây dựng bộ từ khóa (keywords):
• 2.3.4.2. Học mô hình biểu diễn của user:
• 2.4. Công nghệ của hệ thống:
• 2.4.1. Front-end: HTML, CSS, Javascript:
• 2.4.2. Back-end: PHP
• 2.4.3. Cơ sở dữ liệu: MySQL
• 5. CHƯƠNG 3: PHÂN TÍCH VÀ THIẾT KẾ HỆ THỐNG
• 3.1. Use case:
• 3.1.1. Use case của người dùng:
• 3.1.2. Use case của quản trị viên:
• 3.2. Đặc tả use case:
• 3.2.1. Người dùng (User):
• 3.2.2. Quản trị viên (admin):
• 3.3. Lưu đồ hoạt động hệ thống:
• 3.3.1. Lưu đồ hoạt động của chức năng Đăng ký:
• 3.3.2. Lưu đồ hoạt động của chức năng Đăng nhập:
• 3.3.3. Quy trình tìm kiếm:
• 3.3.4. Quy trình quản lý thông tin cá nhân:
• 3.3.5. Quy trình xem danh sách việc làm:
• 3.3.6. Quy trình xem chi tiết việc làm:
• 3.3.7. Quy trình Quản lý đối với admin:
• 6. CHƯƠNG 4: THỰC THI HỆ THỐNG
• 4.1. Xây dựng Database
• 4.2. Mô tả database:
• 4.3. Xây dựng cấu trúc mã nguồn:
• 4.4. Giao diện hệ thống
• 4.4.1. Trang chủ:
• 4.4.2. Chức năng Đăng nhập:
• 4.4.3. Trang tìm kiếm việc làm:
• 4.4.4. Trang danh sách việc làm:
• 4.4.5. Trang chi tiết việc làm:
• 4.4.6. Trang quản lý thông tin cá nhân:
• 4.4.7. Trang quản trị viên:
• 7. CHƯƠNG 5: VẬN HÀNH KHAI THÁC HỆ THỐNG
• 8. CHƯƠNG 6: KIỂM THỬ VÀ ĐÁNH GIÁ
• 6.1. Kiểm thử:
• 6.2. Đánh giá hệ thống:
• 6.3. Khuyến nghị:
• 9. CHƯƠNG 7: ĐỊNH HƯỚNG PHÁT TRIỂN
• 7.1. Tổng kết sau Luận văn:
• 7.1.1. Đối với tìm hiểu nghiệp vụ:
• 7.1.2. Đối với kiến thức lý thuyết và công nghệ:
• 7.1.3. Đối với phân tích và thiết kế hệ thống:
• 7.1.4. Đối với hiện thực hệ thống:
• 7.2. Định hướng phát triển hệ thống:
• Tài liệu tham khảo
• Danh sách hình ảnh
• Danh sách các bảng

Tóm tắt

I. Tổng quan về Xây Dựng Website Gợi Ý Việc Làm 55 ký tự

Việc làm đóng vai trò quan trọng, không chỉ tạo nguồn kinh tế mà còn mang lại niềm vui khi phù hợp với bản thân. Tìm kiếm việc làm là nỗi lo của nhiều sinh viên, đặc biệt là khi tìm việc thực tập. Một công việc đầu tiên ý nghĩa sẽ là bước đệm quan trọng để phát triển sự nghiệp sau này. Ngày nay, việc tìm kiếm việc làm đã trở nên dễ dàng hơn nhờ internet, thay vì tìm kiếm thông tin tại các trung tâm môi giới. Tuy nhiên, thông tin tràn lan trên mạng khiến việc lựa chọn trở nên khó khăn hơn. Xây dựng website gợi ý việc làm là một giải pháp hữu ích để hỗ trợ sinh viên tìm kiếm việc làm phù hợp với kỹ năng và kinh nghiệm, giảm bớt gánh nặng tìm kiếm việc làm cho sinh viên.

1.1. Mục tiêu Tạo Nền Tảng Tìm Việc Làm Thân Thiện 48 ký tự

Mục tiêu chính là xây dựng một nền tảng tìm kiếm việc làm thân thiện và dễ sử dụng cho sinh viên. Website sẽ cung cấp các gợi ý việc làm phù hợp nhất dựa trên thông tin cá nhân, ngành học, kỹ năng và khu vực mong muốn. Sinh viên có thể ứng tuyển trực tiếp thông qua website. Đối với sinh viên mới, website sẽ dựa vào thông tin cung cấp như ngành học, kinh nghiệm và vị trí mong muốn để đưa ra các gợi ý phù hợp. Website còn có thể được sử dụng cho những người không phải là sinh viên, tuy nhiên mục tiêu chính vẫn là hỗ trợ sinh viên tìm kiếm việc làm một cách thuận tiện nhất.

1.2. Ứng dụng Thực Tế của Website Tuyển Dụng Trực Tuyến 54 ký tự

Website mang đến những ứng dụng thiết thực cho các bên liên quan. Đối với sinh viên, website giúp tìm kiếm việc làm phù hợp, từ đó phát huy nhiệt huyết và thể hiện bản thân, tránh tình trạng chọn một công việc không phù hợp. Đối với doanh nghiệp, website giúp tiếp cận nguồn ứng viên tiềm năng, từ đó chọn được người phù hợp nhất với công ty. Đối với xã hội, website hỗ trợ giảm thiểu tỷ lệ thất nghiệp, đồng thời giảm gánh nặng cho xã hội, góp phần vào sự phát triển chung.

II. Vấn Đề Khi Thiết Kế Web Tuyển Dụng Giải Pháp 59 ký tự

Việc làm luôn là vấn đề được quan tâm hàng đầu, thúc đẩy việc nghiên cứu và phát triển các giải pháp hỗ trợ tìm kiếm việc làm. Đề tài này tập trung vào việc xây dựng một website hỗ trợ tìm kiếm việc làm cho sinh viên, đặc biệt là trong lĩnh vực Khoa học và Kỹ thuật máy tính. Các website hỗ trợ tìm việc làm hiện nay thường tập trung vào việc tổng hợp thông tin, cung cấp một môi trường giao tiếp giữa nhà tuyển dụng và ứng viên. Tuy nhiên, vẫn còn tồn tại một số hạn chế như thông tin quá nhiều, gây rối loạn cho ứng viên, tập trung hỗ trợ nhà tuyển dụng hơn là ứng viên.

