Журнал Современные наукоемкие технологии 1812-7320 Общество с ограниченной ответственностью "Издательский Дом "Академия Естествознания" 10.17513/snt.40570 ART-40570 РАЗРАБОТКА АВТОМАТИЗИРОВАННОЙ РЕКОМЕНДАТЕЛЬНОЙ СИСТЕМЫ ПО ПОДБОРУ ОЗДОРОВИТЕЛЬНОГО ОТДЫХА В РЕГИОНЕ КАВКАЗСКИХ МИНЕРАЛЬНЫХ ВОД НА ОСНОВЕ АНАЛИЗА МЕДИЦИНСКИХ ПРОФИЛЕЙ И СТОИМОСТНЫХ ХАРАКТЕРИСТИК Ковалева А.О. Kovaleva A.O. belycka@mail.ru Мартиросян К.В. Martirosyan K.V. kv1961kv@mail.ru Цаплева В.В. Tsapleva V.V. val-ryazanova@yandex.ru Суюнова Г.Б. Suyunova G.B. kv1961kv@mail.ru Федеральное государственное автономное образовательное учреждение высшего образования «Северо-Кавказский федеральный университет» Federal State Autonomous Educational Institution of Higher Education “North Caucasus Federal University” Федеральное государственное бюджетное образовательное учреждение высшего образования «Пятигорский государственный университет» Federal State Budgetary Educational Institution of Higher Education “Pyatogorsk State University (PGU)” 12 11 2025 11 81 87 This is an open-access article distributed under the terms of the CC BY 4.0 license. https://top-technologies.ru/article/view?id=40570

В рамках данной работы представлена разработка интеллектуальной рекомендательной системы. Система использует методы обработки естественного языка и машинного обучения для персонализированного подбора программы лечения в санаторно-курортном учреждении Кавказских Минеральных Вод. Методы обработки основаны на анализе медицинских профилей, уровне сервиса и ценовых показателях объекта исследования. Цель исследования – повышение эффективности работы алгоритмов выбора санатория путем разработки автоматизированной рекомендательной системы по подбору оздоровительного отдыха. Материалы исследования и методы включают обработку структурированных данных, ранжирование объектов по заданным критериям и визуализацию результатов с использованием методов кластеризации. Представленные методы снижают временные затраты на поиск подходящего санатория за счет обработки большого массива информации с применением интеллектуальных технологий. Результаты и их обсуждение позволяют определить конфигурацию интерфейса приложения, а также подтвердить предположение о возможности кластеризации применительно к параметрам объекта. Результаты работы определяют возможность применения интеллектуальных технологий кластеризации для определения признаков объекта исследования с целью разработки эффективного приложения. Методы визуализации, примененные в ходе разработки программного продукта, позволяют пользователю получить информацию об объекте интуитивно понятным образом. Благодарности. Автор благодарит профессора Першина И.М. за содействие в исследовании системы управления.

This paper presents the development of an intelligent recommendation system. The system utilizes natural language processing and machine learning to provide personalized treatment program selection at a health resort in the Caucasian Mineral Waters region. The methods are based on an analysis of medical profiles, service levels, and price indicators for the subject. The objective of the study was to improve the efficiency of resort selection algorithms by developing an automated recommendation system for health vacation selection. The research materials and methods include processing structured data, ranking objects according to specified criteria, and visualizing the results using clustering methods. The presented methods reduce the time spent searching for a suitable resort by processing a large array of information using intelligent technologies. The results and their discussion allow us to determine the configuration of the application interface and confirm the hypothesis regarding the feasibility of clustering with respect to the object’s parameters. The results of the study demonstrate the feasibility of using intelligent clustering technologies to identify the features of the subject for the purpose of developing an effective application. The visualization methods used during the development of the software product allow the user to obtain information about the object in an intuitive manner. Acknowledgements. The author thanks Professor I.M. Pershin for his assistance in researching the control system.

