Вебплатформа для замовлень кондитерських виробів із функцією персоналізованих рекомендацій споживачу та фільтрацією інгредієнтів
Анотація
Досліджено проблему відсутності процесу фільтрації кондитерських виробів за складом інгредієнтів та алергенами, а також проблему відсутності персоналізованих рекомендацій споживачу згідно з його харчовими обмеженнями у сегменті електронної комерції сфери кондитерських магазинів, пекарень та закладів громадського харчування. Провідні системи автоматизації діяльності таких закладів (Poster POS, ChoiceQR, Skyservice.pro, Magnolia Bakery, Bakery World) реалізують можливість створення вітрини продукції з її описом та необов'язковим переліком алергенів. Запропоновано архітектуру вебплатформи для оформлення замовлень кондитерських виробів, що містить модулі багатокритеріальної атрибутивної їх фільтрації за інгредієнтами та алергенами і персоналізованих рекомендацій споживачу, реалізований на основі гібридної моделі багатокритеріального прийняття рішень. Новизна запропонованого підходу до формування рекомендацій кондитерських виробів базується на інтеграції аналізу історії замовлень споживача, його харчових уподобань та індивідуальних обмежень щодо інгредієнтів. Також здійснено поєднання фільтрації кондитерських виробів з урахуванням поведінкових характеристик споживача, що відображають частоту вибору окремих категорій товарів і закономірності взаємодії з вебплатформою. Систему реалізовано на трирівневій архітектурі: клієнтський рівень (HTML, CSS, JavaScript), серверний рівень (Node.js, REST API), рівень бази даних (MySQL). Використано реляційну базу даних MySQL 8.0 для зберігання про продукцію, користувачів, замовлення та їх характеристики. Реалізовано модуль багатокритеріальної атрибутивної фільтрації кондитерських виробів, який забезпечує відбір товарів за складом інгредієнтів та наявністю алергенів відповідно до заданих користувачем критеріїв. Розроблено окремий модуль персоналізованих рекомендацій споживачу, що використовує гібридну модель багатокритеріального прийняття рішень на основі методів TOPSIS, VIKOR та ELECTRE для комплексного оцінювання та ранжування виробів з урахуванням індивідуальних уподобань споживача, історії замовлень та характеристик товарів. Реалізовано адміністративну панель, що забезпечує керування асортиментом продукції, користувачами та замовленнями. Підтверджено ефективність використання багатокритеріального підходу для формування персоналізованих рекомендацій споживачу і відбору продукції відповідно до індивідуальних харчових потреб користувачів. Окреслено перспективи подальшого розвитку системи, зокрема – розширення набору критеріїв рекомендацій потенційному споживачу та вдосконалення моделей персоналізації.
Завантаження
Посилання
Anagnostou, A., Sharma, V., Herbert, L., & Turner, P. J. (2022). Fatal Food Anaphylaxis: Distinguishing Fact From Fiction. Journal of Allergy and Clinical Immunology: In Practice, 10(1), 11–17. https://doi.org/10.1016/j.jaip.2021.10.008
Bekas, B. O., Prots, A. M., & Hrytsiuk, Y. I. (2026). Software for isolated deployment of a web application in a containerized environment. Scientific Bulletin of UNFU, 36(3), 86–97. https://doi.org/10.36930/40360309
Chemlal, M., Zedadra, A., Zedadra, O., Guerrieri, A., & Kouahla, M. N. (2024). A Multi-Criteria Food and Restaurant Recommendation System. Journal of Universal Computer Science, 30(12), 1724–1754. https://doi.org/10.3897/jucs.119739
Chen, Y., Subburathinam, A., Chen, C.-H., & Zaki, M. J. (2021). Personalized Food Recommendation as Constrained Question Answering over a Large-scale Food Knowledge Graph. Proceedings of the 14th ACM International Conference on Web Search and Data Mining, 544–552. https://doi.org/10.1145/3437963.3441816
Dudarev, I., & Kukhar, R. (2025). Labelling of allergens and intolerance-causing foods in Ukraine. Commodity Bulletin, 18(1), 18–30. https://doi.org/10.62763/cb/1.2025.18
Fenii, N. S., & Hrytsiuk, Y. I. (2020). Automation of the process of classification of text news from internet sites by neural network methods. Scientific Bulletin of UNFU, 30(4), 123–33. https://doi.org/10.36930/40300421
Hafez, M. M., Díaz-Redondo, R. P., Fernández-Vilas, A., & Olivera Pazó, H. (2021). Multi-Criteria Recommendation Systems to Foster Online Grocery. Sensors, 21(11), article ID 3747. https://doi.org/10.3390/s21113747
