Інтелектуальна веб-система персоналізованих рекомендацій розважального контенту

Abstract

Метою кваліфікаційної роботи є комплексне проєктування та повноцінна програмна реалізація масштабованої мікросервісної інформаційної системи, що виконує функції потужного агрегатора розважального контенту та забезпечує генерацію високоточних персоналізованих рекомендацій на основі передових гібридних алгоритмів фільтрації. Для досягнення поставленої мети необхідно виконати наступні завдання: 1. Провести глибинний аналіз предметної області, дослідити існуючі теоретичні підходи до побудови рекомендаційних систем та виявити ключові недоліки сучасних розважальних платформ. 2. Спроєктувати гнучку архітектуру програмного комплексу на базі мікросервісного підходу, визначити ефективні стратегії комунікації між сервісами. 3. Розробити оптимізовану структуру реляційної бази даних для зберігання різнорідних типів контенту з використанням архітектурного патерну Table-Per-Type. 4. Дослідити та математично обґрунтувати алгоритми контентної та колаборативної фільтрації, синтезувати на їх основі зважену гібридну модель. 5. Реалізувати відмовостійку серверну частину системи з інтеграцією зовнішніх джерел даних для наповнення каталогу. 6. Розробити оптимізований односторінковий клієнтський застосунок на фреймворку Angular з підтримкою механізмів розумної пагінації для роботи з великими масивами даних без втрати продуктивності браузера. 7. Реалізувати високопродуктивне алгоритмічне ядро рекомендацій мовою Python та безшовно інтегрувати його в загальну екосистему. 8. Контейнеризувати усі компоненти системи за допомогою технології Docker та провести комплексне тестування розробленого програмного забезпечення. Об’єкт дослідження – процес формування персоналізованих крос-доменних рекомендацій розважального контенту на основі аналізу користувацьких уподобань та історії взаємодії. Предмет дослідження – методи, алгоритми, математичні моделі та програмні засоби побудови крос-медійної рекомендаційної інформаційної системи на базі мікросервісної архітектури. Для розв’язання поставлених інженерних та наукових завдань у роботі було використано комплекс методів: - системний аналіз предметної області, існуючих платформ та аналогів для формування вимог до ПЗ; - методи математичного моделювання та машинного навчання для побудови високопродуктивного рекомендаційного ядра; - об’єктно-орієнтований аналіз та уніфікована мова моделювання для проєктування логічної структури й динамічної поведінки системи; - архітектурні патерни Table-Per-Type для поліморфного проєктування реляційної бази даних та Backend-For-Frontend з API Gateway для побудови мікросервісів; - методи контейнеризації та оркестрації для забезпечення відмовостійкого розгортання. Основні теоретичні положення, архітектурні підходи та практичні результати розробки інформаційної системи були висвітлені у тезах доповіді на тему «Проєктування та розробка рекомендаційної системи розважального контенту на базі мікросервісної архітектури» на Науково-практичній конференції студентів і аспірантів «Теоретичні та прикладні аспекти розробки комп’ютерних систем». Кваліфікаційна робота складається з переліку умовних позначень, вступу, чотирьох розділів, висновків та списку використаних джерел. Повний обсяг пояснювальної записки становить 66 сторінок. Текст роботи містить 17 рисунків та 2 таблиці. Список використаних джерел налічує 19 найменувань. Короткий зміст розділів роботи: - У першому розділі обґрунтовано актуальність теми крос-доменних рекомендацій, проведено глибокий аналіз методів побудови рекомендаційних систем, здійснено порівняльний аналіз існуючих світових аналогів та сформульовано чіткі функціональні й нефункціональні вимоги до системи. - У другому розділі представлено інженерне обґрунтування мікросервісної архітектури системи з використанням патерну API Gateway, спроєктовано схему бази даних PostgreSQL за патерном Table-Per-Type, виконано UML-моделювання поведінки системи, а також математично описано алгоритмічне ядро рекомендацій. - У третьому розділі описано безпосередню програмну реалізацію серверної частини на платформі ASP.NET Core, архітектуру фонової агрегації та нормалізації даних через зовнішні API, розробку Single Page Application клієнта на Angular з імплементацією «розумної пагінації», створення рекомендаційного модуля на Python та контейнеризацію всієї екосистеми через Docker. - У четвертому розділі сформульовано комплексну стратегію тестування ПЗ, наведено специфікацію та результати функціонального й навантажувального тестування клієнтської і серверної частин, проведено оцінку релевантності гібридного алгоритму на базі штучно змодельованих профілів, а також визначено перспективи горизонтального масштабування та модернізації інфраструктури платформи.