DEVELOPMENT OF A FASHION E-COMMERCE SYSTEM - MODULE: MOBILE APPLICATION FEATURING VIRTUAL FITTING ROOM AND PRODUCT RECOMMENDATION

Abstract

This thesis presents the development of a modern Android-oriented fashion ecommerce system using React Native, Expo, TypeScript, React, Node.js, Express, MongoDB, and supporting AI microservices. Beyond the core shopping workflow, the system integrates a multi-context product recommendation engine and an interactive Virtual Fitting Room. Redis is used as a shared operational data store for short-lived cache entries and atomic rate-limit counters. In contrast, BullMQ uses a dedicated Redis database to coordinate asynchronous image and video generation jobs. Socket.IO remains a separate real-time delivery channel, with REST polling used as a fallback. The application services are packaged with Docker Compose to provide a repeatable local deployment environment for the Web Administration Portal, backend API, image-validation service, and garment-processing service. The completed system supports the customer shopping journey, contextual product recommendations, virtual try-on processing, operational administration, resilient caching, and background job execution. The recommendation algorithm was evaluated offline on controlled Amazon Fashion and Polyvore datasets using ranking, coverage, diversity, and paired significance measures. Automated verification covered backend, mobile, Web Administration, end-to-end, image-validation, and garment-processing behavior. The results demonstrate the feasibility of combining mobile commerce, explainable recommendation logic, computer vision, generative AI, distributed caching, and Redis-backed job processing within one modular fashion retail platform. The reported evaluation remains an engineering and offline assessment rather than evidence of commercial uplift under production traffic. Luận văn trình bày quá trình phát triển ứng dụng thương mại điện tử thời trang trên thiết bị di động, tích hợp phòng thử đồ ảo và hệ thống gợi ý sản phẩm. Ứng dụng hỗ trợ mua sắm trực tuyến, đề xuất sản phẩm cá nhân hóa và thử đồ ảo ứng dụng trí tuệ nhân tạo. Thuật toán gợi ý được đánh giá trên các bộ dữ liệu thời trang, đồng thời hệ thống được kiểm thử tự động nhằm xác minh các chức năng chính. Kết quả cho thấy tính khả thi của việc tích hợp gợi ý sản phẩm cá nhân hóa và thử đồ ảo vào nền tảng thương mại điện tử thời trang.