WEBSITE ĐỌC TRUYỆN TÍCH HỢP HỆ THỐNG GỢI Ý VÀ TRỢ LÝ ẢO HỖ TRỢ TÌM TRUYỆN

Abstract

Trong những năm gần đây, nhu cầu đọc truyện trực tuyến ngày càng gia tăng, đòi hỏi các hệ thống có khả năng cá nhân hóa nội dung nhằm nâng cao trải nghiệm người dùng. Đề tài “Website Đọc Truyện Tích Hợp Hệ Thống Gợi Ý Và Trợ Lý Ảo Hỗ Trợ Tìm Truyện” được thực hiện nhằm xây dựng một nền tảng đọc truyện trực tuyến hiện đại với các chức năng như tìm kiếm, đọc truyện, lưu lịch sử đọc, đánh giá, bình luận và sáng tác truyện. Bên cạnh đó, hệ thống tích hợp trợ lý ảo hỗ trợ tìm kiếm truyện bằng ngôn ngữ tự nhiên, cho phép người dùng mô tả thể loại, nội dung hoặc các đặc điểm mong muốn để tìm ra những truyện phù hợp trong cơ sở dữ liệu. Hệ thống đồng thời tích hợp mô hình Hybrid Recommendation, kết hợp giữa Content-Based Filtering và Collaborative Filtering nhằm nâng cao chất lượng gợi ý truyện. Mô hình khai thác cả thông tin nội dung của truyện (thể loại, thẻ, đặc trưng ngữ nghĩa) và dữ liệu hành vi người dùng (lượt xem, số chương đã đọc, theo dõi, đánh giá và các tương tác khác) để đề xuất các truyện phù hợp với sở thích cá nhân. Website được phát triển theo mô hình client-server với Vue.js, Node.js, Express.js và MySQL. Kết quả là một hệ thống hoạt động ổn định, hỗ trợ tìm kiếm truyện bằng trợ lý ảo và gợi ý truyện thông minh, góp phần nâng cao trải nghiệm người dùng và khả năng khám phá nội dung phù hợp. In recent years, the demand for online novel reading has grown significantly, creating the need for systems capable of delivering personalized content to enhance user experience. This thesis, entitled "Novel-Reading Website with a Recommendation System and Virtual Assistant for Story Searching" aims to develop a modern online reading platform that provides essential features such as novel searching, reading, reading history management, rating, commenting, and novel publishing. In addition, the system integrates a virtual assistant that enables users to search for novels using natural language by describing genres, story content, or desired characteristics, thereby helping them discover suitable novels from the system's database. The system also incorporates a Hybrid Recommendation model that combines Content-Based Filtering and Collaborative Filtering to improve recommendation quality. The model utilizes both novel content information, including genres, tags, and semantic features, and user behavior data, such as views, reading progress, follows, ratings, and other interactions, to recommend novels that best match individual preferences. The website is developed using a client-server architecture with Vue.js, Node.js, Express.js, and MySQL. The resulting system operates reliably, supports intelligent novel search through a virtual assistant, and provides personalized recommendations, thereby enhancing user experience and improving users' ability to discover content that matches their interests.