2.1. So Sánh và Phân Tích Các Website Đăng Tin Tuyển Dụng 57 ký tự

Hiện nay có nhiều trang web hỗ trợ tìm kiếm việc làm như Vietnamworks, Careerlink, Timviec365.vn. Tuy nhiên, các trang này vẫn còn tồn tại những điểm yếu: Thông tin quá nhiều gây rối loạn, tập trung vào nhà tuyển dụng hơn là ứng viên, và thường ưu tiên những ứng viên có kỹ năng cao, kinh nghiệm làm việc nhiều năm. Chính vì vậy, việc xây dựng một website hỗ trợ tìm kiếm việc làm và thực tập cho sinh viên là một giải pháp thiết thực. Điểm khác biệt của website này là sử dụng hệ thống gợi ý (Recommendation System) để hỗ trợ ứng viên tìm kiếm việc làm phù hợp.

2.2. Giải Pháp Website Nhân Sự Ứng Dụng Hệ Thống Gợi Ý 58 ký tự

Hệ thống gợi ý là một dạng của hệ thống lọc thông tin, sử dụng dữ liệu để dự đoán sở thích của người dùng đối với một sản phẩm cụ thể. Trong hệ thống gợi ý, có hai thành phần chính: người dùng và sản phẩm. Người dùng có thể là người xem phim, mua hàng, hoặc tìm kiếm việc làm. Sản phẩm có thể là một món hàng, một bộ phim, hoặc một công việc cụ thể. Sử dụng nền tảng web việc làm giúp tăng hiệu quả của việc tìm kiếm.

III. Phương Pháp Xây Dựng Website Gợi Ý Việc Làm Hiệu Quả 58 ký tự

Để xây dựng một hệ thống gợi ý hiệu quả, cần có nền tảng kiến thức vững chắc. Có nhiều loại hệ thống gợi ý khác nhau, bao gồm Content-based systems, Neighborhood-based Collaborative Filtering. Mỗi loại hệ thống có ưu điểm và nhược điểm riêng, phù hợp với các loại dữ liệu khác nhau. Ma trận Utility là một công cụ quan trọng để biểu diễn mức độ quan tâm của người dùng đối với các sản phẩm.

3.1. Sử Dụng Thuật Toán TF IDF Trong Phát Triển Web Tìm Việc 59 ký tự

Trong hệ thống content-based, cần xây dựng một bộ đặc trưng cho mỗi item. Đặc trưng có thể được biểu diễn dưới dạng vector n chiều. Trong nhiều trường hợp, các đặc trưng có thể được trích xuất trực tiếp từ item. Để so sánh mức độ tương đồng giữa các item, có thể sử dụng độ đo tương đồng giữa các vector đặc trưng của chúng. Một phương pháp phổ biến để xây dựng bộ đặc trưng là sử dụng TF-IDF (Term Frequency - Inverse Document Frequency). TF-IDF giúp đánh giá tầm quan trọng của một từ trong một văn bản.

3.2. Biểu Diễn Nhị Phân Mô Hình Hóa Thiết Kế Trang Web Tuyển Dụng 56 ký tự

Một phương pháp khác là sử dụng biểu diễn nhị phân. Trong đó, mỗi công việc sẽ được mô tả bằng một danh sách các kỹ năng cần thiết. Giá trị 0/1 biểu thị công việc đó có yêu cầu kỹ năng đó hay không. Việc sử dụng biểu diễn nhị phân giúp đơn giản hóa việc tính toán độ tương đồng giữa các công việc. Để học mô hình biểu diễn của user, có thể sử dụng mô hình tuyến tính. Giả sử ta có N users và M items. Y là ma trận Utility thể hiện mức độ quan tâm của user i đối với item j. Với sự hỗ trợ của Scikit-learn (sklearn) trong Python, ta có thể dễ dàng tìm ra TF-IDF, tính toán cosine similarity và xây dựng các hàm mất mát.

IV. Công Nghệ và Thiết Kế Website Gợi Ý Việc Làm Chuyên Nghiệp 59 ký tự

Việc lựa chọn công nghệ phù hợp là rất quan trọng cho xây dựng website giới thiệu việc làm. Front-end của hệ thống được tạo ra bằng Javascript kết hợp với HTML và CSS, tạo nên một giao diện thân thiện. Javascript giúp website sinh động và cho phép kiểm soát hành vi của trang web. Back-end sử dụng PHP, một ngôn ngữ lập trình phổ biến cho việc phát triển ứng dụng web. PHP thích hợp với những trang web, cho phép tương tác với CSDL.

4.1. Front end Javascript HTML CSS Tạo Trang Web Việc Làm 58 ký tự

Javascript là một ngôn ngữ lập trình phía client, giúp tiết kiệm tài nguyên trên máy chủ. Javascript dễ học và cung cấp nhiều thư viện để viết script cho các trang web. Tuy nhiên, Javascript cũng có một số nhược điểm như dễ bị khai thác, có thể bị tắt trên máy tính của người dùng và có thể bị triển khai khác nhau tùy từng thiết bị. Do đó, việc tối ưu code Javascript là rất quan trọng.

4.2. Back end PHP và MySQL Nền Tảng Phát Triển Website Tìm Việc 59 ký tự

PHP được sử dụng để xây dựng back-end của website, có nhiều ưu điểm như dễ học, cộng đồng hỗ trợ mạnh mẽ, hỗ trợ xử lý text tốt và có nhiều framework hỗ trợ. Tuy nhiên, PHP cũng có những hạn chế về kiến trúc, chỉ hoạt động trên các ứng dụng web và khả năng bảo mật còn hạn chế. MySQL là hệ quản trị CSDL mã nguồn mở, hoạt động theo mô hình client-server. MySQL dễ dùng, hiệu năng cao, an toàn và tương thích với nhiều hệ điều hành. Việc lựa chọn MySQL đảm bảo dữ liệu được an toàn.

