Mô tả

Ứng dụng được phát triển trên nền tảng Rasa Framework, một công cụ mã nguồn mở mạnh mẽ dùng để xây dựng chatbot thông minh với khả năng hiểu ngôn ngữ tự nhiên (NLU) và điều phối hội thoại (Core). Chatbot có thể thực hiện các chức năng như: tra cứu thông tin cổ phiếu, cung cấp dữ liệu lịch sử, phân tích xu hướng giá, và đặc biệt là dự đoán giá cổ phiếu trong tương lai gần dựa trên mô hình học sâu.

Dữ liệu chứng khoán được thu thập thông qua các API, xử lý và lưu trữ vào cơ sở dữ liệu MySQL. Hệ thống sử dụng thư viện pandas để xử lý dữ liệu, sklearn để chuẩn hóa dữ liệu đầu vào, và thư viện TensorFlow/Keras để xây dựng mô hình dự đoán. Cụ thể, mô hình học sâu sử dụng kiến trúc LSTM (Long Short-Term Memory) để học và dự đoán chuỗi thời gian, từ đó ước lượng xu hướng giá cổ phiếu trong tương lai.

Bên cạnh đó, các mô hình học sâu (Deep Learning), đặc biệt là LSTM (Long Short-Term Memory) đã chứng minh được hiệu quả vượt trội trong việc xử lý các bài toán chuỗi thời gian, chẳng hạn như dự đoán giá cổ phiếu. Khi kết hợp chatbot với mô hình dự đoán, hệ thống có thể cung cấp cho người dùng không chỉ thông tin hiện tại mà còn cả dự báo giá trị tương lai – điều rất hữu ích trong bối cảnh thị trường biến động nhanh chóng.

Chatbot có thể tương tác với người dùng bằng tiếng Việt thông qua giao diện dòng lệnh (hoặc đơn giản qua web/chat UI).

Hệ thống nhận diện các yêu cầu phổ biến như: tra cứu thông tin mã cổ phiếu, xem dữ liệu lịch sử giá, phân tích xu hướng, và dự đoán giá cổ phiếu trong ngắn hạn.

Chatbot có thể ghi nhớ một số thông tin ngữ cảnh trong quá trình hội thoại, giúp tạo cảm giác tương tác tự nhiên hơn.

Chatbot được xây dựng bằng nền tảng Rasa (NLU + Core).

Mô hình dự đoán được phát triển bằng mô hình học sâu LSTM, sử dụng thư viện TensorFlow/Keras.

Dữ liệu được xử lý với pandas, numpy và lưu trữ trong hệ quản trị MySQL.

Hệ thống chạy trên môi trường cục bộ, chưa triển khai chính thức lên server hay nền tảng đám mây.

Để xây dựng một hệ thống chatbot thông minh có khả năng phân tích và dự đoán thị trường chứng khoán, đề tài sử dụng kết hợp nhiều công nghệ hiện đại trong các lĩnh vực trí tuệ nhân tạo, xử lý ngôn ngữ tự nhiên, lập trình backend, và phân tích dữ liệu. Cụ thể bao gồm:

A, Rasa Framework

• Là nền tảng mã nguồn mở để xây dựng chatbot thông minh.
• Gồm hai thành phần chính:
• Rasa NLU: nhận diện ý định (intent) và trích xuất thực thể (entity) từ câu hỏi người dùng.
• Rasa Core: điều phối luồng hội thoại dựa trên trạng thái cuộc trò chuyện.
• Cho phép xây dựng các action tùy chỉnh bằng Python để xử lý logic phức tạp như truy xuất dữ liệu, gọi API, hoặc thực hiện dự đoán.

B, Python

• Là ngôn ngữ lập trình chính trong toàn bộ hệ thống.
• Dùng để viết action trong Rasa, xử lý dữ liệu chứng khoán, xây dựng mô hình dự đoán và kết nối cơ sở dữ liệu.
• Hỗ trợ rất tốt các thư viện trí tuệ nhân tạo và phân tích dữ liệu.

C, TensorFlow / Keras

• Là thư viện mã nguồn mở mạnh mẽ để xây dựng và huấn luyện các mô hình học sâu (Deep Learning).
• Keras cung cấp API thân thiện để xây dựng mô hình LSTM dùng trong dự đoán giá cổ phiếu.
• Hỗ trợ nhiều công cụ như huấn luyện, đánh giá, lưu và tải mô hình (model.save, load_model).

D, Pandas và NumPy

• Pandas: dùng để xử lý, phân tích dữ liệu dưới dạng bảng (DataFrame), rất phù hợp để làm việc với dữ liệu thời gian như giá cổ phiếu.
• NumPy: hỗ trợ các thao tác trên mảng số học hiệu suất cao, được dùng trong xử lý dữ liệu đầu vào và chuyển đổi ma trận cho mô hình học sâu.

E, Scikit-learn (sklearn)

• Sử dụng công cụ MinMaxScaler để chuẩn hóa dữ liệu đầu vào về khoảng [0, 1], giúp mô hình LSTM học hiệu quả hơn.
• Cũng có thể dùng để đánh giá mô hình (mean squared error, R²,... nếu cần).

F, MySQL

• Là hệ quản trị cơ sở dữ liệu quan hệ mã nguồn mở, được dùng để lưu trữ dữ liệu cổ phiếu thu thập từ API.
• Dữ liệu được truy xuất bởi các action tùy chỉnh trong Rasa để phản hồi người dùng theo thời gian thực.