Проєкт інформаційної системи для оренди нерухомості з аналізом оголошень та персоналізованими рекомендаціями

Abstract

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.The modern real estate rental market requires digital solutions that combine large volumes of listings with intelligent analysis and personalization tools. As part of the thesis, a web service was designed that automatically extracts structured characteristics from Ukrainian-language textual descriptions of listings using Natural Language Processing (NLP) and generates personalized recommendations based on hybrid filtering. Research demonstrates that transformer models such as BERT show high effectiveness in natural language understanding tasks, particularly for Named Entity Recognition [1], and their adaptation to specific languages through fine-tuning significantly improves result quality [2]. Recommender systems that combine content-based and collaborative filtering show better results compared to individual approaches, as they account for both object attributes and user behavioral patterns [3]. The aim of the work is to establish a coherent design foundation for an information system for real estate rental with intelligent listing analysis and personalized recommendations, covering everything from domain and requirements analysis to architecture, models, and quality criteria. Agile Scrum was chosen as the process model, with four two-week sprints for MVP development, defined artifacts and events to ensure continuous feedback [4]. The system's non-functional characteristics (efficiency, security, usability, reliability, etc.) are structured according to the ISO/IEC 25010 product quality model, enabling the specification of verifiable acceptance metrics: TTFB < 200 ms, LCP < 2.5 s for performance; TLS 1.3, bcrypt for security; 99.9% uptime for reliability [5]. The methodological basis includes systems analysis, UML modeling of structure and behavior, and the Analytic Hierarchy Process (AHP) to quantitatively justify the choice of information system type based on four key system quality criteria. AHP enables transparent derivation of weights through pairwise comparison of criteria (efficiency – 0.43, security – 0.30, usability – 0.10, reliability – 0.17) and alternatives (information-analytical system with NLP analysis and recommendations, information-search system with semantic search, information-reference system with listing database), which reduces the risk of bias in decision-making [6]. Based on the formalized comparison, the information-analytical system received an overall score of 0.565 versus 0.324 for the information-search system and 0.106 for the information-reference alternative. The practical outcome of the thesis is a complete set of design artifacts: specification of functional and non-functional requirements; microservice architecture with technological heterogeneity (Node.js for I/O operations, Python for ML computations), polyglot persistence (PostgreSQL for structured data, Elasticsearch for full-text search, Redis for caching), and a hybrid communication model (REST API, gRPC, RabbitMQ); data models and key UML diagrams (class, sequence, activity, component, deployment); specifications of intelligent modules (NLP analysis based on uk-BERT, hybrid recommendation system); work breakdown structure and execution plan following Scrum methodology. The proposed concept targets incremental rollout (starting from MVP) and subsequent scaling, which facilitates hypothesis testing on the value of intelligent analysis for the Ukrainian real estate rental market and minimizes technical risks.