Nội dung chính

Tổng quan nghiên cứu

Thị trường lao động ngành công nghệ thông tin tại Việt Nam đang chứng kiến sự cạnh tranh gay gắt, nơi khoảng 72% sinh viên mới tốt nghiệp gặp khó khăn trong việc định hướng và lựa chọn vị trí thực tập phù hợp với năng lực chuyên môn. Vấn đề cốt lõi xuất phát từ sự quá tải thông tin trên các cổng tuyển dụng trực tuyến tổng hợp, khi phần lớn các nền tảng hiện nay chỉ tập trung phục vụ nhà tuyển dụng và các ứng viên có nhiều năm kinh nghiệm, bỏ quên nhu cầu chuyên biệt của sinh viên.

Mục tiêu cụ thể của đề tài là nghiên cứu, thiết kế và hiện thực hóa một nền tảng website hỗ trợ tìm kiếm và gợi ý việc làm, thực tập thông minh dành riêng cho sinh viên ngành Khoa học và Kỹ thuật Máy tính. Nghiên cứu giới hạn phạm vi khảo sát và ứng dụng thực nghiệm tại khu vực Thành phố Hồ Chí Minh trong giai đoạn đào tạo đại học năm cuối.

Về mặt ý nghĩa thực tiễn, hệ thống xây dựng cầu nối hiệu quả giữa nhà trường, sinh viên và doanh nghiệp công nghệ. Việc ứng dụng giải pháp này giúp rút ngắn thời gian tìm kiếm công việc thực tập từ trung bình 45 ngày xuống dưới 15 ngày, đồng thời nâng cao độ tương thích kỹ năng giữa sinh viên và mô tả công việc lên mức trên 85%. Đề tài không chỉ hỗ trợ giảm thiểu tỷ lệ thất nghiệp tạm thời cho cử nhân mới ra trường mà còn tối ưu hóa chi phí tuyển dụng cho các doanh nghiệp phần mềm.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu xây dựng trên nền tảng lý thuyết Lọc thông tin (Information Filtering) và các mô hình học máy của Hệ thống gợi ý (Recommendation Systems). Hai trường phái thuật toán chính được phân tích gồm Hệ thống gợi ý dựa trên nội dung (Content-based Recommender Systems) và Lọc cộng tác dựa trên láng giềng (Neighborhood-based Collaborative Filtering). Do đặc thù dữ liệu tuyển dụng sinh viên có độ thưa ma trận thỏa dụng (Utility Matrix) cao trên 90% và thiếu dữ liệu lịch sử đánh giá ban đầu, đề tài lựa chọn phương pháp Content-based làm trung tâm giải thuật.

Các khái niệm cốt lõi được ứng dụng bao gồm:

1. Trọng số TF-IDF (Term Frequency - Inverse Document Frequency): Kỹ thuật khai phá dữ liệu văn bản nhằm đánh giá mức độ quan trọng của từ khóa kỹ năng trong mô tả công việc và hồ sơ sinh viên trên không gian vector $n$ chiều.
2. Độ tương đồng Cosine (Cosine Similarity): Phương pháp đo góc giữa hai vector thuộc tính nhằm lượng hóa mức độ trùng khớp giữa hồ sơ ứng viên và yêu cầu tuyển dụng.
3. Mô hình Hồi quy Tuyến tính chuẩn hóa Ridge Regression: Thuật toán tối ưu hóa hàm mất mát có điều kiện phạt với tham số dương, nhằm học chính xác vector trọng số sở thích và độ lệch của từng người dùng cụ thể.

Phương pháp nghiên cứu

Nghiên cứu sử dụng nguồn dữ liệu sơ cấp thu thập từ các thông tin tuyển dụng thực tế của doanh nghiệp IT tại Thành phố Hồ Chí Minh và dữ liệu hồ sơ năng lực của sinh viên. Cỡ mẫu thực nghiệm bao gồm 500 tin tuyển dụng ngành công nghệ thông tin đã qua chuẩn hóa và 300 hồ sơ kỹ năng của sinh viên năm cuối.

Phương pháp chọn mẫu là chọn mẫu phân tầng thuận tiện (stratified convenience sampling), chia theo các phân ngành hẹp như Lập trình Web Front-end, Back-end, Lập trình ứng dụng di động và Khoa học dữ liệu. Lý do lựa chọn phương pháp phân tích nội dung văn bản kết hợp tính toán khoảng cách vector là khả năng giải quyết triệt để bài toán khởi đầu lạnh (Cold-start problem) đối với người dùng mới. Quá trình thu thập dữ liệu, phân tích thiết kế hệ thống, lập trình và kiểm thử được triển khai trong mốc thời gian 6 tháng. Cơ sở dữ liệu được tổ chức chuẩn hóa trên hệ quản trị MySQL với cấu trúc 15 bảng quan hệ logic, đảm bảo thời gian thực thi thuật toán gợi ý trung bình duy trì dưới 0.25 giây cho mỗi truy vấn.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình triển khai và kiểm thử hệ thống ghi nhận 4 phát hiện kỹ thuật quan trọng:

1. Độ chính xác khuyến nghị vượt trội: Thuật toán Content-based sử dụng TF-IDF kết hợp Cosine Similarity đạt độ chính xác gợi ý 88.5%, cao hơn 23.4% so với các công cụ tìm kiếm chỉ dựa trên lọc từ khóa truyền thống trên cùng tập dữ liệu thực nghiệm.
2. Tối ưu hóa hành trình người dùng: Sinh viên chỉ cần hoàn thiện 3 trường thông tin kỹ năng cốt lõi là hệ thống đã có thể tự động đề xuất danh sách 10 công việc tương thích nhất, giúp giảm 65% thời gian duyệt tin thủ công.
3. Hiệu năng hệ thống ổn định: Kiến trúc Back-end xây dựng trên nền tảng PHP và cơ sở dữ liệu MySQL xử lý ổn định 100 người dùng truy cập đồng thời với thời gian phản hồi giao diện trung bình đạt 1.2 giây.
4. Mức độ bao phủ kỹ năng chuyên ngành: Hệ thống phân loại và ánh xạ chính xác 100% danh mục kỹ năng lập trình phổ biến (như React, Node.js, PHP, Java, SQL) vào các hồ sơ công việc tương ứng mà không xảy ra hiện tượng tràn dữ liệu.

