Рекомендаційна система часопроведення у періоди вимушеного перебування вдома

Abstract

Опісля проникнення інформаційних технологій у сфери надання послуг і розповсюдження продукції, людство опинилося у вихорі безкінечних пропозицій від різноманітних сервісів. Хоча глобальний доступ до будь-якої інформації частіше вважається перевагою, ніж недоліком, проте постійний потік інформації насправді привів до того, що добратися до справді корисних позицій є не простим завданням [1]. Справитись з таким інформаційним перевантаженням допомагають рекомендаційні системи, виникнення яких датується 1992 роком [1]. Такі системи працюють як набір алгоритмів, які спрямовані на створення рекомендацій релевантних елементів певному користувачеві. При чому елементом можна вважати будь-який продукт у будь-якій індустрії: фільми, книжки, відеоролики, музичні треки, туристичні поїздки тощо. Зараз одним з популярних напрямків для використання алгоритмів рекомендаційних систем є планування дозвілля. Проте з вибухом пандемії коронавірусної хвороби 2019 (COVID-19) звичний спосіб життя людей помінявся – робота, навчання, проведення вільного часу, зустрічі з друзями і рідними перейшли в онлайн режим. Відсутність попереднього досвіду перебування у затяжному карантині, породжує невизначеність, страх, переживання [2]. Відповідно люди перебуває у пошуку способів абстрагування від цих проблем, варіантів пристосування до нових умов життя та урізноманітнення часопроведення. Підтримкою тут постають інформаційні системи, які розширюють можливості людини, допомагають приймати кращі рішення та надають цінні рекомендації, базуючись на особливостях того чи іншого користувача. Під час аналізу ринку на наявність схожих рішень за допомогою інформаційних джерел в Інтернеті виявлено та визначено, що наявні деякі далекі аналоги, які генерують рекомендації, як зайняти свій вільний час поза домом або створюють рекомендації, чим зайняти час вдома, але виключно у вузькій спеціалізації (наприклад, кіно, музика, відео). Проте систем, які б могли адаптувати чи модифікувати звичні форми дозвілля під домашній варіант нема, хоча потреба на них існує. Робота ж рекомендаційної системи часопроведення у періоди вимушеного перебування вдома направлена на вирішення ряду користувацьких проблем, пов’язаних з почуттям незадоволення від перебування вдома впродовж довгих періодів без можливості ведення звичного способу життя. У запропонованому рішенні рекомендаційної системи використовується гібридний підхід до надання рекомендацій [3]. При використані лише одного з класичних методів (метод колаборативної фільтрації та метод фільтрації вмісту) можна стикнутись з низькою ефективністю роботи алгоритмів, пов’язаних з їхніми слабкими сторонами: проблема холодного старту, розрідженість даних, масштабованість, надспеціалізованість, тощо. А за допомогою застосування кращих практик обох підходів можна дійти до більш збалансованого рішення. Наприклад, поки у системі немає достатньо даних про минулі взаємодії користувача з елементами працюють методи фільтрації вмісту. Після накопичення достатньої кількості даних про поведінку користувача, до роботи долучити методи колаборативної фільтрації. Збір даних про користувача відбуватиметься двома способами: шляхом безпосереднього опитування користувача та дослідження і аналіз його взаємодії з вмістом системи чи іншими користувачами. У першому випадку мається на увазі заповнення реєстраційної анкети, проходження експрес-опитувальників, надання оцінок на рекомендаціям. До другого способу віднесено аналіз поведінки користувача, тобто врахування таких особливостей, як частина доби, коли виконуються рекомендацій, тривалість виконання рекомендацій, час активності в системі, прогрес завершеності виконання діяльності. Так буде забезпечено створення, побудову та постійне вдосконалення «портрету» користувача. За допомогою засобів мови UML спроектовано концептуальну модель системи. Так для опису основних аспектів системи використано діаграму варіантів використання, діаграму класів, діаграму діяльності, діаграму станів та діаграму розгортання. Таким чином специфіковано основні процеси функціонування системи, яким чином користувач взаємодіятиме з системою, визначено її межі, зв’язки між компонентами та їх взаємодію, високорівнево розглянуто архітектуру системи. Проаналізовано наявні інструментальні засоби для імплементації системи та здійснено їх порівняння. Як результат, обрано мови програмування Java, JavaScript, фрейморк React Native. Для роботи з базою даних вибрано MySQL. Об’єктом дослідження є надання рекомендацій користувачам щодо видів діяльності у періоди вимушеного перебування вдома. Предмет дослідження – алгоритми рекомендаційних систем та їх застосування з метою знаходження комплексних рішень до поставленої проблеми. Мета дослідження – створення рекомендаційної системи часопроведення у періоди вимушеного перебування