Разработка мобильного приложения рекомендательной системы для подбора книг в электронных библиотеках на основе анализа стилистики прочитанного с применением ИИ.

1.1. Технико-экономическая характеристика предметной области и предприятия

В этом разделе описывается предметная область — электронные библиотеки, их роль в современном информационном пространстве, а также технико-экономические показатели условного предприятия ООО «Библиотека Онлайн»: количество пользователей, объём фонда, выручка, штат сотрудников, используемые ИТ-решения.

Пример: ООО «Библиотека Онлайн» обслуживает более 500 000 пользователей, предоставляет доступ к 2 млн книг, использует облачную инфраструктуру и систему управления контентом, но не имеет персонализированной рекомендательной системы.

Сложности:

• Недостаток открытых финансовых данных по предприятию — приходится моделировать показатели.
• Необходимость чётко связать предметную область с ИТ-контекстом.

Время: 10–12 ч.

1.2. Характеристика комплекса задач и обоснование необходимости автоматизации

Здесь формулируется основная проблема: пользователи теряются в огромном каталоге, рекомендации носят общий характер, что снижает вовлечённость. Обосновывается, почему именно автоматизация процесса рекомендаций книг на основе анализа стилистики прочитанного повысит удовлетворённость и удержание аудитории.

Пример: Вручную подбирать книги невозможно из-за масштаба библиотеки. Анализ стилистики (лексика, темп повествования, эмоциональная окраска) позволяет выявить скрытые предпочтения пользователя.

Сложности:

• Трудно выделить конкретные бизнес-метрики, которые улучшит система.
• Нужно чётко отделить задачи автоматизации от общих функций библиотеки.

Время: 8–10 ч.

1.3. Анализ существующих разработок и выбор стратегии автоматизации

Проводится сравнительный анализ аналогов: Goodreads, ЛитРес, Storytel. Оцениваются их алгоритмы (коллаборативная фильтрация, контент-анализ), интерфейсы, ограничения. Обосновывается выбор гибридного подхода с акцентом на анализ стилистики текста с использованием ИИ.

Пример: Системы на основе оценок (коллаборативная фильтрация) не работают для новых пользователей («проблема холодного старта»). Анализ стилистики решает эту проблему.

Сложности:

• Требуется понимание методов машинного обучения (NLP, TF-IDF, BERT).
• Сложно найти открытые данные по архитектуре коммерческих систем.

Время: 12–14 ч.

1.4. Обоснование проектных решений

Формулируются архитектурные решения: выбор мобильной платформы (Flutter/React Native), бэкенд (Node.js/Python), ИИ-модель (например, fine-tuned BERT для анализа стилистики), база данных (PostgreSQL + Elasticsearch). Обосновывается, почему именно этот стек подходит для ООО «Библиотека Онлайн».

Пример: Использование BERT позволяет анализировать семантику и стиль текста на уровне, недоступном для традиционных методов.

Сложности:

• Необходимо обосновать выбор каждой технологии, а не просто перечислить.
• Риск излишней технической детализации в аналитической главе.

Время: 10–12 ч.

Выводы по главе 1

Подводятся итоги: выявлена проблема неэффективной рекомендации книг, обоснована необходимость внедрения ИИ-системы, выбрана стратегия и обоснован стек технологий.

Время: 4–6 ч.

2.1. Разработка проекта автоматизации

Описывается архитектура будущей системы: клиент-серверная модель, модули (анализ текста, генерация рекомендаций, пользовательский интерфейс), диаграммы (UML, BPMN). Формулируются требования к функциональности и надёжности.

Пример: BPMN-диаграмма процесса «Пользователь читает книгу → система анализирует стиль → формирует рекомендации».

Сложности:

• Построение корректных диаграмм требует знания нотаций.
• Нужно избегать избыточной детализации, оставаясь в рамках проектирования.

Время: 14–16 ч.

2.2. Информационное обеспечение задачи

Разрабатывается модель данных: сущности (Пользователь, Книга, Стиль, Рекомендация), их атрибуты и связи. Приводятся ER-диаграмма и описание таблиц базы данных.

Пример: Таблица «Стиль» содержит поля: тональность, сложность лексики, темп повествования, частота диалогов.

Сложности:

• Сложно формализовать «стилистику» в структурированные поля.
• Требуется знание нормализации БД.

Время: 10–12 ч.

2.3. Программное обеспечение задачи

Описывается реализация ключевых модулей: алгоритм анализа стиля на Python с использованием библиотек spaCy и transformers, API для взаимодействия с мобильным клиентом, интерфейс приложения (скриншоты или мокапы).

Пример: Фрагмент кода на Python для извлечения стилистических признаков с помощью BERT-эмбеддингов.

Сложности:

• Нужны базовые навыки программирования и понимание ИИ.
• Риск уйти в чисто техническое описание без связи с ВКР.

Время: 16–20 ч.

2.4. Контрольный пример реализации проекта и его описание

Демонстрируется работа системы на примере: пользователь прочитал «Преступление и наказание» → система выявила мрачную тональность, сложную структуру → рекомендовала «Идиот» и «Братьев Карамазовых».

Пример: Сравнение рекомендаций до и после внедрения системы: рост кликабельности на 35%.

Сложности:

• Требуется смоделировать данные и результаты.
• Нужно показать измеримый эффект.

Время: 10–12 ч.

Выводы по главе 2

Подтверждается, что разработанная система решает поставленную задачу, соответствует требованиям и технически реализуема.

Время: 4–6 ч.

3.1. Выбор и обоснование методики расчёта экономической эффективности

Выбирается методика (например, расчёт чистого дисконтированного дохода — NPV, срока окупаемости). Обосновывается, почему именно она подходит для ИТ-проекта в сфере электронных библиотек.

Пример: Для ООО «Библиотека Онлайн» ключевой показатель — рост удержания пользователей, что напрямую влияет на подписную выручку.

Сложности:

• Нужно правильно подобрать методику под специфику нематериального актива.
• Требуется знание экономических формул.

Время: 8–10 ч.

3.2. Расчёт показателей экономической эффективности проекта

Приводятся расчёты: затраты на разработку (зарплаты, ПО, инфраструктура), ожидаемый экономический эффект (рост выручки за счёт увеличения подписок), NPV, срок окупаемости.

Пример: Затраты — 1,2 млн руб., ежегодный прирост выручки — 900 тыс. руб., срок окупаемости — 16 месяцев.

Сложности:

• Моделирование реалистичных экономических показателей.
• Оформление расчётов в таблицах по ГОСТ.

Время: 10–12 ч.

Выводы по главе 3

Подтверждается экономическая целесообразность внедрения системы для ООО «Библиотека Онлайн».

Время: 4–6 ч.

Если после прочтения вы осознали, что самостоятельное написание отнимет слишком много сил, или вы просто хотите перестраховаться — обращение к нам является взвешенным и профессиональным решением. Мы возьмём на себя все технические сложности, а вы получите готовую, качественную работу и уверенность перед защитой.