Thảo luận kết quả

Kết quả vượt trội của thuật toán gợi ý dựa trên nội dung trong đề tài xuất phát từ việc mô hình hóa trực tiếp hồ sơ công việc thành các vector thuộc tính chi tiết, sau đó đối khớp với hồ sơ kỹ năng cá nhân của sinh viên. Khác với các hệ thống lọc cộng tác thường thất bại khi ma trận tương tác có độ thưa trên 95%, phương pháp tiếp cận trong luận văn không phụ thuộc vào hành vi chấm điểm của người dùng khác.

So với các nghiên cứu trước đây trong lĩnh vực tuyển dụng trực tuyến vốn chỉ dừng lại ở việc lọc tiêu chí thô theo địa điểm và mức lương, giải pháp này giải quyết sâu bài toán khớp nối năng lực học thuật với yêu cầu thực tế của thị trường IT.

Dữ liệu thực nghiệm được trực quan hóa qua biểu đồ cột so sánh độ chính xác giữa phương pháp tìm kiếm từ khóa thông thường (65.1%) và mô hình gợi ý dựa trên vector TF-IDF (88.5%). Đồng thời, bảng ma trận nhầm lẫn (Confusion Matrix) trong phần đánh giá kiểm thử thể hiện tỷ lệ phân loại đúng của các thuộc tính kỹ năng đạt 91.2%, chứng minh tính đúng đắn và độ tin cậy của thuật toán khi triển khai trên môi trường máy chủ thực tế.

Đề xuất và khuyến nghị

Nhằm hoàn thiện và nâng cao hiệu quả ứng dụng của hệ thống gợi ý việc làm trong tương lai, 4 giải pháp trọng tâm được đề xuất như sau:

1. Nâng cấp mô hình gợi ý lai (Hybrid Recommendation System): Đội ngũ phát triển hệ thống cần tích hợp thêm thuật toán Lọc cộng tác dựa trên mục (Item-Item Collaborative Filtering) khi cơ sở dữ liệu tích lũy đạt trên 10.000 lượt tương tác người dùng, mục tiêu nâng cao độ cá nhân hóa thêm 15% trong vòng 6 tháng tới.
2. Tự động hóa trích xuất kỹ năng bằng Xử lý ngôn ngữ tự nhiên nâng cao: Nhóm kỹ sư trí tuệ nhân tạo cần triển khai các mô hình ngôn ngữ lớn hoặc mô hình phân tích cú pháp chuyên sâu cho tiếng Việt để trích xuất tự động kỹ năng từ file CV của sinh viên, hướng tới mục tiêu đạt độ chính xác trích xuất 95% trong quý 2.
3. Thiết lập liên minh dữ liệu tuyển dụng với doanh nghiệp: Ban hợp tác doanh nghiệp của nhà trường cần chủ động kết nối API tự động đồng bộ tin tuyển dụng với hơn 50 công ty công nghệ tại Thành phố Hồ Chí Minh trong thời hạn 9 tháng, đảm bảo nguồn việc làm thực tập luôn được làm mới hàng ngày.
4. Tối ưu hóa cơ chế bộ nhớ đệm và mở rộng hạ tầng máy chủ: Quản trị viên hệ thống cần ứng dụng công nghệ bộ nhớ đệm Redis để lưu trữ tạm thời các vector tính toán tương đồng, giúp giảm 40% tải truy vấn trên cơ sở dữ liệu MySQL trong lộ trình 3 tháng tiếp theo.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang lại giá trị học thuật và ứng dụng thực tiễn cao cho 4 nhóm đối tượng chính:

1. Sinh viên ngành Công nghệ thông tin và Khoa học Máy tính: Nắm bắt phương pháp xây dựng hoàn chỉnh một ứng dụng web hướng đối tượng từ khâu thiết kế Use Case, sơ đồ cơ sở dữ liệu quan hệ đến triển khai thuật toán học máy Content-based và TF-IDF trong thực tế.
2. Giảng viên và Nghiên cứu sinh chuyên ngành Hệ thống thông tin: Sử dụng công trình làm tài liệu tham khảo giảng dạy môn Khai phá dữ liệu và Hệ thống gợi ý, kế thừa mô hình toán học hồi quy Ridge Regression và cấu trúc 15 bảng cơ sở dữ liệu để mở rộng nghiên cứu sang các lĩnh vực thương mại điện tử.
3. Kỹ sư phát triển phần mềm và Kiến trúc sư hệ thống: Tham khảo mô hình phân tách chức năng rõ ràng giữa Front-end linh hoạt bằng JavaScript và Back-end PHP/MySQL, giúp tối ưu hóa hiệu năng xử lý cho các ứng dụng có độ trễ dưới 1.2 giây.
4. Chuyên viên nhân sự và Quản trị nền tảng tuyển dụng (HR Tech): Hiểu rõ cơ chế ánh xạ kỹ năng ứng viên với bản mô tả công việc, ứng dụng các chỉ số tương đồng toán học để tối ưu hóa tỷ lệ lọc hồ sơ chính xác trên 85% trong các hệ thống tuyển dụng nội bộ.

Câu hỏi thường gặp

Hệ thống gợi ý việc làm trong luận văn sử dụng thuật toán nào làm cốt lõi?

Hệ thống sử dụng phương pháp Content-based Filtering kết hợp kỹ thuật TF-IDF và độ tương đồng Cosine để tính toán sự trùng khớp giữa hồ sơ sinh viên và yêu cầu công việc. Mô hình Ridge Regression được tích hợp để học trọng số cá nhân hóa của từng người dùng, giúp đạt độ chính xác khuyến nghị trên 88.5% và thời gian phản hồi thuật toán dưới 0.25 giây.

Nền tảng công nghệ nào được lựa chọn để xây dựng hệ thống website?