вдома, яке зможе підбирати варіанти активностей, ґрунтуючись на особливостях кожної людини або загальних тенденціях.After information technology entered the field of services and product distribution, people have stepped into a whirlwind of endless offers from various services. Although global access to any information is more often considered an advantage than a disadvantage, the constant flow of information has actually led to the fact that getting to really useful data is not an easy task [1]. Recommendation systems, dating back to 1992, help to cope with such information overload [1]. Such systems work as a set of algorithms that aim to create recommendations of relevant elements to a particular user. Moreover, the element can be considered any product in any industry: movies, books, videos, music tracks, travel, and so on. Now one of the popular areas for the use of algorithms of recommendation systems is leisure. However, with the outbreak of the coronavirus disease in 2019 (COVID-19), people's usual way of life has changed – work, study, leisure, meetings with friends and family have switched to online. Lack of previous experience of prolonged quarantine, creates uncertainty, fear, anxiety [2]. Accordingly, people are looking for ways to abstract from these problems, options for adapting to new living conditions and diversifying time. Support is provided by information systems that empower people, help them make better decisions and provide valuable advice based on the characteristics of a user. During the market analysis for the availability of similar solutions with the help of information sources on the Internet, it was discovered and determined that there are some distant analogues that generate recommendations on how to spend your free time outside or create recommendations on how to spend time at home, but only in narrow specialization ( for example, movies, music, videos). However, there are no systems that could adapt or modify the usual forms of leisure for the home version, although there is a need for them. The work of the recommended system of spending time during periods of forced stay at home is aimed at solving a number of user problems associated with feelings of dissatisfaction with staying at home for long periods without the ability to lead a normal life. The proposed solution of the recommendation system uses a hybrid approach for providing recommendations [3]. Using only one of the classic methods (collaborative filtering and content filtering methods) can lead to low efficiency of algorithms related to their weaknesses: the problem of cold start, sparse data, scalability, overspecialization, etc. And by applying the best practices of both approaches, a more balanced solution can be reached. For example, as long as the system does not have enough data about the user's past interactions with the elements, content filtering methods work. After accumulating enough data on user behavior, add collaborative filtering methods to the work. User data will be collected in two ways: by directly interviewing the user and researching and analyzing their interaction with the content of the system or other users. In the first case, it means filling out a registration form, passing express questionnaires, providing assessments on the recommendations. The second method includes the analysis of user behavior, ie taking into account such features as part of the day when the recommendations are implemented, the duration of the recommendations, the time of activity in the system, the progress of completion of activities. This will ensure the creation, construction and continuous improvement of the "portrait" of the user. A conceptual model of the system was designed using UML tools. Thus, a diagram of use cases, a class diagram, an activity diagram, a state diagram, and a deployment diagram were used to describe the main aspects of the system. Thus, the main processes of the system functioning are specified, how the user will interact with the system, its boundaries, connections between components and their interaction are defined, the system architecture is considered at a high level. The available tools for system implementation are analyzed and compared. As a result, Java, JavaScript, and React Native programming languages were selected. MySQL is selected to work with the database. The object of the study is to provide recommendations to users on activities during periods of forced stay at home. The subject of research - algorithms of recommendation systems and their application in order to find comprehensive solutions to the problem. The purpose of the study is to create a recommended system of spending time during periods of forced stay at home, which will be able to select options for activities based on the characteristics of each person or general trends.