Xây dựng website tìm kiếm địa điểm quán cafe La Maison

Đồ án tốt nghiệp xây dựng website tìm kiếm địa điểm quán cafe La Maison - ĐH Bách khoa Đà Nẵng

• Tác giả: Nguyễn Minh Tiến
• Người hướng dẫn: TS. Phạm Công Thắng
• Trường học: Trường Đại học Bách khoa - Đại học Đà Nẵng
• Chuyên ngành: Công nghệ thông tin
• Đề tài: Xây dựng website tìm kiếm địa điểm quán cafe La Maison
• Loại tài liệu: Đồ án tốt nghiệp
• Năm xuất bản: 2022
• Địa điểm: Đà Nẵng

Tóm tắt

I. Tổng quan về website tìm kiếm địa điểm quán cafe La Maison

Nhu cầu khám phá không gian ẩm thực và làm việc tại các quán cà phê ngày càng tăng cao. Người tiêu dùng hiện nay đòi hỏi sự tiện lợi, nhanh chóng và chính xác khi tra cứu thông tin địa điểm. Đề tài xây dựng website tìm kiếm địa điểm quán cafe La Maison ra đời nhằm giải quyết triệt để bài toán này. Hệ thống đóng vai trò như một cầu nối số hóa giữa khách hàng và các cơ sở kinh doanh đồ uống.

Nền tảng cung cấp giao diện tương tác thân thiện cho cả khách vãng lai và quản trị viên. Khách hàng có thể dễ dàng định vị cơ sở gần nhất thông qua hệ thống bản đồ số. Các dữ liệu về menu, mức giá, hình ảnh không gian và đánh giá thực tế đều được hiển thị minh bạch. Ngoài ra, website còn hỗ trợ lưu trữ danh mục yêu thích và chia sẻ lộ trình nhanh chóng.

Về phía doanh nghiệp, dự án cung cấp bộ công cụ quản lý dữ liệu toàn diện. Người quản trị dễ dàng cập nhật danh sách cửa hàng, kiểm duyệt bài đánh giá và phân tích xu hướng người dùng. Toàn bộ kiến trúc phần mềm hướng đến sự ổn định, tối ưu hóa tốc độ truy cập và sẵn sàng mở rộng quy mô khi dịch vụ mở rộng thị trường.

1.1. Mục tiêu phát triển hệ thống tìm kiếm quán cafe

Mục tiêu cốt lõi của dự án là xây dựng một cổng thông tin địa điểm chuyên biệt. Hệ thống tập trung tối ưu hóa trải nghiệm tìm kiếm của người dùng thông qua bản đồ số tương tác. Người dùng có thể tra cứu quán cà phê theo khu vực địa lý, mức giá hoặc phong cách phục vụ cụ thể. Nền tảng hướng đến việc tiết kiệm tối đa thời gian lựa chọn không gian làm việc và thư giãn. Bên cạnh đó, đề tài chú trọng xây dựng cơ chế gợi ý thông minh dựa trên sở thích cá nhân. Cơ chế này học hỏi hành vi tương tác để đề xuất những điểm hẹn ẩm thực phù hợp nhất. Nhờ vậy, sự gắn kết giữa người dùng và dịch vụ được củng cố bền vững theo thời gian.

1.2. Đối tượng phục vụ và phạm vi ứng dụng đề tài

Hệ thống hướng đến hai nhóm đối tượng phục vụ chủ yếu trong hệ sinh thái dịch vụ. Nhóm thứ nhất bao gồm người tiêu dùng cá nhân có nhu cầu tìm kiếm quán cà phê để học tập, gặp gỡ đối tác hoặc giải trí. Giao diện người dùng được thiết kế trực quan giúp thao tác định vị và lọc dữ liệu diễn ra mượt mà trên trình duyệt. Nhóm thứ hai là ban quản trị hệ thống và các chủ cơ sở kinh doanh. Quản trị viên nắm quyền kiểm soát cơ sở dữ liệu, quản lý tài khoản thành viên và giám sát các đề xuất địa điểm mới. Phạm vi ứng dụng của đề tài trước mắt tập trung vào các đô thị lớn, nơi có mật độ hàng quán dày đặc và nhu cầu số hóa địa điểm ẩm thực rất cao.

II. Phân tích bài toán tìm kiếm địa điểm quán cafe La Maison

Quá trình tìm kiếm địa điểm quán cà phê trong đời sống đô thị hiện đại gặp nhiều rào cản thông tin. Người tiêu dùng thường mất nhiều thời gian lướt mạng xã hội nhưng chỉ nhận được dữ liệu phân mảnh. Các bài đánh giá trên mạng thiếu tính khách quan và thiếu tính hệ thống. Việc thiếu hụt thông tin chi tiết về không gian và thực đơn dễ dẫn đến trải nghiệm thất vọng.

Mặt khác, các ứng dụng bản đồ phổ biến chưa tối ưu cho nhu cầu tìm kiếm quán cà phê chuyên biệt. Đa số công cụ chỉ cung cấp tọa độ địa lý mà bỏ qua tiện ích phục vụ làm việc hoặc thư giãn. Người dùng khó lọc quán theo tiêu chí cụ thể như có ổ cắm điện, wifi mạnh hay chỗ đậu xe thuận tiện. Điều này gây lãng phí thời gian và làm giảm trải nghiệm của khách hàng.

Đối với đơn vị vận hành, việc duy trì tính chính xác của dữ liệu quán là thách thức lớn. Giờ mở cửa, mức giá và trạng thái phục vụ thường biến động liên tục. Nếu thiếu công cụ quản trị tập trung, hệ thống rất dễ cung cấp thông tin sai lệch. Việc giải quyết các bất cập này đặt ra yêu cầu phải xây dựng một giải pháp phần mềm chuyên biệt.

2.1. Thách thức trong xử lý dữ liệu và ma trận tiện ích

Trong các hệ thống gợi ý địa điểm, dữ liệu thường tồn tại dưới dạng ma trận tiện ích giữa người dùng và sản phẩm. Thách thức kỹ thuật lớn nhất nằm ở độ thưa thớt của ma trận tiện ích. Phần lớn người dùng chỉ đánh giá một số lượng rất nhỏ các quán cà phê họ từng ghé thăm. Các ô dữ liệu còn lại trong ma trận đều mang giá trị rỗng hoặc chưa xác định. Nếu thuật toán xử lý không hiệu quả, hệ sinh thái sẽ gặp hiện tượng khởi động lạnh khi tiếp nhận người dùng mới. Để giải quyết bài toán này, mô hình tính toán đòi hỏi phương pháp trích xuất vector đặc trưng đa chiều. Các thông số đặc trưng giúp thuật toán dự đoán chính xác mức độ quan tâm của khách hàng.

