XÂY DỰNG TRANG WEB NGHE NHẠC TRỰC TUYẾN ỨNG DỤNG AI GỢI Ý VÀ TẠO PLAYLIST CÁ NHÂN HÓA

Abstract

Bối cảnh: Trong kỷ nguyên số, thị trường âm nhạc trực tuyến đang phát triển mạnh mẽ với xu hướng chuyển dịch sang các nền tảng streaming. Tuy nhiên, các nền tảng nội địa hiện nay vẫn còn hạn chế trong việc cá nhân hóa trải nghiệm người dùng, chủ yếu dựa trên các gợi ý phổ quát hoặc bảng xếp hạng chung. Điều này dẫn đến tình trạng quá tải thông tin, khiến người nghe gặp khó khăn trong việc tìm kiếm nội dung phù hợp với cảm xúc và ngữ cảnh riêng biệt của bản thân. Mục tiêu: Đề tài tập trung xây dựng một ứng dụng web nghe nhạc trực tuyến tích hợp trí tuệ nhân tạo (AI). Mục tiêu cốt lõi là tạo ra một nền tảng giải trí thông minh, giải quyết bài toán gợi ý nội dung bằng cách cung cấp các danh sách phát được cá nhân hóa sâu sắc và tính năng tự động tạo playlist dựa trên mô tả văn bản tự nhiên (prompt) của người dùng. Phương pháp: Hệ thống được phát triển theo mô hình Client-Server với kiến trúc 3 lớp (3-Tier). Về công nghệ, Frontend sử dụng ReactJS và MaterialUI; Backend được xây dựng trên nền tảng Node.js và Express.js kết hợp cơ sở dữ liệu NoSQL MongoDB Atlas. Module AI được phát triển bằng ngôn ngữ Python, áp dụng kỹ thuật Xử lý ngôn ngữ tự nhiên (NLP) để phân tích ý định từ câu lệnh và mô hình Gợi ý lai (Hybrid Filtering) - kết hợp trọng số giữa Lọc cộng tác và Lọc theo nội dung - để tối ưu hóa độ chính xác. Kết quả: Ứng dụng hoàn thiện cung cấp đầy đủ các chức năng cốt lõi như phát nhạc trực tuyến, quản lý thư viện cá nhân và tìm kiếm. Điểm nổi bật là tính năng "Tạo playlist bằng AI" hoạt động hiệu quả, cho phép người dùng nhập mô tả ngữ cảnh và nhận về danh sách phát phù hợp. Đặc biệt, hệ thống đã tích hợp thành công tính năng gợi ý bài hát theo thói quen nghe nhạc dựa trên mô hình lai, phân tích song song lịch sử tương tác và đặc trưng âm thanh để đưa ra các đề xuất "Dành riêng cho bạn" chính xác, đồng thời giải quyết tốt vấn đề khởi động lạnh cho tài khoản mới. Kết luận: Đề tài khẳng định tính khả thi của việc ứng dụng các mô hình AI/ML hiện đại vào dịch vụ âm nhạc trực tuyến. Kết quả nghiên cứu tạo tiền đề cho các hướng phát triển tiếp theo như tối ưu hóa mô hình Deep Learning để xử lý cảm xúc phức tạp và phát triển phiên bản ứng dụng di động.