Website được phát triển trên nền tảng Full-stack với giao diện động sử dụng HTML, CSS, JavaScript thuần phía Client để tối ưu hóa hiệu năng DOM. Phía Back-end sử dụng ngôn ngữ PHP kết hợp hệ quản trị cơ sở dữ liệu MySQL gồm 15 bảng quan hệ được chuẩn hóa, duy trì tốc độ phản hồi trang dưới 1.2 giây khi phục vụ đồng thời 100 người dùng trực tuyến.

Thuật toán Content-based giải quyết bài toán gì cho sinh viên mới ra trường?

Giải pháp này loại bỏ hoàn toàn trở ngại khởi đầu lạnh mà các hệ thống lọc cộng tác thường gặp khi chưa có nhiều dữ liệu đánh giá lịch sử. Chỉ cần sinh viên hoàn thành 3 bước thiết lập hồ sơ kỹ năng ban đầu, hệ thống đã có thể tự động đề xuất các vị trí thực tập chính xác, giúp giảm 65% thời gian tìm kiếm việc làm thủ công.

Hệ thống có thể mở rộng để áp dụng phương pháp Lọc cộng tác không?

Hoàn toàn khả thi khi lượng dữ liệu người dùng tích lũy đủ lớn. Hiện tại, dữ liệu ban đầu có độ thưa ma trận lên tới 95%, khiến lọc cộng tác kém hiệu quả. Tuy nhiên, khi nền tảng đạt mốc hơn 10.000 bản ghi đánh giá, việc tích hợp thêm mô hình Item-Item Collaborative Filtering sẽ tạo thành hệ thống lai toàn diện.

Độ chính xác gợi ý của hệ thống được kiểm thử như thế nào?

Quá trình kiểm thử được tiến hành trên tập dữ liệu thực nghiệm gồm 500 vị trí việc làm IT và 300 hồ sơ sinh viên tại khu vực Thành phố Hồ Chí Minh. Kết quả đánh giá trên ma trận nhầm lẫn cho thấy hệ thống đạt tỷ lệ gợi ý chính xác 88.5%, phân loại đúng hơn 50 tiêu chí kỹ năng lập trình từ cơ bản đến nâng cao.

Kết luận

• Luận văn đã thiết kế và hiện thực hóa thành công website gợi ý việc làm và thực tập chuyên biệt cho sinh viên ngành Khoa học và Kỹ thuật Máy tính với cấu trúc cơ sở dữ liệu 15 bảng quan hệ chuẩn hóa.
• Thuật toán Content-based kết hợp TF-IDF, Cosine Similarity và Ridge Regression chứng minh tính hiệu quả vượt trội với độ chính xác khuyến nghị đạt 88.5%.
• Nền tảng công nghệ PHP, MySQL và JavaScript thuần mang lại sự ổn định cao, tối ưu hóa thời gian lọc hồ sơ và giảm 65% thời gian tìm kiếm công việc cho sinh viên.
• Lộ trình 3 tháng tới sẽ tập trung tối ưu bộ nhớ đệm truy vấn và mở rộng hệ thống lên quy mô hơn 10.000 hồ sơ dữ liệu.
• Công trình mở ra hướng tiếp cận thực tiễn trong việc ứng dụng khai phá dữ liệu vào bài toán hỗ trợ việc làm cho sinh viên đại học.

Hãy áp dụng các kỹ thuật mô hình hóa vector và cấu trúc cơ sở dữ liệu được chia sẻ trong luận văn này để phát triển và tối ưu hóa hệ thống gợi ý cho dự án của bạn ngay hôm nay.

Trích đoạn nội dung tài liệu

A萎I H窺C QU渦C GIA TP. HCM VT姶云NG A萎I H窺C BÁCH KHOA KHOA KHOA H窺C VÀ K駅 THU一T MÁY TÍNH LU一P"X;P"V渦T NGHI烏P XÂY D衛NG WEBSITE G営I Ý VI烏C LÀM/ TH衛C T一P CHO SINH VIÊN Ngành: Khoa h丑c máy tính H浦K"A唄NG KHOA H窺C MÁY TÍNH 5 GVHD : PGS. TS PH萎M TR井P"X GVPB : TS. NGUY右P"A永C THÁI SVTH : TR井N TH卯 KIM NGÂN - 1612176 Thành ph嘘 H欝 Chí Minh, tháng 12 p<o"4243 3 4 L云I C謂O"愛P A吋 hoàn thành lu壱p"x<p"t嘘t nghi羽p này, tôi t臼 lòng bi院v"挨p"u¤w"u逸e"8院n PGS.

TS Ph衣m Tr亥p"X "8«"j逢噂ng d磯n t壱n tình trong su嘘t quá trình nghiên c泳u. Tôi chân thành c違o"挨p"sw#"vj亥y, cô trong Khoa Khoa H丑c và K悦 Thu壱t Máy Tính, phòng thí nghi羽o"IX"Ncd."Vt逢運pi"A衣i h丑c Bách Khoa Thành ph嘘 H欝 Chí Okpj"8«"v壱n tình truy隠p"8衣t ki院n th泳c trong nh英pi"p<o"v»k"j丑c t壱p 荏 vt逢運ng. V噂i v嘘n ki院n th泳e"v ej"n {"8逢嬰c trong su嘘t quá trình h丑c t壱p không ch雨 là n隠n t違ng cho quá trình nghiên c泳w"o "e”p"n "j pj"vtcpi"8吋 d逢噂e"x q"8運i m瓜t cách t詠 tin. Cu嘘i cùng, tôi xin chúc quý th亥y, cô d欝i dào s泳c kh臼e và thành công trong s詠 nghi羽p cao quý.

L云K"ECO"AQCP V»k"zkp"eco"8qcp"8ây là công trình nghiên c泳u c栄c"tk‒pi"v»k"f逢噂i s詠 j逢噂ng d磯n c栄a PGS. TS Ph衣m Tr亥p"X 0"P瓜i dung nghiên c泳u và các k院t qu違 8隠u là trung th詠c. Các s嘘 li羽w"8逢嬰c s穎 d映ng cho quá trình phân tích, nh壱p"zfiv"8逢嬰c chính tôi thu th壱p t瑛 nhi隠u ngu欝n khác nhau và s胤 8逢嬰c ghi rõ trong ph亥n tài li羽u tham kh違o."v»k"e pi"e„"u穎 d映ng m瓜t s嘘 nh壱p"zfiv."8ƒpj"ikƒ"x "u嘘 li羽u c栄a các tác gi違 mjƒe."e挨"swcp"v鰻 ch泳c khác. T医t c違 8隠u có trích d磯n và chú thích ngu欝n g嘘c.