2.2. Hạn chế về trải nghiệm người dùng trên nền tảng cũ

Nhiều trang web tra cứu địa điểm truyền thống có tốc độ phản hồi rất chậm chạp. Giao diện người dùng thường quá tải quảng cáo và thiết kế thiếu tính tương thích trên thiết bị di động. Khả năng tích hợp bản đồ số thường kém mượt mà, gây giật lag khi kéo thả hoặc phóng to tọa độ. Người sử dụng khó xác định khoảng cách thực tế giữa vị trí hiện tại và điểm đến mong muốn. Hơn nữa, việc thiếu tính năng gợi ý theo ngữ cảnh khiến trải nghiệm tìm kiếm bị ngắt quãng. Khách hàng buộc phải duyệt qua hàng trăm kết quả thủ công mà không tìm được lựa chọn ưng ý. Do vậy, nền tảng cũ không còn đáp ứng được tiêu chuẩn dịch vụ kỹ thuật số hiện đại.

III. Giải pháp xây dựng website tìm kiếm địa điểm quán cafe La Maison

Hệ thống giải pháp cho website La Maison được phát triển dựa trên kiến trúc phân lớp hiện đại và tách biệt. Kiến trúc phần mềm phân chia rành mạch giữa giao diện, máy chủ và cơ sở dữ liệu quan hệ. Sự phân tách này nâng cao bảo mật và hiệu năng vận hành. Nền tảng áp dụng các tiêu chuẩn thiết kế hướng dịch vụ nhằm bảo đảm tính tương thích cao trên môi trường trực tuyến.

Cơ sở dữ liệu được tổ chức chặt chẽ thông qua mô hình thực thể mối quan hệ. Bảng dữ liệu người dùng lưu trữ chi tiết định danh cá nhân, vai trò phân quyền và trạng thái hoạt động. Dữ liệu quán cà phê bao gồm tọa độ vị trí, thời gian hoạt động, hình ảnh và thực đơn chi tiết. Luồng xử lý nghiệp vụ được mô hình hóa bằng biểu đồ tuần tự để tối ưu hóa thời gian thực thi tác vụ.

Bên cạnh quản lý thông tin, hệ thống tích hợp thuật toán gợi ý cá nhân hóa dựa trên lọc nội dung. Cơ chế xây dựng vector đặc trưng cho từng quán cà phê kết hợp đánh giá mức độ tương đồng sở thích. Hệ thống tự động tính toán điểm phù hợp và hiển thị những lựa chọn tối ưu nhất lên bản đồ tương tác. Quy trình giúp người dùng tiếp cận địa điểm mong muốn nhanh chóng.

3.1. Thiết kế cơ sở dữ liệu quan hệ và phân quyền quản trị

Thiết kế cơ sở dữ liệu là nền tảng cốt lõi của website La Maison. Lược đồ thực thể mối quan hệ chuẩn hóa các trường thông tin của bảng tài khoản và bảng cơ sở cà phê. Bảng dữ liệu người dùng kiểm soát chặt chẽ mã định danh, thư điện tử, mật khẩu băm và quyền truy cập. Mô hình phân quyền đảm bảo tách biệt tuyệt đối giữa người dùng thông thường và quản trị viên hệ thống. Người quản trị có toàn quyền kiểm duyệt địa điểm mới, cập nhật bảng giá và phân tích dữ liệu tương tác. Cấu trúc bảng được tối ưu hóa chỉ mục nhằm tăng tốc độ truy vấn đối với các tập dữ liệu lớn. Thiết kế này bảo đảm hệ thống vận hành an toàn và mở rộng linh hoạt.

3.2. Thuật toán gợi ý cá nhân hóa và tích hợp bản đồ số

Website ứng dụng thuật toán gợi ý dựa trên lọc nội dung để cá nhân hóa kết quả. Mỗi quán cà phê được mã hóa thành một vector đặc trưng đa chiều bao gồm giá cả, phong cách và tiện ích. Hệ thống tính toán độ tương đồng giữa hồ sơ sở thích của người dùng và các vector đặc trưng của quán. Kết quả tính toán đưa ra các gợi ý có độ chính xác cao đối với từng cá nhân. Đồng thời, nền tảng tích hợp giao diện lập trình ứng dụng bản đồ số để hỗ trợ định vị trực quan. Người dùng có thể xác định khoảng cách thực tế, quan sát hướng đi và lựa chọn lộ trình ngắn nhất. Sự kết hợp này mang lại trải nghiệm tra cứu liền mạch và hiện đại.

IV. Ứng dụng của website tìm kiếm địa điểm quán cafe La Maison

Dự án website La Maison khẳng định giá trị thực tiễn cao trong lĩnh vực công nghệ thông tin và đời sống số. Nền tảng giải quyết trọn vẹn nhu cầu tra cứu và kết nối không gian dịch vụ ẩm thực tại các đô thị. Việc kết hợp bản đồ số và thuật toán thông minh đem lại sự tiện lợi vượt bậc cho khách hàng. Hệ thống cắt giảm thời gian lựa chọn cơ sở và gia tăng mức độ hài lòng khi trải nghiệm dịch vụ.

Mô hình quản trị trực quan hỗ trợ hiệu quả cho các chủ quán cà phê trong việc tiếp cận nhóm khách hàng mục tiêu. Dữ liệu đánh giá từ người dùng cung cấp góc nhìn khách quan để các cơ sở nâng cao chất lượng dịch vụ. Đồng thời, nền tảng số hóa này mở ra cơ hội quảng bá hình ảnh doanh nghiệp với chi phí hợp lý. Quá trình vận hành minh bạch giúp duy trì niềm tin bền vững giữa người tiêu dùng và các đơn vị cung cấp dịch vụ.

Trong tương lai, giải pháp sở hữu tiềm năng mở rộng quy mô sang nhiều mô hình dịch vụ khác. Hệ thống có thể dễ dàng nâng cấp để hỗ trợ đặt bàn trực tuyến, thanh toán điện tử và phân tích dữ liệu lớn. Dự án là bước tiến cụ thể trong chuyển đổi số ngành dịch vụ ẩm thực.

4.1. Hiệu quả thực tiễn đối với trải nghiệm người tiêu dùng

Nền tảng mang lại sự tiện nghi rõ rệt cho cộng đồng người yêu thích không gian quán cà phê. Khách hàng dễ dàng định vị các địa điểm xung quanh tọa độ hiện tại chỉ với thao tác đơn giản. Chức năng lập danh sách yêu thích hỗ trợ người dùng ghi nhớ và chia sẻ địa điểm ưa thích cho người thân. Độ trễ truy vấn thấp cùng giao diện tối ưu giúp quá trình duyệt thông tin diễn ra mượt mà. Bên cạnh đó, các đánh giá chân thực từ cộng đồng cung cấp cơ sở tin cậy trước mỗi quyết định ghé thăm. Người tiêu dùng hoàn toàn chủ động trong việc lựa chọn không gian làm việc và giao lưu phù hợp.