Holleman, B. C., van Os-Medendorp, H., van den Bergh, H., et al. (2021). Poor understanding of allergen labelling by allergic and non-allergic consumers. Clinical & Experimental Allergy, 51, 1374–1382. https://doi.org/10.1111/cea.13975
Jain, V. (2023). The Role of UX/UI in E-Commerce Conversions. International Journal of Leading Research Publication, 4, 8, article ID 14866833. https://doi.org/10.5281/zenodo.14866833
Konar, N., Gunes, R., Palabiyik, I., & Toker, O. S. (2022). Health-conscious consumers and sugar confectionery: Present aspects and projections. Trends in Food Science & Technology, 123, 57–68. https://doi.org/10.1016/j.tifs.2022.02.001
Kornak, O. I., & Hrytsiuk, Y. I. (2021). Designing a fund management system for a charity fund. Scientific Bulletin of UNFU, 31(2), 121–132. https://doi.org/10.36930/40310220
Lim, Y. F., Haw, S. C., Ng, K. W., & Anaam, E. A. (2023). Hybrid-based Recommender System for Online Shopping: A Review. Journal of Engineering Technology and Applied Physics, 5(1), 12–34. https://doi.org/10.33093/jetap.2023.5.1.3
Lin, T., Hung, K., Jablonsky, J., Lin, K. (2025). An Enhanced VIKOR and Its Revisit for the Manufacturing Process Application. Computers, Materials & Continua, 83(2), 1901–1927. https://doi.org/10.32604/cmc.2025.063543
Nguyen, D.-N., Nguyen, V.-H., Trinh, T., Ho, T., & Le, H.-S. (2024). A personalized product recommendation model in e-commerce based on retrieval strategy. Journal of Open Innovation: Technology, Market, and Complexity, 10(2), article ID 100303. https://doi.org/10.1016/j.joitmc.2024.100303
Novembre, E., Gelsomino, M., Liotti, L., et al. (2024), Fatal food anaphylaxis in adults and children. Italian Journal of Pediatrics, 50, article number 40. https://doi.org/10.1186/s13052-024-01608-x
Salo, M. F., & Hrytsiuk, Y. I. (2026). Web application for forecasting military needs based on analysis and monitoring of their humanitarian support. Scientific Bulletin of UNFU, 36(3), 45–61. https://doi.org/10.36930/40360305
Satinder, S., Suman, Palbinder K., & Sachin, K. (2024). Bakery products, business status in recent years, and consumer behavior. International Journal of Advanced Biochemistry Research, 8(11), 30–32. https://doi.org/10.33545/26174693.2024.v8.i11a.2806
Sicherer, S. H., & Sampson, H. A. (2018). Food allergy: A review and update on epidemiology, pathogenesis, diagnosis, prevention, and management. Journal of Allergy and Clinical Immunology, 141(1), 41–58. https://doi.org/10.1016/j.jaci.2017.11.003
Taherdoost, H., & Madanchian, M. (2023). A comprehensive guide to the TOPSIS method for multi-criteria decision making. Sustainable Social Development, 1(1), article ID 2220. https://doi.org/10.54517/ssd.v1i1.2220
Taherdoost, H., & Madanchian, M. (2023). A Comprehensive Overview of the method ELECTRE Method in Multi-Criteria Decision-Making. Journal of Management Science & Engineering research, 6(2), 5–16, article ID 5637. https://doi.org/10.30564/jmser.v6i2.5637
Teixeira, Â., Carvalhosa, F., Lopes, M. F., Pinheiro, M., & Pádua, I. (2025). Online food allergen labeling: Is it a matter of concern? European Annals of Allergy and Clinical Immunology, 57(5), 239–240. https://doi.org/10.23822/EurAnnACI.1764-1489.354
Torskyi, O. I., & Hrytsiuk, Y. I. (2025). Application of machine learning to enhance the efficiency of automated software testing. Scientific Bulletin of UNFU, 35(4), 142–149. https://doi.org/10.36930/40350416
Wulandari, C., Astutik, P., Soegito, R. C., Dharmawan, Y. S., Munawaroh, H., & Bariyah, T. (2024). Hybrid MCDM Career Recommendation System for Information System Student Using AHP, VIKOR and Weighted Euclidean Distance. Procedia Computer Science, 234, 364–372. https://doi.org/10.1016/j.procs.2024.03.016
Xu, L., & Sang, X. (2022). E-Commerce Online Shopping Platform Recommendation Model Based on Integrated Personalized Recommendation. Scientific Programming, 2022, article ID 4823828. https://doi.org/10.1155/2022/4823828
Zhang, J., Li, M., Liu, W., Lauria, S., & Liu, X. (2022). Many-objective optimization meets recommendation systems: A food recommendation scenario. Neurocomputing, 503, 109–117. https://doi.org/10.1016/j.neucom.2022.06.081
Zhang, J., Wang, Z., Liu, W., Liu, X., & Zheng, Q. (2023). A unified approach to designing sequence-based personalized food recommendation systems: tackling dynamic user behaviors. International Journal of Machine Learning and Cybernetics, 14, 2903–2912. https://doi.org/10.1007/s13042-023-01808-7

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.



