Hệ thống gợi ý sản phẩm thông minh dựa trên kỹ thuật lọc cộng tác và phân tích ma trận
Xây dựng nền tảng gợi ý cá nhân hoá sử dụng thuật toán học máy phân rã ma trận kết hợp backend Django xử lý dữ liệu lớn.
Giới thiệu
Trong kỷ nguyên thương mại điện tử và dịch vụ trực tuyến, việc quá tải thông tin khiến người dùng gặp khó khăn trong việc tìm kiếm nội dung phù hợp. Đề tài tập trung giải quyết bài toán cá nhân hóa trải nghiệm thông qua việc nghiên cứu và triển khai các thuật toán gợi ý hiện đại, đặc biệt là kỹ thuật lọc cộng tác (Collaborative Filtering) và phân rã ma trận (Matrix Factorization/SVD).
Hệ thống được xây dựng theo kiến trúc fullstack với nền tảng Django đóng vai trò cốt lõi trong việc quản lý cơ sở dữ liệu, cung cấp RESTful API và tích hợp pipeline huấn luyện mô hình học máy. Giao diện người dùng được tối ưu hóa nhằm thu thập phản hồi tường minh và ngầm định, giúp liên tục cập nhật và cải thiện độ chính xác của mô hình gợi ý theo thời gian thực.
Chức năng có trong gói chuẩn
- Thu thập và tiền xử lý dữ liệu tương tác người dùng (đánh giá, lượt xem, lịch sử mua sắm)
- Xây dựng pipeline huấn luyện mô hình gợi ý với các thuật toán SVD, SVD++, KNNBaseline
- Module đánh giá hiệu năng mô hình sử dụng các chỉ số RMSE, MAE, Precision@K và Recall@K
- API gợi ý sản phẩm và nội dung theo thời gian thực dựa trên hồ sơ cá nhân hóa
- Xử lý bài toán khởi đầu lạnh (Cold-Start) cho người dùng mới và sản phẩm mới
- Trang quản trị Django cho phép theo dõi dữ liệu, kiểm thử mô hình và cấu hình tham số
- Giao diện người dùng trực quan hiển thị danh mục sản phẩm và danh sách gợi ý phù hợp
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.