4.2. Tiềm năng nâng cấp và mở rộng hệ thống trong tương lai

Kiến trúc phần mềm linh hoạt tạo điều kiện thuận lợi cho việc tích hợp thêm các công nghệ tiên tiến. Hệ thống có thể mở rộng mô hình dữ liệu để kết nối cổng thanh toán trực tuyến và đặt chỗ trước thời gian thực. Việc tích hợp trí tuệ nhân tạo thế hệ mới sẽ nâng cao năng lực phân tích thói quen tiêu dùng. Cơ chế gợi ý sẽ ngày càng chuẩn xác dựa trên thời gian thực, thời tiết và xu hướng thị trường. Ngoài ra, giải pháp còn có thể triển khai thành ứng dụng di động đa nền tảng để tiếp cận người dùng toàn diện hơn. Tiềm năng thương mại hóa mở ra hướng đi bền vững cho các nền tảng dịch vụ số chuyên ngành F&B.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh công nghệ thông tin và mạng Internet phát triển mạnh mẽ, thói quen tìm kiếm thông tin về địa điểm ăn uống, giải trí của người dân phần lớn phụ thuộc vào các nền tảng trực tuyến. Tuy nhiên, theo khảo sát thực tế được tác giả Nguyễn Minh Tiến trình bày trong đồ án, người dùng khi có nhu cầu tìm kiếm một quán café phù hợp thường phải tra cứu từ nhiều nguồn đánh giá rời rạc trên các nền tảng mạng xã hội khác nhau. Thực trạng này dẫn đến một số bất cập lớn:

• Người dùng gặp khó khăn trong việc tìm kiếm các địa điểm đáp ứng đồng thời nhiều tiêu chí cụ thể trong một lần truy vấn duy nhất.
• Thiếu công cụ hỗ trợ tổng hợp và chia sẻ danh sách nhiều quán cùng lúc cho bạn bè, khiến việc trao đổi và thống nhất địa điểm gặp gỡ trở nên phân tán, mất nhiều thời gian.
• Các hệ thống hiện hành chưa hỗ trợ tốt cơ chế gợi ý mang tính cá nhân hóa dựa trên sở thích và hành vi thực tế của từng đối tượng người dùng.

Xuất phát từ các vấn đề thực tiễn trên, tác giả đã lựa chọn và thực hiện đề tài "Xây dựng website tìm kiếm địa điểm quán café La Maison" nhằm xây dựng một nền tảng tìm kiếm, gợi ý và quản lý quán café tập trung.

Mục tiêu nghiên cứu của đề tài được xác định cụ thể gồm 4 nhiệm vụ:

1. Giúp người dùng tìm kiếm quán café theo các tiêu chí yêu cầu một cách thuận tiện và tối ưu hóa thời gian tra cứu.
2. Ứng dụng mô hình tính toán để gợi ý những quán café được cá nhân hóa theo đúng sở thích của từng người dùng.
3. Cung cấp chức năng tạo lập danh sách các quán yêu thích (bộ sưu tập) và hỗ trợ chia sẻ danh sách này tới bạn bè thông qua đường dẫn liên kết.
4. Tích hợp bản đồ số để hỗ trợ chỉ đường đi ngắn nhất từ vị trí hiện tại của người dùng đến địa điểm quán café đã chọn.

Đối tượng nghiên cứu của đồ án tập trung vào nhóm khách hàng sinh sống và lưu trú tại khu vực thành phố Đà Nẵng, được phân hóa theo hai nhóm độ tuổi chính:

• Nhóm từ 16 đến 24 tuổi: Bao gồm học sinh, sinh viên và người mới tốt nghiệp đi làm. Nhóm này có nhu cầu tìm kiếm không gian quán cùng các dịch vụ phục vụ mục đích học tập, làm việc nhóm, đồng thời có xu hướng trải nghiệm các không gian mới có thiết kế đẹp mắt để chụp ảnh.
• Nhóm từ 25 đến 34 tuổi: Nhóm người dùng đã đi làm, bận rộn với công việc, có nhu cầu gặp gỡ bạn bè vào dịp cuối tuần; đòi hỏi cao hơn về chất lượng dịch vụ, phong cách thiết kế và không gian yên tĩnh.

Về phạm vi triển khai, đề tài xây dựng một hệ thống ứng dụng web chạy trên môi trường mạng diện rộng, vận hành tại địa chỉ mạng do tác giả thiết lập (https://minhtien.), được hoàn thành và bảo vệ vào tháng 12 năm 2022 tại Trường Đại học Bách khoa – Đại học Đà Nẵng.

Cơ sở lý thuyết và phương pháp

Để xây dựng hệ thống website La Maison, tác giả đã nghiên cứu và tổng hợp các cơ sở lý thuyết về kiến trúc phần mềm, công nghệ web hiện đại và thuật toán học máy phục vụ tính năng gợi ý:

• Cơ chế hiển thị phía máy khách (Client-Side Rendering - CSR): Hệ thống chuyển toàn bộ gánh nặng biên dịch nội dung và sinh mã HTML sang trình duyệt của người dùng. Luồng hoạt động bắt đầu khi người dùng gửi yêu cầu, máy chủ hoặc mạng phân phối nội dung (CDN) sẽ phản hồi các tệp HTML, CSS và JavaScript cơ sở. Trình duyệt tải mã nguồn và hiển thị giao diện chờ (loading), sau đó thực thi JavaScript để gửi các yêu cầu API không đồng bộ qua AJAX nhằm nhận dữ liệu động và xử lý cập nhật DOM trực tiếp trên trình duyệt.
• Kiến trúc RESTful API: Chuẩn kiến trúc giao tiếp giữa máy khách và máy chủ qua giao thức HTTP. Dữ liệu trao đổi giữa các thành phần được định dạng chủ yếu dưới dạng JSON hoặc XML. Hệ thống sử dụng đầy đủ các phương thức HTTP tiêu chuẩn gồm: GET (lấy dữ liệu), POST (tạo mới bản ghi), PUT (cập nhật hoặc tạo mới toàn bộ bản ghi), PATCH (cập nhật từng phần bản ghi) và DELETE (xóa bản ghi).
• Hệ thống gợi ý dựa trên nội dung (Content-Based Recommendation Systems): Hệ thống đề xuất các thực thể tương tự dựa trên hồ sơ đặc trưng của thực thể (item profile) và lịch sử quan tâm của người dùng. Cơ sở toán học của mô hình bao gồm:
  • Utility Matrix (Ma trận hữu dụng): Biểu diễn mức độ quan tâm của tập hợp người dùng ($users$) đối với các sản phẩm quán café ($items$), trong đó các giá trị chưa đánh giá ký hiệu là dấu chấm hỏi (?) cần được hệ thống dự đoán.
  • Vector đặc trưng (Feature Vector): Tập hợp các thuộc tính của một quán café được lượng hóa thành một vector không gian $n$ chiều toán học.
  • Hồi quy tuyến tính (Linear Regression): Phương pháp thống kê được áp dụng để giải bài toán dự đoán đánh giá của người dùng. Mô hình học tham số $\theta_i$ cho từng người dùng dựa trên các cặp dữ liệu huấn luyện (item profile, ratings), từ đó dự đoán điểm số đối với các quán café mà người dùng chưa từng tương tác.

