ІНТЕГРАЦІЯ MOOD ENGINE ТА RECOMMENDATION ENGINE У ГІБРИДНІЙ КЛІЄНТ-СЕРВЕРНІЙ АРХІТЕКТУРІ WEATHERFY

Вадим Дем’янов; Галина Козуб

doi:10.36074/grail-of-science.15.05.2026.110

ІНТЕГРАЦІЯ MOOD ENGINE ТА RECOMMENDATION ENGINE У ГІБРИДНІЙ КЛІЄНТ-СЕРВЕРНІЙ АРХІТЕКТУРІ WEATHERFY

Authors

Вадим Дем’янов Луганський національний університет ім. Тараса Шевченко, Україна https://orcid.org/0009-0003-9620-6854
Галина Козуб Луганський національний університет ім. Тараса Шевченко, Україна https://orcid.org/0000-0001-5387-050X

DOI:

https://doi.org/10.36074/grail-of-science.15.05.2026.110

Keywords:

гібридна архітектура, розподілені обчислення, погодні дані, рекомендаційні системи, контекстна персоналізація, Mood Engine, Recommendation Engine

Summary

У роботі досліджено архітектурні та алгоритмічні засади побудови гібридної клієнт-серверної системи Weatherfy, орієнтованої на контекстно-залежну персоналізацію рекомендацій на основі погодних даних. Запропонована архітектура передбачає функціональне розділення обчислювальних процесів між серверним модулем оцінювання емоційного стану (Mood Engine) та клієнтським модулем генерації рекомендацій (Recommendation Engine). Розроблено математичну модель перетворення погодних параметрів у формалізований емоційний простір (energy, valence) із використанням зваженої агрегації та часової модуляції. Виконано експериментальне оцінювання, яке показало зменшення затримки обробки до 45%, зниження навантаження на серверну інфраструктуру та підвищення релевантності рекомендацій. Обґрунтовано, що детерміновані алгоритмічні моделі можуть виступати ефективною альтернативою ресурсомістким підходам машинного навчання в системах реального часу. Отримані результати підтверджують доцільність використання гібридних архітектур для реалізації масштабованих, інтерпретованих та високопродуктивних інформаційних систем.

Downloads

PDF

Downloads

Download data is not yet available.

License

References

Duncan, B. A., Kallumadi, S., Berg-Kirkpatrick, T., & McAuley, J. (2024). MAWI Rec: Leveraging severe weather data in recommendation. In Proceedings of the 18th ACM Conference on Recommender Systems (RecSys '24) P. 1–5. https://doi.org/10.1145/3640457.3688157 . DOI: https://doi.org/10.1145/3640457.3688157

Liu, Y., Zhang, X., Wei, H., Cao, Z., & Guo, P. (2024). “Sadness smile” curve: Processing emotional information from social network for evaluating thermal comfort perception. Journal of Thermal Biology, 127, Article 104025. P. 104025. https://doi.org/10.1016/j.jtherbio.2024.104025 . DOI: https://doi.org/10.1016/j.jtherbio.2024.104025

Trivedi, R., Pati, B., & Panigrahi, C. R. (2022). wPOI: Weather-aware POI recommendation engine. Computación y Sistemas, 26(2). https://doi.org/10.13053/cys-26-2-4261 . DOI: https://doi.org/10.13053/cys-26-2-4261

Zubair, M., Salim, M. S., & Rahman, M. M. (2024). Agricultural recommendation system based on deep learning: A multivariate weather forecasting approach (arXiv:2401.11410). https://doi.org/10.48550/arXiv.2401.11410 .

Козуб Г. О., Крамар А. В., & Базалійська О. В. (2025) Використання GPU для паралельної обробки графіки та відео в мобільних додатках. Наука і техніка сьогодні. № 7(48). C. 607-1620. https://doi.org/10.52058/2786-6025-2025-7(48)-1607-1620. DOI: https://doi.org/10.52058/2786-6025-2025-7(48)-1607-1620

Козуб, Г. О., & Козуб, Ю. Г. (2022). Декларативний підхід при створенні мультиплатформних додатків. Вісник Східноукраїнського національного університету імені Володимира Даля, (5 (275)), 10–15. https://doi.org/10.33216/1998-7927-2022-275-5-10-15. DOI: https://doi.org/10.33216/1998-7927-2022-275-5-10-15