Đồ án tốt nghiệp - Xây dụng hệ thống Chatbot tư vấn khách sạn

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP. HỒ CHÍ MINH
KHOA CÔNG NGHỆ THÔNG TIN
BỘ MÔN TRÍ TUỆ NHÂN TẠO

Lê Hữu Huy (MSSV: 21110471)
Đào Tuấn Kiệt (MSSV: 21110518)

XÂY DỰNHG HỆ THỐNG CHATBOT
TƯ VẤN KHÁCH SẠN
KHÓA LUẬN TỐT NGHIỆP KỸ SƯ CNTT
GIÁO VIÊN HƯỚNG DẪN
TH.S QUÁCH ĐÌNH HOÀNG

Khoá 2021 - 2025
Tp. Hồ Chí Minh, ngày 07 tháng 6 năm 2024

ĐH SƯ PHẠM KỸ THUẬT
TP.HCM KHOA CNTT

XÃ HỘI CHỦ NGHĨA VIỆT NAM
Độc lập – Tự do – Hạnh Phúc

*******

*******

PHIẾU NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪN
Họ và tên Sinh viên 1: Lê Hữu Huy

MSSV: 21110471

Họ và tên Sinh viên 2: Đào Tuấn Kiệt

MSSV: 21110518

Ngành: Công nghệ thông tin
Tên đề tài: Hệ thống chatbot tư vấn khách sạn
Họ và tên Giảng viên hướng dẫn: Th.S Quách Đình Hoàng
NHẬN XÉT
Về nội dung đề tài khối lượng thực hiện:
..................................................................................................................................................
..................................................................................................................................................
..................................................................................................................................................
1. Ưu điểm:
..................................................................................................................................................
.................................................................................................................................................
..................................................................................................................................................
..................................................................................................................................................
2. Khuyết điểm
..................................................................................................................................................
..................................................................................................................................................
..................................................................................................................................................
..................................................................................................................................................
3. Đề nghị cho bảo vệ hay không?
4. Đánh giá loại:
5. Điểm:
Tp.
...

...
u khách
sạn, tư vấn tối ưu, đề xuất các dịch vụ phù hợp...), cần tích hợp thêm các kỹ thuật xử lý
ngôn ngữ tự nhiên nâng cao như:


Lập luận đa bước (multi-step reasoning),



Truy hồi và tổng hợp thông tin từ nhiều nguồn khác nhau,

Cải thiện kỹ thuật RAG


Nghiên cứu các mô hình RAG mới nhằm cải thiện hiệu quả truy hồi thông tin
liên quan từ kho dữ liệu,
60



Tối ưu khả năng sinh phản hồi tự nhiên và chính xác hơn dựa trên thông tin đã
truy xuất.



Mở rộng khả năng ứng dụng RAG cho các trường hợp yêu cầu truy xuất dữ liệu
theo thời gian thực.

Cải thiện khả năng lấy dữ liệu thời gian thực
Để cung cấp trải nghiệm toàn diện hơn, cần tích hợp API từ các nguồn dữ liệu đáng tin
cậy, chẳng hạn như các dịch vụ khách sạn, tour du lịch. Điều này giúp chatbot không
chỉ phản hồi nhanh chóng mà còn đảm bảo độ chính xác và cập nhật thông tin kịp thời.
Phát triển khả năng cá nhân hóa
Chatbot có thể được thiết kế để cá nhân hóa trải nghiệm người dùng, chẳng hạn:


Ghi nhớ sở thích và nhu cầu của người dùng trong các lần tương tác trước.



Cung cấp gợi ý và tư vấn phù hợp với hồ sơ cá nhân của từng khách hàng.

61

References
[1] J. Ip, LLM Chatbot Evaluation Explained: Top Metrics and Testing Techniques,
8 10 2024. [Online]. Available: https://www.confident-ai.com/blog/llm-chatbotevaluation-explained-top-chatbot-evaluation-metrics-and-testing-techniques.
[2] B. v. M. Kyunghyun Cho, Learning Phrase Representations using RNN EncoderDecoder for Statistical Machine Translation, 2014.
[3] N. S. e. Ashish Vaswani, Attention Is All You Need, 2017.
[4] X. Z. S. R. J. S. Kaiming He, Deep Residual Learning for Image Recognition,
Kaiming He, 2015.
[5] P. Phan, ChatGPT Series 5: Tìm hiểu về Retrieval Augmented Generation
(RAG), 30 12 2023. [Online]. Available: https://viblo.asia/p/chatgpt-series-5tim-hieu-ve-retrieval-augmented-generation-rag-Ny0VGRd7LPA.
[6] E. P. Patrick Lewis, Retrieval-Augmented Generation for Knowledge-Intensive
NLP Tasks, 2020.
[7] Rahul, TF-IDF - Understanding Term Frequency-Inverse Document Frequency
in NLP, 04 May 2024. [Online]. Available: https://zilliz.com/learn/tf-idfunderstanding-term-frequency-inverse-document-frequency-in-nlp.
[8] L. community, Multi-agent systems, 2025. [Online]. Available:
https://langchain-ai.github.io/langgraph/concepts/multi_agent/. [Accessed 2025].
[9] Zirui Guo, Lianghao Xia, Yanhua Yu, Tu Ao, Chao Huang, LIGHTRAG:
SIMPLE AND FAST RETRIEVAL-AUGMENTED GENERATION, 2024.

62