Phương pháp nghiên cứu và phát triển phần mềm được tiến hành qua 5 giai đoạn:

1. Xác lập ý tưởng, khảo sát nhu cầu người dùng và xây dựng chi tiết bài toán dự án.
2. Nghiên cứu tài liệu lý thuyết liên quan đến công nghệ web, kiến trúc client-server và các giải thuật đề xuất.
3. Phân tích yêu cầu chức năng, thiết kế kiến trúc hệ thống và xây dựng lược đồ cơ sở dữ liệu.
4. Lập trình giao diện người dùng, xây dựng các dịch vụ phía máy chủ và tích hợp thuật toán xử lý dữ liệu.
5. Tiến hành kiểm thử các mô-đun chức năng, kiểm thử thuật toán gợi ý, hiệu chỉnh lỗi và hoàn thiện sản phẩm.

Về nguồn dữ liệu ban đầu, tác giả ghi nhận đồ án không sử dụng các bộ dữ liệu có sẵn từ bên thứ ba. Dữ liệu vận hành của hệ thống được khởi tạo trực tiếp thông qua hai nguồn: dữ liệu quản trị do quản trị viên và nhân viên nhập thủ công; dữ liệu cộng đồng do người dùng đề xuất (suggest place) và các tương tác thực tế (lượt thích, bình luận, lưu bookmark) được lưu trữ vào hệ thống.

Thiết kế và triển khai

Hệ thống website tìm kiếm địa điểm quán café La Maison được thiết kế hoàn chỉnh theo quy trình kỹ thuật phần mềm, bao gồm thiết kế kiến trúc công nghệ, phân quyền tác nhân, đặc tả các ca sử dụng (Use Case) và mô hình hóa cơ sở dữ liệu.

Thành phần kiến trúc	Công nghệ / Thư viện sử dụng	Vai trò trong hệ thống
Front-end	ReactJS, Redux Toolkit, Tailwind CSS, HTML5/CSS3, Axios	Xây dựng giao diện trang đơn (SPA), quản lý trạng thái tập trung và xử lý gọi API qua AJAX
Back-end API	Node.js, ExpressJS Framework	Định tuyến điều hướng, thiết lập middleware và cung cấp hệ thống REST API
Dịch vụ gợi ý	Python	Xây dựng mô hình tính toán Content-based Recommender sử dụng thuật toán Linear Regression
Cơ sở dữ liệu	MongoDB	Hệ quản trị cơ sở dữ liệu NoSQL hướng tài liệu, lưu trữ dữ liệu dưới định dạng BSON/JSON
Máy chủ Web/Proxy	Nginx	Đóng vai trò máy chủ web phục vụ tĩnh, cân bằng tải và làm reverse proxy cho các cổng dịch vụ

Hệ thống xác định rõ 4 nhóm tác nhân tham gia tương tác:

1. Người dùng chưa đăng nhập: Tìm kiếm quán theo tên, lọc theo địa điểm, phong cách (style) và không khí (vibe); xem thông tin chi tiết; xem bản đồ và tra cứu đường đi ngắn nhất; chia sẻ địa điểm qua liên kết; đăng ký và đăng nhập.
2. Người dùng đã đăng nhập: Kế thừa toàn bộ quyền của khách, bổ sung quyền quản lý thông tin tài khoản, đổi mật khẩu; tạo và quản lý bộ sưu tập cá nhân; đánh giá thích quán; viết bình luận, thích/bỏ thích bình luận của người khác; gửi biểu mẫu đề xuất quán mới lên hệ thống.
3. Nhân viên (Staff): Đăng nhập trang quản trị, theo dõi và xét duyệt danh sách các quán do người dùng gợi ý, trực tiếp tạo mới thông tin quán café lên cơ sở dữ liệu.
4. Quản trị viên (Admin): Nắm toàn quyền hệ thống, xem biểu đồ thống kê (lượt xem, người dùng mới, trang truy cập cao), quản lý tài khoản người dùng (phân quyền vai trò, khóa/mở hoạt động tài khoản), quản lý danh sách quán café và duyệt danh sách đề xuất.

Bảng tổng hợp đặc tả các ca sử dụng tiêu biểu của hệ thống:

Mã ca sử dụng	Tên ca sử dụng	Tác nhân thực hiện	Mục tiêu và hành động chính
UC-01	Đăng nhập	Quản trị viên, Nhân viên, Người dùng	Xác thực thông tin email và mật khẩu để cấp quyền truy cập hệ thống
UC-02	Đăng ký	Người dùng vãng lai	Nhập biểu mẫu thông tin cá nhân để tạo tài khoản thành viên mới
UC-03	Quản lý thông tin cá nhân	Người dùng đã đăng nhập	Cập nhật hồ sơ cá nhân (ảnh đại diện, địa chỉ, ngày sinh) và đổi mật khẩu
UC-04	Gợi ý quán café	Người dùng đã đăng nhập	Gửi thông tin quán mới (Suggest a place) lên hệ thống để chờ kiểm duyệt
UC-05	Tìm kiếm quán café	Người dùng	Tra cứu quán theo từ khóa tên hoặc sử dụng bộ lọc kết hợp (địa điểm, style, vibe)
UC-06	Đánh giá quán café	Người dùng đã đăng nhập	Bày tỏ yêu thích (Like/Unlike), đăng bình luận và tương tác thích/không thích bình luận
UC-07	Lưu/Xóa Bookmark	Người dùng đã đăng nhập	Lưu quán café vào bộ sưu tập cá nhân hoặc xóa khỏi danh mục đã lưu
UC-08	Xem bản đồ	Người dùng	Định vị qua GPS, hiển thị trực quan các quán lân cận và vẽ tuyến đường đi tối ưu
UC-09	Quản lý users	Quản trị viên	Xem danh sách người dùng, cập nhật quyền hạn (role) và thay đổi trạng thái kích hoạt
UC-10	Quản lý Suggest list	Quản trị viên, Nhân viên	Duyệt đưa vào danh sách chính thức hoặc xóa các địa điểm do người dùng gửi lên
UC-11	Tạo mới quán café	Quản trị viên, Nhân viên	Nhập biểu mẫu dữ liệu đầy đủ để bổ sung một quán café mới vào hệ sinh thái