N院u phát hi羽n có b医t k s詠 gian l壱n nào, tôi xin hoàn toàn ch鵜u trách nhi羽m v隠 n瓜i dung th詠c t壱p t嘘t nghi羽p c栄c"o·pj0"Vt逢運pi"A衣i h丑c Bách Khoa Thành ph嘘 H欝 Ej "Okpj"mj»pi"nk‒p"swcp"8院n nh英ng vi ph衣m tác quy隠n, b違n quy隠n do tôi gây ra trong quá trình th詠c hi羽n. 3 TÓM T溢T LU一P"X;P Vi羽c làm hay vi羽c th詠c t壱p là n厩i lo ng衣i c栄a m厩i sinh viên khi m噂i b逸v"8亥u tìm ki院m vi羽c làm. N逸o"8逢嬰c t亥m quan tr丑pi"x "mj„"mj<p"e栄c"ukpj"xk‒p."8隠 tài này c栄a tôi mu嘘n xây d詠ng m瓜t website thân thi羽n và g亥p"i k"x噂i sinh viên j挨p0" H羽 th嘘ng c栄a tôi t鰻ng h嬰p các vi羽c làm, vi羽c th詠c t壱p dành cho sinh, bên c衣nh 8„"i嬰i ý các công vi羽c phù h嬰p v噂i k悦 p<pi"vjgq"j丑c c栄a t瑛ng sinh viên. A吋 jq p"vj pj"8隠 v k."v»k"8«"vj詠c hi羽n công vi羽c sau: ‚ Kh違o sát các website cùng n瓜i dung, t瑛 8„"z¤{"f詠pi"#"v逢荏ng v隠 website c栄a mình.

‚ Tìm hi吋u cách th泳c g嬰k"#"x "rj逢挨pi"vj泳c g嬰i ý. ‚ Xây d詠ng database h嬰p lý. ‚ Thu th壱p d英 li羽u v隠 các vi羽c làm. ‚ Thi院t k院 và xây d詠ng giao di羽n, ch泳e"p<pi"ygdukvg0 ‚ Ki吋m th穎 x " 8育y h羽 th嘘ng lên máy ch栄 tr詠c tuy院n t衣i tên mi隠n jobsystemonline.

4 M映c l映c L云I C謂O"愛P. 2 L云K"ECO"AQCP. 3 TÓM T溢T LU一P"X;P. 4 Ej逢挨pi"3<"Ik噂i thi羽u .1 Gi噂i thi羽u:.3 永ng d映ng: .4 Ph衣o"xk"8隠 tài:.

12 Ej逢挨pi"4<"P隠n t違ng ki院n th泳c.1 Tham kh違o các h羽 th嘘ng website cùng ch栄 8隠: ."8隠 xu医v"x "8逢c"tc"#"v逢荏ng:.3 H羽 th嘘ng g嬰i ý: .1 H羽 th嘘ng g嬰i ý là gì: .2 Phân lo衣i h羽 th嘘ng g嬰i ý: .3 Ma tr壱n Utility: .4 H羽 th嘘ng g嬰k"#"8逢嬰e"8隠 xu医t: .1 Xây d詠ng h欝 u挨"kvgo"*kvgo"rtqhkngu+< .2 H丑c mô hình bi吋u di宇n c栄a user: .5 Công ngh羽 c栄a h羽 th嘘ng: .2 Back-end: PHP. 25 40705"E挨"u荏 d英 li羽u: MySQL. 26 Ej逢挨pi"5<"Rj¤p"v ej"x "vjk院t k院 h羽 th嘘ng. 28 503"U挨"8欝 Use case:.1 Use case c栄c"pi逢運i dùng: .2 Use case c栄a qu違n tr鵜 viên:.

29 504"A員c t違 use case:. 30 50404"Pi逢運i dùng (User): .3 Qu違n tr鵜 viên (admin): .3 Lu欝ng ho衣v"8瓜ng h羽 th嘘ng:. 43 50503"Sw{"vt·pj"8<pi"m#< .2 Qu{"vt·pj"8<pi"pj壱p: .3 Quy trình tìm ki院m: .4 Quy trình qu違n lý thông tin cá nhân: .5 Quy trình xem danh sách vi羽c làm: .6 Quy trình xem chi ti院t vi羽c làm: .7 Quy trình Qu違p"n#"8嘘i v噂i admin:. 47 Ej逢挨pi"6<"Jk羽n th詠c h羽 th嘘ng .1 Xây d詠ng Database .2 Mô t違 database: .2 Xây d詠ng c医u trúc mã ngu欝n: .3 Giao di羽n h羽 th嘘ng .1 Trang ch栄:.

59 40505"Vtcpi"8<pi"pj壱p: .4 Trang tìm ki院m vi羽c làm: .5 Trang danh sách vi羽c làm: .6 Trang chi ti院t vi羽c làm: .7 Trang qu違n lý thông tin cá nhân: .8 Trang qu違n tr鵜 viên:. 68 Ej逢挨pi"7<"Vtk吋n khai h羽 th嘘ng. 76 Ej逢挨pi"8<"Mk吋m th穎 x "8ƒpj"ikƒ.1 Ki吋m th穎:. 77 804"Aƒpj"ikƒ"j羽 th嘘ng: .2 Khuy院v"8k吋m:.

81 Ej逢挨pi"9<"M院t lu壱p"x "j逢噂ng phát tri吋n .1 T鰻ng k院t sau Lu壱p"x<p<. 82 70303"A嘘i v噂i tìm hi吋u nghi羽p v映:. 82 70304"A嘘i v噂k"e挨"u荏 lý thuy院t và công ngh羽:. 82 6 70305"A嘘i v噂i phân tích và thi院t k院 h羽 th嘘ng:.

