Проєкт інформаційної системи для оренди нерухомості з аналізом оголошень та персоналізованими рекомендаціями
Автор: Попович Віталій Тарасович
Кваліфікаційний рівень: магістр
Спеціальність: Управління ІТ проектами
Інститут: Інститут комп'ютерних наук та інформаційних технологій
Форма навчання: денна
Навчальний рік: 2025-2026 н.р.
Мова захисту: українська
Анотація: Сучасний ринок оренди нерухомості потребує цифрових рішень, що поєднують великий обсяг оголошень з інтелектуальними інструментами аналізу та персоналізації. У межах МКР спроєктовано веб-сервіс, який автоматично вилучає структуровані характеристики з українськомовних текстових описів оголошень засобами обробки природної мови (NLP) та генерує персоналізовані рекомендації на основі гібридної фільтрації. Дослідження засвідчують, що трансформерні моделі типу BERT демонструють високу ефективність у завданнях розуміння природної мови, зокрема для Named Entity Recognition [1], а їх адаптація до конкретних мов через дообучення значно покращує якість результатів [2]. Рекомендаційні системи, що комбінують контентну та колаборативну фільтрацію, показують кращі результати порівняно з окремими підходами, оскільки враховують як атрибути об’єктів, так і поведінкові патерни користувачів [3]. Мета роботи – сформувати проект інформаційної системи для оренди нерухомості з інтелектуальним аналізом оголошень та персоналізованими рекомендаціями: від аналізу предметної області та вимог до архітектури, моделей і критеріїв якості. Як процесну модель обрано Agile Scrum із чотирма двотижневими спринтами для розробки MVP, визначеними артефактами та подіями для постійного зворотного зв’язку [4]. Нефункціональні характеристики системи (ефективність, безпека, зручність, надійність тощо) структуруються за еталонною моделлю якості ISO/IEC 25010, що дозволяє задати верифіковані метрики приймання: TTFB < 200 мс, LCP < 2.5 с для продуктивності; TLS 1.3, bcrypt для безпеки; 99.9% uptime для надійності [5]. Методологічна основа включає системний аналіз, UML-моделювання структур і поведінки, а також метод аналізу ієрархій (AHP) для кількісного обґрунтування вибору типу інформаційної системи за чотирма ключовими критеріями якості системи. AHP забезпечує прозоре отримання вагових коефіцієнтів через парні порівняння критеріїв (ефективність – 0.43, безпека – 0.30, зручність – 0.10, надійність – 0.17) та альтернатив (інформаційно-аналітична система з NLP-аналізом та рекомендаціями, інформаційно-пошукова система з семантичним пошуком, інформаційно-довідкова система з базою оголошень), що знижує ризики упереджень під час прийняття рішень [6]. За результатами формалізованого порівняння інформаційно-аналітична система отримала інтегральну оцінку 0.565 проти 0.324 для інформаційно-пошукової та 0.106 для інформаційно-довідкової альтернатив. Практичний результат МКР – сформований комплект проєктних артефактів: специфікація функціональних і нефункціональних вимог; мікросервісна архітектура з технологічною гетерогенністю (Node.js для I/O-операцій, Python для ML-обчислень), поліглотною персистенцією (PostgreSQL для структурованих даних, Elasticsearch для повнотекстового пошуку, Redis для кешування) та гібридною моделлю комунікації (REST API, gRPC, RabbitMQ); моделі даних і ключові UML-діаграми (класів, послідовностей, діяльності, компонентів, розгортання); специфікації інтелектуальних модулів (NLP-аналіз на базі uk-BERT, гібридна система рекомендацій); структура розбиття робіт та план виконання за методологією Scrum. Запропонована концепція орієнтована на поступове розгортання (від MVP) і подальше масштабування, що полегшує перевірку гіпотез про цінність інтелектуального аналізу для українського ринку оренди нерухомості та мінімізує технічні ризики. Ключові слова: оренда нерухомості, веб-сервіс, машинне навчання, NLP, персоналізовані рекомендації, мікросервісна архітектура, метод аналізу ієрархій, uk-BERT, контентна фільтрація, ISO/IEC 25010. Перелік використаних літературних джерел: 1. Devlin, J., Chang, M.-W., Lee, K., Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. Proceedings of NAACL-HLT 2019, 4171–4186. DOI: 10.18653/v1/N19-1423. 2. Virtanen, A., Kanerva, J., Ilo, R., Luoma, J., Luotolahti, J., Salakoski, T., Ginter, F., Pyysalo, S. (2019). Multilingual is not enough: BERT for Finnish. arXiv:1912.07076. 3. Ricci, F., Rokach, L., Shapira, B. (2015). Recommender Systems Handbook. 2nd ed. New York: Springer, 1020 p. DOI: 10.1007/978-1-4899-7637-6. 4. Schwaber, K., Sutherland, J. (2020). The Scrum Guide: The Definitive Guide to Scrum. Офіційна редакція. Доступно: https://scrumguides.org/. 5. ISO/IEC 25010:2023. Systems and software engineering – Systems and software Quality Requirements and Evaluation (SQuaRE) – System and software quality models. Офіційний опис та текст стандарту. 6. Saaty, T. L. (2008). Decision Making with the Analytic Hierarchy Process. International Journal of Services Sciences, 1(1), 83–98. DOI: 10.1504/IJSSCI.2008.017590.