Cơ sở dữ liệu của đồ án được xây dựng trên hệ quản trị MongoDB với các bảng/bộ sưu tập chính lưu trữ quan hệ và tương tác người dùng:

• Bảng tài khoản (accounts): Lưu trữ định danh người dùng (id), địa chỉ thư điện tử (email), mật khẩu mã hóa (password), họ và tên (name), đường dẫn ảnh đại diện (avatar), số điện thoại liên lạc (phone), địa chỉ chi tiết (detail_address), ngày tháng năm sinh (birthday), trạng thái hoạt động (isActive dạng boolean), mã nhóm quyền (roleId), cùng hai mốc thời gian hệ thống (createdAt, updatedAt).
• Các bảng dữ liệu tương tác: Bảng quản lý người dùng thích quán café (like_coffees), bảng lưu trữ tương tác bình luận (like_comments, dislike_comments) và bảng hỗ trợ chia sẻ liên kết vị trí (share_locations).

Trong quá trình triển khai thực tế, tác giả đã tiến hành kiểm thử giải thuật gợi ý bằng cách nạp dữ liệu đầu vào của sản phẩm (item profile) kết hợp với hồ sơ hành vi của người dùng (user profile). Kết quả kiểm thử cho thấy thuật toán Linear Regression tính toán thành công các giá trị điểm số dự đoán cho các unrated items, từ đó đưa ra danh sách các quán café phù hợp nhất lên màn hình trang chủ của từng người dùng.

Nội dung chính theo từng chương

Báo cáo khóa luận được cấu trúc thành 3 chương chính cùng phần Mở đầu, Kết luận và Tài liệu tham khảo:

Mở đầu

Tác giả phân tích tính cấp thiết của đề tài xuất phát từ sự bùng nổ của dịch vụ trực tuyến tại Việt Nam và những khó khăn thực tế khi tìm kiếm không gian café phù hợp tại Đà Nẵng. Phần này xác định 4 mục tiêu cốt lõi, phạm vi người dùng thuộc hai nhóm tuổi (16-24 và 25-34), mô tả hệ thống triển khai trên mạng diện rộng qua tên miền riêng, đồng thời phác thảo kế hoạch thực hiện gồm 5 bước từ ý tưởng đến hoàn thiện sản phẩm.

Chương 1: Cơ sở lý thuyết

Nội dung chương 1 hệ thống hóa toàn bộ các nền tảng kỹ thuật và toán học làm nền tảng cho đồ án:

• Phân tích cơ chế Client-side rendering (CSR), làm rõ ưu điểm giảm tải cho máy chủ nhưng chỉ ra hạn chế về SEO và tải trọng ban đầu.
• Trình bày kiến trúc RESTful API, phân định rõ chức năng của từng phương thức HTTP (GET, POST, PUT, PATCH, DELETE) và cách thức cấu trúc dữ liệu JSON/XML.
• Đánh giá hệ sinh thái JavaScript, thư viện ReactJS (phân tích ưu điểm về component tái sử dụng, khả năng gỡ lỗi qua React Dev Tools, nhưng nhấn mạnh hạn chế ReactJS chỉ là tầng View với kích thước khoảng 35KB, cần bổ sung Redux/Routing).
• Tổng hợp các công nghệ phụ trợ gồm ExpressJS, cơ sở dữ liệu hướng tài liệu MongoDB NoSQL, ngôn ngữ Python và máy chủ chuyển tiếp Nginx.
• Trình bày chuyên sâu về lý thuyết hệ gợi ý Content-based: giải thích cấu trúc ma trận tiện ích (Utility matrix), vector đặc trưng toán học và phương pháp Hồi quy tuyến tính (Linear Regression) để giải quyết bài toán dự đoán dữ liệu khuyết thiếu.

Chương 2: Phân tích và thiết kế hệ thống

Chương 2 là phần trọng tâm về kỹ thuật phần mềm của đồ án:

• Phân loại chi tiết các yêu cầu chức năng theo từng đối tượng tác nhân (Quản trị viên, Nhân viên, Người dùng vãng lai, Người dùng thành viên) và các yêu cầu phi chức năng về tốc độ, tính bảo mật, tính thẩm mỹ và độ tin cậy.
• Xây dựng sơ đồ phân rã chức năng toàn diện của hệ thống La Maison.
• Thiết lập hệ thống 10 biểu đồ ca sử dụng (Use Case Diagram) từ mức tổng quát đến từng phân hệ nghiệp vụ cụ thể.
• Lập bảng đặc tả chi tiết cho 11 ca sử dụng quan trọng (từ UC-01 đến UC-11), xác định rõ luồng sự kiện chính giữa tác nhân và phản hồi của hệ thống.
• Xây dựng các biểu đồ hoạt động (Activity Diagram) và biểu đồ tuần tự (Sequence Diagram) minh họa cho các chu trình nghiệp vụ phức tạp: Đăng nhập, Quản lý tài khoản, Quản lý quán café, Quản lý người dùng và Tạo mới quán café.
• Thiết kế mô hình dữ liệu quan hệ (ERD) và chuẩn hóa cấu trúc các bảng dữ liệu trong MongoDB (bảng accounts, like_comments, dislike_comments, like_coffees, share_locations).

Chương 3: Triển khai hệ thống và đánh giá

Chương 3 trình bày các kết quả thực nghiệm và cài đặt thực tế của sản phẩm:

• Mô tả quy trình triển khai đồng bộ giữa Front-end (ReactJS, Redux Toolkit, Tailwind CSS), Back-end (ExpressJS, MongoDB) và module máy học (Python).
• Công bố kết quả kiểm thử thuật toán gợi ý dựa trên nội dung, chứng minh khả năng dự đoán điểm ưu tiên quán café dựa trên item profile và user profile.
• Giới thiệu kết quả giao diện thực tế thông qua 17 màn hình chức năng hoàn chỉnh của hệ thống:
  • Phân hệ người dùng: Trang chủ, Đăng nhập/Đăng ký, Chi tiết quán, Bản đồ chỉ đường, Chia sẻ quán café, Trang cá nhân, Trang bộ sưu tập, Chỉnh sửa hồ sơ, Thay đổi mật khẩu.
  • Phân hệ quản trị: Đăng nhập quản trị, Màn hình thống kê số liệu, Quản lý người dùng, Quản lý quán café, Màn hình xem bản đồ, Màn hình duyệt danh sách đề xuất người dùng gửi lên, Màn hình tạo mới quán café.
• Nêu các định hướng phát triển nhằm nâng cấp hệ thống trong tương lai.

