Hệ thống gợi ý sản phẩm thông minh sử dụng mô hình học sâu RQ-VAE trên nền tảng Django
Ứng dụng mô hình RQ-VAE kết hợp kiến trúc web Django nhằm tối ưu hóa độ chính xác và tốc độ gợi ý sản phẩm cá nhân hóa cho người dùng.
Giới thiệu
Trong các hệ thống thương mại điện tử hiện đại, việc xử lý không gian biểu diễn danh mục lớn và dữ liệu tương tác thưa thớt là thách thức lớn đối với các thuật toán gợi ý truyền thống. Đề tài tập trung nghiên cứu và ứng dụng mô hình RQ-VAE (Residual Quantized Variational Autoencoder) nhằm mã hóa thông tin người dùng và sản phẩm thành các chỉ mục ngữ nghĩa rời rạc, giúp tối ưu hóa hiệu suất truy xuất và nâng cao độ chính xác khi cá nhân hóa gợi ý.
Hệ thống được xây dựng hoàn chỉnh trên nền tảng Django, đảm nhận vai trò cung cấp giao diện người dùng, quản lý luồng dữ liệu, xử lý nghiệp vụ và tích hợp các API suy luận từ mô hình AI. Kiến trúc phân tầng tách biệt giữa tầng dịch vụ gợi ý và tầng ứng dụng web đảm bảo hệ thống có khả năng mở rộng tốt, xử lý mượt mà các truy vấn thời gian thực và dễ dàng thích ứng với dữ liệu quy mô lớn.
Chức năng có trong gói chuẩn
- Xác thực, phân quyền người dùng và quản lý hồ sơ sở thích cá nhân
- Thu thập và tiền xử lý nhật ký hành vi tương tác, xem và đánh giá sản phẩm
- Module huấn luyện ngoại tuyến và suy luận gợi ý thời gian thực với RQ-VAE
- Gợi ý sản phẩm liên quan dựa trên mã hóa ngữ nghĩa rời rạc của danh mục
- Trang bảng điều khiển trực quan hóa thống kê độ chính xác và tương tác người dùng
- Quản lý danh mục sản phẩm, biến thể và lượng tồn kho trên Django Admin
- Hệ thống API RESTful phục vụ kết nối dữ liệu giữa giao diện và mô hình AI
- Đánh giá hiệu năng mô hình gợi ý thông qua các chỉ số Recall, NDCG và Hit Ratio
Chức năng ngoài danh sách này được tính riêng và ghi rõ trong bản chốt scope trước khi bắt đầu.
Công nghệ
- django
Muốn đổi sang công nghệ khác cho khớp yêu cầu môn học? Được — báo trước khi chốt scope, giá điều chỉnh theo hệ số công nghệ chứ không phải làm lại từ đầu.