Фронтенд фреймворк для побудови застосунків з адаптивним графічним інтерфейсом засобами машинного навчання

Abstract

Метою роботи є розроблення системи, яка дозволяє автоматизовано підвищувати якість користувацького досвіду та скорочує час, необхідний для персоналізації інтерфейсів веб-застосунків шляхом адаптації їх до індивідуальних особливостей взаємодії користувача зі сторінкою. Робота складається з 4 розділів. У першому розділі наведено аналіз проблеми створення фронт-енд фреймворку для побудови адаптивного графічного інтерфейсу. В другому розглянуто підходи до збору даних про активність користувача, оцінки ефективності взаємодії та перебудови інтерфейсу. Третій розділ описує програмну реалізацію фреймворку та його тестування. У четвертому розділі виконано оцінювання ефективності реалізованої системи. Проаналізовано наукові дослідження, присвячені персоналізованим інтерфейсам та аналізу користувацької поведінки і виявлено, що питання автоматизації створення персональних користувацьких інтерфейсів залишається актуальним на сьогоднішній день. В результаті аналітичного розділу виявлено основні недоліки універсальних інтерфейсів, обґрунтовано доцільність адаптації UI до особливостей користувача та проаналізовано існуючі підходи до збору й обробки інформації про взаємодію. Для реалізації обрано розробку системи у вигляді бібліотеки, яка повністю виконує функції аналізу поведінки та формування стилістичних параметрів на стороні клієнта. Для генерації стилів вибрано згорткову нейронну мережу. Проведено функціональне та продуктивне тестування реалізованого рішення. Проведено дослідження впливу фреймворку на якість користувацького досвіду та на швидкість розробки персоналізованих користувацьких інтерфейсів. Обсяг роботи становить 108 сторінок.The objective of this study is the development of a system that enables the automated enhancement of user experience and significantly reduces the time required for interface personalization in web applications by adapting the interface to the individual patterns of user interaction with a webpage. The work is structured into four chapters. The first chapter analyzes the challenges involved in designing a front-end framework for constructing adaptive graphical user interfaces. The second chapter explores methods for collecting user activity data, evaluating interaction quality, and restructuring interface components accordingly. The third chapter details the software implementation of the proposed framework and presents the results of functional and performance testing. The final chapter is dedicated to assessing the effectiveness of the developed system. A review of contemporary research in the domains of personalized interfaces and user behavior analysis demonstrates that the automation of adaptive interface generation remains a pressing and unresolved issue. The analytical chapter identifies key limitations of conventional, universal interface designs, substantiates the need for user-specific adaptation, and critically evaluates existing techniques for collecting and processing interaction data. The framework was implemented as a client-side library, capable of independently analyzing user behavior and generating dynamic style parameters. A convolutional neural network was employed to synthesize interface styles. Comprehensive testing confirmed the framework’s reliability and performance efficiency. An evaluation was conducted to assess the framework’s impact on user experience quality and the speed of personalized interface development. The total length of the work is 108 pages. Key words: front-end, adaptive interface, web design, user experience, machine learning.