Kết quả và đóng góp

Đồ án "Xây dựng website tìm kiếm địa điểm quán café La Maison" của sinh viên Nguyễn Minh Tiến đã đạt được các kết quả cụ thể:

• Xây dựng hoàn chỉnh một ứng dụng web hoạt động trên mạng diện rộng với 2 phân hệ độc lập: Phân hệ người dùng và Phân hệ quản trị/nhân viên, bao gồm hơn 17 màn hình giao diện trực quan được thiết kế bằng Tailwind CSS và ReactJS.
• Tích hợp thành công thuật toán gợi ý Content-based Recommender sử dụng mô hình hồi quy tuyến tính viết bằng Python, xử lý được ma trận tiện ích (utility matrix) để cá nhân hóa danh sách gợi ý địa điểm cho người dùng.
• Hiện thực hóa đầy đủ hệ thống bộ lọc đa tiêu chí (địa điểm, phong cách - style, không khí - vibe), chức năng chỉ đường ngắn nhất qua bản đồ GPS, cơ chế tạo bộ sưu tập bookmark cá nhân và tính năng chia sẻ địa điểm qua liên kết.
• Cung cấp trang quản trị toàn diện cho phép thống kê số lượng truy cập, quản lý vai trò tài khoản người dùng, kiểm duyệt danh sách địa điểm do cộng đồng đề xuất và trực tiếp cập nhật dữ liệu quán café.

So với các hình thức tìm kiếm địa điểm truyền thống, đóng góp của đề tài nằm ở việc tích hợp tập trung các tính năng phân tán (tìm kiếm đa tiêu chí, gợi ý cá nhân hóa, bản đồ chỉ đường và chia sẻ nhóm) vào trong một giao diện web thống nhất, giúp người dùng tiết kiệm thời gian tra cứu.

Hạn chế và hướng nghiên cứu tiếp

Theo phạm vi nghiên cứu và nội dung được tác giả ghi nhận trong báo cáo:

• Hệ thống không có sẵn cơ sở dữ liệu lớn từ ban đầu ("Các số liệu và dữ liệu ban đầu: Không có"), việc vận hành phụ thuộc nhiều vào việc nhập liệu thủ công của quản trị viên và sự tham gia đóng góp dữ liệu từ cộng đồng người dùng qua biểu mẫu "Suggest a place".
• Thuật toán gợi ý dựa trên nội dung (Content-based) phụ thuộc chặt chẽ vào độ chính xác của các vector thuộc tính đặc trưng gán cho từng quán café; nếu dữ liệu gán nhãn ban đầu thiếu đồng nhất, độ chính xác của kết quả đề xuất sẽ bị ảnh hưởng.
• Về hướng phát triển tiếp theo được đề cập tại Chương 3, tác giả định hướng tiếp tục hoàn thiện và tối ưu hóa giải thuật gợi ý, mở rộng kho dữ liệu địa điểm quán café ra ngoài phạm vi thành phố Đà Nẵng, đồng thời nâng cao hiệu năng xử lý của hệ thống máy chủ khi lượng người dùng tăng trưởng.

Giá trị tham khảo

Báo cáo khóa luận là tài liệu tham khảo hữu ích cho:

• Sinh viên chuyên ngành Công nghệ thông tin, Công nghệ phần mềm đang thực hiện đồ án tốt nghiệp hoặc các dự án môn học về phát triển ứng dụng web hiện đại (Single Page Application - SPA).
• Lập trình viên muốn tham khảo mô hình kết hợp kiến trúc Client-Side Rendering (ReactJS, Redux Toolkit, Tailwind CSS) với nền tảng REST API (Node.js, ExpressJS, MongoDB).
• Những người nghiên cứu cách ứng dụng giải thuật học máy cơ bản (Content-based Recommendation System sử dụng Hồi quy tuyến tính) vào bài toán thực tế của các nền tảng thương mại dịch vụ và du lịch địa phương.
• Tài liệu cung cấp mẫu phân tích thiết kế hệ thống phần mềm chuẩn mực với đầy đủ sơ đồ phân rã chức năng, 10 biểu đồ Use Case, 11 bảng đặc tả chi tiết, cùng các biểu đồ tuần tự, biểu đồ hoạt động và lược đồ cơ sở dữ liệu NoSQL.

Câu hỏi thường gặp

1. Khóa luận La Maison giải quyết vấn đề thực tế nào của người dùng khi tìm kiếm quán café?
Khóa luận giải quyết tình trạng thông tin quán café bị phân tán trên nhiều mạng xã hội, người dùng khó tìm được quán thỏa mãn nhiều tiêu chí cùng lúc, thiếu công cụ chia sẻ đồng thời nhiều địa điểm cho bạn bè và chưa có hệ thống gợi ý quán tự động theo sở thích cá nhân.

2. Thuật toán gợi ý địa điểm trong đồ án hoạt động dựa trên nguyên lý lý thuyết nào?
Hệ thống sử dụng mô hình gợi ý dựa trên nội dung (Content-based recommendation system). Thuật toán biểu diễn các quán café dưới dạng vector đặc trưng $n$ chiều (item profile) và lập ma trận hữu dụng (utility matrix) phản ánh mức độ quan tâm của người dùng. Sau đó, thuật toán Hồi quy tuyến tính (Linear Regression) được áp dụng để học mô hình cho từng người dùng nhằm dự đoán điểm đánh giá đối với các quán café chưa tương tác.

3. Hệ thống phân chia quyền hạn quản lý và tác nghiệp như thế nào?
Hệ thống thiết lập 3 cấp độ tài khoản nội bộ: Quản trị viên (Admin) có toàn quyền xem thống kê, quản lý người dùng, duyệt đề xuất và quản lý danh sách quán; Nhân viên (Staff) có quyền duyệt danh sách địa điểm do người dùng gửi lên và tạo mới quán café; Người dùng thành viên có quyền tương tác cá nhân (thích, bình luận, lưu bookmark, chia sẻ và gửi đề xuất quán mới).

4. Cấu trúc bảng tài khoản (accounts) trong cơ sở dữ liệu gồm những trường thông tin nào?
Bảng accounts bao gồm 12 trường: id (char), email (varchar), password (varchar), name (varchar), avatar (varchar), phone (varchar), detail_address (varchar), birthday (date), isActive (bool), roleId (char), createdAt (date), và updatedAt (date).