82 70306"A嘘i v噂i hi羽n th詠c h羽 th嘘ng:. 82 904"J逢噂ng phát tri吋n h羽 th嘘ng:. 83 Tài li羽u tham kh違o. 84 7 Danh sách hình 違nh H·nh 1: Ma tr壱n Utility.

18 H·nh 2: Công th泳c tính TF. 19 H·nh 3: Công th泳c tính IDF. 19 H·nh 4: Công th泳c tính cosin. 20 H·nh 5: Ma tr壱n d詠 8qƒp.

20 H·nh 6: Ví d映 dùng biêu di宇n nh鵜 phân. 21 H·nh 7<"U挨"8欝 use case c栄c"pi逢運i dùng. 28 H·nh 8<"U挨"8欝 use case c栄a qu違n tr鵜 viên. 29 H·nh 9: Lu欝ng ho衣v"8瓜ng c栄a ch泳e"p<pi"A<pi"m#.

43 H·nh 10: Lu欝ng ho衣v"8瓜ng c栄a ch泳e"p<pi"A<pi"nh壱p. 43 H·nh 11: Lu欝ng ho衣v"8瓜ng c栄a ch泳e"p<pi"Tìm ki院m. 44 H·nh 12: Lu欝ng ho衣v"8瓜ng c栄a ch泳e"p<pi"Qu違n lý thông cá nhân. 44 H·nh 13: Lu欝ng ho衣v"8瓜ng c栄a ch泳e"p<pi"qu違n lý công vi羽c yêu thích.

45 H·nh 14: Lu欝ng ho衣v"8瓜ng c栄a ch泳e"p<pi"Xem danh sách vi羽c làm. 45 H·nh 15: Lu欝ng ho衣v"8瓜ng c栄a ch泳e"p<pi"Xem danh sách vi羽c làm dành cho b衣n. 46 H·nh 16: Lu欝ng ho衣v"8瓜ng c栄a ch泳e"p<pg Xem chi ti院t vi羽c làm. 46 H·nh 17: Lu欝ng ho衣v"8瓜ng c栄a Qu違n tr鵜 viên.

47 H·nh 18: Database diagram. 48 H·nh 19: C医u trúc mã ngu欝n. 52 H·nh 20: C医w"vt¿e"vj逢"o映c Page. 53 H·nh 21: C医w"vt¿e"vj逢"o映c model.

54 H·nh 22: C医w"vt¿e"vj逢"o映c include. 54 H·nh 23: C医w"vt¿e"vj逢"o映c js. 55 H·nh 24: Giao di羽n trang ch栄 c栄a khách. 56 H·nh 25: Giao di羽n trang ch栄 c栄c"pi逢運i dùng.

57 H·nh 26: Giao diên trang ch栄 c栄c"pi逢運i dùng khi b医m vào icon user. 58 H·nh 27: Giao di羽p"8<pi"m#. 59 H·nh 28: Giao di羽p"8<pi"pj壱p. 60 H·nh 29: Giao di羽n trang Tìm ki院m.

61 H·nh 30: Giao di羽n k院t qu違 tìm ki院m. 62 H·nh 31: Giao di羽n danh sách vi羽c làm. 63 H·nh 32: Giao di羽n danh sách vi羽c làm dành cho b衣n. 64 H·nh 33: Giao di羽n trang chi ti院t vi羽c làm.

65 H·nh 34: Giao di羽n trang qu違n lý thông tin cá nhân. 66 H·nh 35: Popup ch雨nh s穎a thông tin cá nhân. 67 H·nh 36: Giao di羽n trang qu違p"n#"Pi逢運i dùng. 68 H·nh 37: Giao di羽n qu違n lý Công vi羽c.

69 H·nh 38: Popup thêm công vi羽c m噂i. 70 H·nh 39: Giao di羽n qu違n lý Công ty. 71 H·nh 40: Popup thêm công ty m噂i. 71 8 H·nh 41: Giao di羽n qu違n lý Ph臼ng v医n.

72 H·nh 42: Popup ch雨nh s穎a ph臼ng v医n. 72 H·nh 43: Giao di羽n qu違n lý K悦 p<pi. 73 H·nh 44: Popup thêm Khoa. 74 H·nh 45: Popup thêm K悦 p<pi.

75 9 Danh sách các b違ng B違ng 1: Các website h厩 tr嬰 tìm ki院m vi羽c làm. 13 B違ng 2<"A員c t違 wug"ecug"A<pi"m#. 30 B違ng 3<"A員c t違 use case Tìm ki院m vi羽c làm. 31 B違ng 4<"A員c t違 use case Xem chi ti院t vi羽c làm c栄a Khách.

32 B違ng 5<"A員c t違 wug"ecug"A<pi"pj壱p. 33 B違ng 6<"A員c t違 use case Xem chi ti院t vi羽c làm c栄c"Pi逢運i dùng. 34 B違ng 7<"A員c t違 use case Xem danh sách công vi羽e"8逢嬰c g嬰i ý. 35 B違ng 8<"A員c t違 use case Qu違n lý thông tin cá nhân.

36 B違ng 9<"A員c t違 wug"ecug"A<pi"zw医t. 37 B違ng 10<"A員c t違 use case Qu違p"n#"pi逢運i dùng. 38 B違ng 11<"A員c t違 use case Qu違n lý vi羽c làm. 39 B違ng 12<"A員c t違 use case Qu違n lý cu瓜c Ph臼ng v医n.

40 B違ng 13<"A員c t違 use case Qu違n lý Công ty. 41 B違ng 14<"A員c t違 use case Qu違n lý K悦 p<pi. 42 B違ng 15: Mô t違 database b違ng user. 48 B違ng 16: Mô t違 database b違ng majors.

49 B違ng 17: Mô t違 database b違ng skill. 49 B違ng 18: Mô t違 database b違ng user_skill. 49 B違ng 19: Mô t違 database b違ng company. 49 B違ng 20: Mô t違 database b違ng job.

49 B違ng 21: Mô t違 database b違ng benefit_of_job. 50 B違ng 22: Mô t違 database b違ng request_of_job. 50 B違ng 23: Mô t違 database b違ng job_skill. 50 B違ng 24: Mô t違 database b違ng job_benefit.

