Розробка рекомендаційної системи ігрової платформи з використанням графових баз даних
No Thumbnail Available
Date
2025-06-18
Journal Title
Journal ISSN
Volume Title
Publisher
Київський національний економічний університет імені Вадима Гетьмана
Abstract
Кваліфікаційна бакалаврська робота присвячена розробці рекомендаційної системи для ігрової платформи, яка використовує гібридний підхід на основі графових та реляційних баз даних. Основна ідея полягає у створенні рекомендаційної системи, що дозволяє формувати персоналізовані рекомендації ігор на основі їх жанрової приналежності, сеттингу, тегів та попередніх взаємодій користувача. Система поєднує в собі можливості графової БД Neo4j (для моделювання взаємозв’язків між іграми, жанрами та користувачами) та реляційної БД PostgreSQL (для зберігання тегів і користувацьких запитів), об’єднаних за допомогою Python-бібліотеки psycopg2. Застосована клієнт-серверна архітектура дозволяє реалізувати REST API, за допомогою якого відбувається обмін даними між компонентами. Рекомендації формуються на основі аналізу графа знань, що забезпечує гнучкий і масштабований підхід до побудови логіки пошуку подібних ігор. Особливу увагу приділено персоналізації запитів, можливості залишати рецензії та подавати пропозиції щодо нових ігор. Новизна роботи полягає в поєднанні графового моделювання, інтеграції з реляційними джерелами даних і використанні Python для побудови динамічного алгоритму рекомендацій. Практична цінність підтверджується створенням прототипу, який може бути інтегрований у реальні платформи цифрової дистрибуції ігор або використаний як основа для розширення аналітичних функцій у сфері геймдеву. Новизна роботи полягає в поєднанні графового моделювання, інтеграції з реляційними джерелами даних і використанні Python для побудови динамічного алгоритму рекомендацій. Практична цінність підтверджується створенням прототипу, який може бути інтегрований у реальні платформи цифрової дистрибуції ігор або використаний як основа для розширення аналітичних функцій у сфері геймдеву.
The bachelor's qualification thesis is dedicated to the development of a recommendation system for a gaming platform, which employs a hybrid approach based on graph and relational databases. The main idea is to create a system that generates personalized game recommendations based on genre affiliation, setting, tags, and the user's previous interactions. The system combines the capabilities of the Neo4j graph database (for modeling relationships between games, genres, and users) and the PostgreSQL relational database (for storing tags and user-submitted requests), integrated via the Python library psycopg2. A client-server architecture is used, allowing data exchange between components through a REST API. Recommendations are generated through the analysis of a knowledge graph, enabling a flexible and scalable approach to identifying similar games. Particular attention is given to query personalization, the ability to leave reviews, and submit suggestions for new games. The novelty of this work lies in the integration of graph modeling with relational data sources and the use of Python to build a dynamic recommendation algorithm. The practical value is demonstrated through the creation of a working prototype that can be integrated into real-world digital game distribution platforms or serve as a foundation for expanding analytical features in the game development industry.
Description
Keywords
рекомендаційна системи, графова база даних, ігрова платформа, тег, жанр, сеттінг. Recommendation system, graph database, gaming platform, tag, genre, setting
Citation
Щіпка О. Р. Розробка рекомендаційної системи ігрової платформи з використанням графових баз даних : бакалавр. диплом. робота : 122, Комп’ютерні науки / Щіпка Олексій Романович ; наук. керівник Артемчук В. О. ; КНЕУ ім. Вадима Гетьмана, Навч.-наук. ін-т «Ін-т інформ. технологій в економіці», Каф. інформ. систем в економіці. – Київ, 2025. – 61 с.