5. Hệ thống phần mềm La Maison được xây dựng bằng những công nghệ chính nào?
Hệ thống sử dụng thư viện ReactJS kết hợp Redux Toolkit, Tailwind CSS và Axios ở phía front-end; máy chủ ExpressJS trên nền tảng Node.js cùng cơ sở dữ liệu MongoDB ở phía back-end; thuật toán gợi ý được viết bằng ngôn ngữ Python; toàn bộ ứng dụng được cấu hình và vận hành qua máy chủ web Nginx trên mạng diện rộng.

Kết luận

Đồ án tốt nghiệp "Xây dựng website tìm kiếm địa điểm quán café La Maison" của sinh viên Nguyễn Minh Tiến đã hoàn thành mục tiêu xây dựng một nền tảng tìm kiếm và gợi ý địa điểm thông minh phục vụ người dùng tại khu vực Đà Nẵng. Bằng việc kết hợp kiến trúc Client-Side Rendering trên nền tảng ReactJS/ExpressJS/MongoDB với thuật toán học máy Content-Based Recommender, tác giả đã giải quyết hiệu quả bài toán tra cứu quán đa tiêu chí và cá nhân hóa trải nghiệm người dùng. Đồ án đáp ứng đầy đủ các tiêu chuẩn kỹ thuật phần mềm từ khâu khảo sát, phân tích thiết kế hệ thống, mô hình hóa dữ liệu đến cài đặt thực tế và kiểm thử chức năng.

Trích đoạn nội dung tài liệu

Chương 1: CƠ SỞ LÝ THUYẾT 1. Nghiên cứu lý thuyết 1. Client-side rendering Client-side rendering là một cách tiếp cận khác về việc làm thế nào một trang web được xử lí để hiển thị trên trình duyệt. Ở CSR, gánh nặng về việc biên dịch nội dung, sinh ra HTML được chuyển tới phía trình duyệt người dung [1].

Cách tiếp cận này được tiếp sức mạnh bởi các JavaScript Framework và các thư viện. Luồng chính của một trang web render trong trường hợp Client-side rendering như sau: • Người dùng gửi request đến website. • Thay vì một server, một con CDN có thể được sử dụng để gửi các file HTML, CSS và các file hỗ trợ người dùng. • Trình duyệt tải HTML và JS trong khi nhìn thấy biểu tượng loading.

• Sau khi trình duyệt lấy JS về, nó sẽ tạo ra các yêu cầu API thông qua AJAX và lấy về các nội dung động và xử lí chúng để render ra nội dung cuối cùng. • Sau khi server phản hồi, nội dung cuối cùng sẽ được render sử dụng quá trình xử lí DOM trên trình duyệt người dùng.1: Cơ chế hoạt động của client-side rendering Sinh viên thực hiện: Nguyễn Minh Tiến Hướng dẫn: TS. Phạm Công Thắng 3 Xây dựng website tìm kiếm địa điểm quán café La Maison 1. REST API REST (REpresentational State Transfer) là một dạng chuyển đổi cấu trúc dữ liệu, một kiểu kiến trúc để viết API.

Nó sử dụng phương thức HTTP đơn giản để tạo cho giao tiếp giữa các máy. Vì vậy, thay vì sử dụng một URL cho việc xử lý thông tin người dùng, REST gửi một yêu cầu HTTP như GET, POST, DELETE,… đến một URL để xử lý dữ liệu. API (Application Programming Interface) là một tập các quy tắc và cơ chế mà theo đó, một ứng dụng hay một thành phần sẽ tương tác với một ứng dụng hay thành phần khác. API có thể trả về dữ liệu mà chúng ta cần cho ứng dụng của mình ở những kiểu dữ liệu phổ biến như JSON hay XML [2].2: Cơ chế hoạt động của REST API REST hoạt động chủ yếu dựa vào phương thức HTTP.

Các hoạt động cơ bản sẽ sử dụng những phương thức HTTP riêng: • GET: Tùy chọn phổ biến nhất, trả về một số dữ liệu từ API dựa trên điểm cuối client truy cập và bất kỳ thông số nào client cung cấp. • POST: Tạo một bản ghi mới được thêm vào cơ sở dữ liệu. • PUT: Tìm kiếm bản ghi tại URL đã cho mà client cung cấp. Nếu nó tồn tại, hãy cập nhật bản ghi hiện có.

Nếu không, hãy tạo một bản ghi mới. • DELETE: Xóa bản ghi tại URL đã cho. • PATCH: Cập nhật các trường riêng lẻ của một bản ghi. JavaScript JavaScript – thường được viết tắt là JS, là ngôn ngữ lập trình phổ biến dùng để tạo ra các website tương tác.

Được tích hợp và nhúng vào HTML giúp website trở nên sống Sinh viên thực hiện: Nguyễn Minh Tiến Hướng dẫn: TS. Phạm Công Thắng 4 Xây dựng website tìm kiếm địa điểm quán café La Maison động hơn. JavaScript đóng vai trò như một phần của trang web, thực thi cho phép Client- side Script từ người dùng cũng như từ phía máy chủ (NodeJS) tạo ra các web động. JavaScript là ngôn ngữ lập trình thông dịch với khả năng hướng đến đối tượng.

Là một trong ba ngôn ngữ chính trong lập trình web và có mối liên hệ lẫn nhau để xây dựng một website sống động, chuyên nghiệp: • HTML: Cung cấp cấu trúc cơ bản, hỗ trợ trong việc xây dựng layout, thêm nội dung dễ dàng trên website. • CSS: Được sử dụng để kiểm soát và hỗ trợ định dạng thiết kế, bố cục, style, màu sắc,… • JavaScript: Tạo nên những nội dung “động” trên website [3]. JavaScript Framework là thư viện được xây dựng dựa vào ngôn ngữ lập trình JavaScript. Từ đó, mỗi framework được tạo ra để phục vụ cho từng lĩnh vực khác nhau.

Hiện nay, có rất nhiều JavaScript Framework thông dụng như: • ReactJS: Thư viện dùng cho ứng dụng Single Page, mobile. • NodeJS: Dùng để xây dựng và phát triển ứng dụng từ phía máy chủ. Thư viện ReactJS React (React.js hay ReactJS) là một thư viện JavaScript front-end mã nguồn mở và miễn phí để xây dựng giao diện người dùng dựa trên các thành phần UI. ReactJS là một opensource được phát triển bởi Meta (Facebook), ra mắt vào năm 2013.