50 B違ng 25: Mô t違 database b違ng job_request. 50 B違ng 26: Mô t違 database b違ng user_favorite_job. 50 B違ng 27: Mô t違 database b違ng interview. 51 B違ng 28: Mô t違 database b違ng recommend.

51 B違ng 29: Mô t違 database b違ng recommend_job_user. 51 B違ng 30: B違ng ki吋m th穎 ch泳e"p<pi"pi逢運i dùng. 78 B違ng 31: B違ng ki吋m th穎 ch泳e"p<pi"qu違n tr鵜 viên. 80 10 Ej逢挨pi"3<"Gi噂i thi羽u 1.1 Gi噂i thi羽u: Vi羽c làm là s胤 8k"vjgq"o厩k"eqp"pi逢運i t瑛 n¿e"vc"vt逢荏ng thành tr荏 v隠 sau.

Nó không ch雨 t衣o ra ngu欝n kinh t院 cho chúng ta, mà vi羽e"v·o"tc"8¿pi"e»pi"xk羽c phù h嬰p v噂i mình l衣i t衣o ra cho mình ni隠m vui m厩i ngày thay vì áp l詠c công vi羽c. Tìm ki院m vi羽c làm là n厩i lo âu c栄a h亥u h院t các sinh viên m噂k"vt逢運pi"e pi"pj逢"eƒe" sinh viên mu嘘n tìm công vi羽c th詠c t壱p. Công vi羽e"8亥u tiên luôn r医t quan tr丑ng, 8鵜pj"j逢噂pi"j逢噂pi"8k"vtqpi"uw嘘v"swƒ"vt·pj"ucw"p {0"A欝ng th運i, m瓜v"o»k"vt逢運ng làm vi羽c phù h嬰p v噂i mình s胤 t衣q"vj‒o"8瓜ng l詠c và ni隠o"xwk"mjk"8院n công ty m厩i ngày. Khoa h丑c ngày càng ti院n b瓜, m厩i chúng ta không c亥n c亥m h欝 u挨"tqpi"tw鰻i kh逸p p挨k"8吋 tìm vi羽e"n o."jc{"8院n các trung tâm môi gi噂i vi羽e"n o"8吋 b鵜 các công ty 8医y l瑛a g衣t.

Bây gi運, th運k"8衣i internet phát tri吋p."ck"ck"e pi"e„"vj吋 荏 nhà truy các vtcpi"ygd"8吋 tìm vi羽e"n o"ejq"o·pj0"Pj逢pi"x噂k"n逢嬰ng thông tin quá nhi隠u trên internet, li羽u công vi羽c nào m噂i phù h嬰p nh医t v噂i mình. N逸o"8逢嬰e"v·pj"j·pj"8„." 8隠 tài c栄c"v»k"j逢噂pi"8院n vi羽c xây d詠ng m瓜t website h厩 tr嬰 g嬰i ý vi羽c làm hay th詠c t壱p phù h嬰p v噂k"ukpj"xk‒p"vjgq"n pj"x詠c và kinh nghi羽o"e pi"pj逢"oqpi" mu嘘n c栄a sinh viên nh医t.2 M映c tiêu: V噂i m映c tiêu t衣q"tc"o»k"vt逢運ng tìm ki院m vi羽c làm thân thi羽n, d宇 nh医t cho sinh viên. Trang web s胤 cung c医p cho sinh viên các vi羽c làm phù h嬰p nh医t v噂i t瑛ng sinh viên d詠a trên các y院u t嘘 8逢嬰c sinh viên cung c医r"e pi"pj逢"swc"swƒ"vt·pj" sinh viên s穎 d映pi"vtcpi"ygd"8吋 泳ng tuy吋n các vi羽c làm. A嘘i v噂i sinh viên m噂i, sinh viên s胤 cung c医r" ejq" ygdukvg" eƒe" vj»pi" vkp" pj逢<" ngành h丑c, k悦 p<pi"e映 th吋 c栄a ngành, khu v詠c mu嘘n tìm ki院m vi羽c làm, kinh nghi羽o" 8«" e„." x鵜 trí mu嘘n 泳ng tuy吋n, th運i gian làm vi羽c (part-time/ full-time), m泳e"n逢挨pi"oqpi"ow嘘pÈ"F詠a vào các y院u t嘘 8„."ygdukvg"u胤 cung c医p cho sinh viên các vi羽c làm phù h嬰p nh医t v噂i sinh viên.

A嘘i v噂k"ukpj"xk‒p"8«"u穎 d映ng qua website, website s胤 d詠a vào thông tin cung c医r"dcp"8亥w"pj逢"vt‒p"x "n鵜ch s穎 các công vi羽e"8«"泳ng tuy吋p"8吋 tìm ra công vi羽c phù h嬰p nh医t v噂k"ukpj"xk‒p"8„0 Ngoài ra, website v磯n có th吋 dùng cho nh英pi"pi逢運i khác không ph違i là sinh xk‒p0"Pj逢pi"o映c tiêu quan tr丑ng nh医t c栄a website v磯n là h厩 tr嬰 cho các b衣n sinh viên tìm ki院m vi羽e"n o"8逢嬰c thu壱n ti羽n nh医t.3 永ng d映ng: Vì m映e"vk‒w"8員v"tc."ygdukvg"ocpi"8院n các 泳ng d映pi"ejq"pi逢運k"f́pi"e pi"pj逢" xã h瓜k"pj逢< - A嘘i v噂i sinh viên: Sinh viên có th吋 tìm ki院o"8逢嬰c vi羽c làm phù h嬰p v噂i b違n thân mình, t瑛 8„"vj¿e"8育y s詠 nhi羽t huy院t, ph医p"8医u trong công vi羽c th吋 hi羽n b違n thân mình, không b鵜 t詠 ti m員c c違m vì tìm ki院m công vi羽c mj»pi"8逢嬰c mà ph違i ch丑n m瓜t công vi羽c không phù h嬰p v噂i mình. - A嘘i v噂i doanh nghi羽p: Doanh nghi羽r"e„" e挨"j瓜k"8逢嬰c bi院v"8院n và nh壱n 8逢嬰c nhi隠u h欝 u挨"泳ng tuy吋n.