ỨNG DỤNG MÔ HÌNH NHÚNG TRONG CÔNG CỤ CHATBOT AI TÌM KIẾM PHÒNG TRỌ

Tóm tắt

Trong thực tế, người dùng thường tìm phòng trọ bằng ngôn ngữ tự nhiên (ví dụ: “Tìm phòng yên tĩnh, gần chợ”), nhưng các công cụ tìm kiếm dựa trên từ khóa truyền thống nên thường chỉ hiểu ngữ nghĩa ở mức gần đúng, dẫn đến trả về kết quả không liên quan và gây lãng phí thời gian. Để giải quyết vấn đề này, nhóm đưa ra giải pháp “ ứng dụng mô hình nhúng trong công cụ chatbot AI tìm kiếm phòng trọ ”. Với giải pháp này, chúng ta có một công cụ chatbot AI – hỗ trợ người dùng tìm kiếm phòng trọ bằng cách đưa từ khóa tìm kiếm theo ngôn ngữ tự nhiên. Công cụ chatbot AI tìm kiếm phòng trọ được tích hợp trong hệ thống quản lý, tìm kiếm phòng trọ, trong công cụ chatbot AI này dùng mô hình nhúng để nâng cao độ chính xác của việc truy vấn dữ liệu. Công cụ sử dụng nomic-embed-text để mã hóa truy vấn và dữ liệu phòng trọ thành vector, kết hợp với Llama 3.2 để phân tích và trích xuất thông tin quan trọng từ câu hỏi người dùng. Dựa trên cơ sở dữ liệu vector (MongoDB) và thuật toán cosine similarity, công cụ có khả năng hiểu ý định tìm kiếm và xử lý các truy vấn không trùng từ khóa, từ đó trả về kết quả phù hợp hơn. Kiến trúc triển khai của công cụ bao gồm React, Node.js–Express và Ollama AI Server, kết hợp cơ chế tìm kiếm nhanh, cache vector và khả năng mở rộng tốt. Kết quả thử nghiệm cho thấy công cụ chatbot AI này cải thiện độ chính xác từ 70–80%, tăng tốc độ truy xuất và mang lại trải nghiệm tốt hơn đáng kể so với phương pháp tìm kiếm truyền thống.

Từ khóa: mô hình nhúng, tìm kiếm ngữ nghĩa, vector embedding, cosine similarity, ollama AI, nomic-embed-text, chatbot AI tìm kiếm phòng trọ.