React có thể được sử dụng như một cơ sở để phát triển các ứng dụng trang đơn hoặc di động. Tuy nhiên, React chỉ quan tâm đến việc quản lý trạng thái và hiển thị trạng thái đó cho DOM, vì vậy việc tạo các ứng dụng React thường yêu cầu sử dụng các thư viện bổ sung để định tuyến, cũng như một số chức năng phía máy khách nhất định. Ngoài việc hỗ trợ xây dựng giao diện nhanh, hạn chế lỗi trong quá trình code, cải thiện performance website thì React còn có những ưu điểm: • Phù hợp với đa dạng thể loại website: ReactJS khiến cho việc khởi tạo website trở nên dễ dàng hơn bởi vì không cần code nhiều như khi tạo trang web thuần JavaScript, HTML và nó đã cung cấp đủ các gói để có thể dùng trong nhiều trường hợp. • Tái sử dụng được các component: Chúng ta chỉ tốn thời gian xây dựng ban đầu và sử dụng lại hầu như toàn bộ ở các dự án khác.

Sinh viên thực hiện: Nguyễn Minh Tiến Hướng dẫn: TS. Phạm Công Thắng 5 Xây dựng website tìm kiếm địa điểm quán café La Maison • Thân thiện với SEO: SEO (Search Engine Optimization) là một phần không thể thiếu để đưa thông tin website lên top đầu tìm kiếm của Google. • Debug dễ dàng: Meta đã phát hành một chrome extension gọi là React Dev Tools dùng trong việc debug trong quá trình phát triển ứng dụng [4]. Nhược điểm: • ReactJS thư viện của Facebook giúp render ra phần View, nó không phải là một MVC framework như những framework khác, vì thế ReactJS sẽ không có phần Model và Controller, mà phải kết hợp với các thư viện khác.

• ReactJS khá nặng nếu so với các framework khác React có kích thước tương tương với Angular (khoảng 35KB so với 39KB của Angular). Trong khi đó Angular là một framework hoàn chỉnh. Express Framework Express là một framework dành cho NodeJS. Nó cung cấp cho chúng ta rất nhiều tính năng mạnh mẽ trên nền tảng web cũng như trên các ứng dụng di động.

Express hỗ trợ các phương thức HTTP và Middleware tạo ra một API vô cùng mạnh mẽ và dễ sử dụng. Có thể tổng hợp một số chức năng chính như sau: • Thiết lập các lớp trung gian để trả về các HTTP request. • Định nghĩa router cho phép sử dụng các hành động khác nhau dựa trên các phương thức HTTP và URL. • Cho phép trả về các trang HTML dựa vào các tham số [5].

MongoDB Database MongoDB là một database thiên hướng tài liệu và là một dạng NoSQL database. Chính vì vậy, MongoDB thường sẽ tránh đi cấu trúc table-based của relational database có thể thích ứng được với mọi tài liệu như JSON có sẵn trong một schema rất linh hoạt gọi là BSON. MongoDB được dùng để lưu trữ mọi dữ liệu dưới dạng Document JSON bởi vậy mỗi một collection thường sẽ có các kích cỡ và các document khác nhau. Mọi dữ liệu khi đó đều sẽ được lưu trữ sẵn trong document theo kiểu JSON nên các truy vấn sẽ rất nhanh [6].

Python Sinh viên thực hiện: Nguyễn Minh Tiến Hướng dẫn: TS. Phạm Công Thắng 6 Xây dựng website tìm kiếm địa điểm quán café La Maison Python là một trong những ngôn ngữ lập trình thiên hướng đối tượng bậc cao. Loại ngôn ngữ này được sử dụng cho quá trình phát triển ứng dụng và các website khác nhau. Ngôn ngữ này được tạo ra bởi Guido van Rossum và đã được ông phát triển nó trong một dự án mở.

Python là sự lựa chọn hoàn hảo của các chuyên gia hàng đầu cho đến những người mới học lập trình nhờ cấu trúc thanh lịch mà đơn giản [7]. Nginx Nginx là open source để phục vụ web, reverse proxying, caching, load blancing, media streaming,… Nó bắt đầu như một máy chủ web được thiết kế để có hiệu suất và sự ổn định tối đa. Ngoài các khả năng của máy chủ HTTP, Nginx cũng có thể hoạt động như một máy chủ proxy cho Email (IMAP, POP3, SMTP) và một trình cân bằng tải và proxy ngược cho các máy chủ HTTP, TCP, UDP [8]. Content-based recommendation systems Recommendation system là một trong những ứng dụng phổ biến nhất của khoa học dữ liệu ngày nay.

Chúng được sử dụng để đoán “rating” hoặc “preference” mà người dùng sẽ dành một mặt hàng. Hiện nay hầu hết mọi công ty công nghệ đều đã áp dụng chúng dưới mọi hình thức: • Amazon sử dụng nó để đề xuất sản phẩm đến khách hàng. • Netflix sử dụng để gợi ý phim cho người dùng. • Tiktok sử dụng để gợi ý các video làm người dùng hứng thú [9].

Content-based recommenders: Đề xuất các mặt hàng tương tự dựa trên một mặt hàng cụ thể. Hệ thống này sử dụng siêu dữ liệu mục, chẳng hạn như thể loại, đạo diễn, mô tả, diễn viên, v. cho phim, để đưa ra các đề xuất này. Ý tưởng chung đằng sau các hệ thống giới thiệu này là nếu một người thích một mặt hàng cụ thể, họ cũng sẽ thích một mặt hàng tương tự với nó.

Và để khuyến nghị điều đó, nó sẽ sử dụng siêu dữ liệu mục trước đây của người dùng. Một ví dụ điển hình có thể là YouTube, nơi dựa trên lịch sử của bạn, nó gợi ý cho bạn những video mới mà bạn có thể xem. Utility matrix: có hai thực thể chính trong các Recommendation Systems là users và items. Mỗi user sẽ có mức độ quan tâm tới từng item khác nhau.

Mức độ quan tâm này, nếu đã biết trước, được gán cho một giá trị ứng với mỗi cặp user-item. Giả sử rằng mức độ quan tâm được đo bằng giá trị user rate cho item, ta tạm gọi giá trị này là rating. Tập hợp tất cả các ratings, bao gồm cả những giá trị chưa biết cần được dự đoán, tạo nên một ma trận gọi là utility matrix. Sinh viên thực hiện: Nguyễn Minh Tiến Hướng dẫn: TS.

Phạm Công Thắng 7 Xây dựng website tìm kiếm địa điểm quán café La Maison Hình 1.3: Ví dụ về utility matrix Ví dụ về utility matrix với hệ thống Gợi ý bài hát. Các bài hát được người dùng đánh giá theo mức độ từ 0 đến 5 sao. Các dấu '?' nền màu xám ứng với việc dữ liệu chưa tồn tại trong cơ sở dữ liệu. Recommendation Systems cần phải tự điền các giá trị này.

Vector đặc trưng: là những thông tin đặc trưng của một sản phẩm được biểu diễn dưới dạng toán học, một vector n chiều, với mỗi chiều là một giá trị tượng trưng cho một đặc tính của sản phẩm.