 рекомендательная система машинное обучение медицинский туризм кластеризация данных Python обработка структурированных данных оценка сходства через косинусную меру recommender system machine learning medical tourism data clustering Python structured data processing similarity assessment through the cosine measure

1. Ботвинева Н.Ю., Браткова В.В., Давтян А.А. Особенности стратегического управления в формировании стратегического имиджа города-курорта Пятигорска // Вестник экспертного совета. 2025. № 1 (40). [Электронный ресурс]. URL: https://cyberleninka.ru/article/n/osobennosti-strategicheskogo-upravleniya-v-formirovanii-imidzha-goroda-kurorta-pyatigorska (дата обращения: 02.10.2025).

2. Жукова А.Е., Куров А.Е. К вопросу об актуализации стратегии социально-экономического развития города Пятигорска // Вестник экспертного совета. 2025. № 1 (40). [Электронный ресурс]. URL: https://cyberleninka.ru/article/n/k-voprosu-ob-aktualizatsii-strategii-sotsialno-ekonomicheskogo-razvitiya-goroda-pyatigorska (дата обращения: 02.10.2025).

3. Лихтин Д.А. Санаторно-курортные услуги: природа, специфика и подходы к классификации // Экономика и управление. 2022. № 9. [Электронный ресурс]. URL: https://cyberleninka.ru/article/n/sanatorno-kurortnye-uslugi-priroda-spetsifika-i-podhody-k-klassifikatsii (дата обращения: 02.10.2025).

4. Першин И.М., Помеляйко И.С. Системный анализ экологического состояния зоны гипергенеза курорта Кисловодска // Вестник Северо-Кавказского федерального университета. 2013. № 3 (36). С. 74-80. [Электронный ресурс]. URL: https://www.elibrary.ru/item.asp?id=21031649 (дата обращения: 02.10.2025).

5. Першин И.М., Цаплева B.B., Носова B.А. Верификация дискретных моделей гидролитосферных процессов/ // Современная наука и инновации. 2021. № 4 (36). C. 31-39. URL: https://msi.elpub.ru/jour/article/view/470/470?ysclid=mg96r6l7d7399592678 (дата обращения: 02.10.2025).

6. Першин И.М. Носова В.А., Русак С.Н. Определение параметров распределенных звеньев, аппроксимирующих гидролитосферные процессы // Современная наука и инновации. Научный журнал 2021. Вып. № 2 (34). C. 10-16. URL: https://elibrary.ru/item.asp?id=47415268&ysclid=mg96tlfp93506808598 (дата обращения: 02.10.2025).

7. Першин И.М., Веселов Г.Е. Аппроксимационные модели передаточных функций распределенных объектов // Известия ЮФУ. Технические науки. 2015. № 7 (168). [Электронный ресурс]. URL: https://cyberleninka.ru/article/n/approksimatsionnye-modeli-peredatochnyh-funktsiy (дата обращения: 02.10.2025).

8. Першин И.М., Цаплева B.B., Носова B.А. Математическое моделирование гидролитосферных процессов с учетом процессов в «колодцах» // Современная наука и инновации. 2022. № 3 (39). С. 54-61. DOI: 10.37493/2307-910X.2022.3.5.

9. Першин И.М., Цаплева B.B., Носова B.А. Самонастраивающиеся распределенные системы управления // Современная наука и инновации. 2023. № 1 (41). С. 15-28. DOI: 10.37493/2307-910X.2023.1.2.

10. Pershin I.M., Papush E.G., Kukharova T.V., Utkin V.A. Modeling of Distributed Control System for Network of Mineral Water Wells // Water. 2023. Vol. 15. № 12. DOI: 10.3390/w15122289.

11. Першин И.М., Малков А.В., Веселов Г.Е., Першин М.И. Автоматизация технологических процессов добычи гидроминерального сырья // Известия ЮФУ. Технические науки. 2018. № 5 (199). [Электронный ресурс]. URL: https://cyberleninka.ru/article/n/avtomatizatsiya-tehnologicheskih-protsessov-dobychi-gidromineralnogo-syrya (дата обращения: 02.10.2025).

12. Ilyushin Y.V., Kapostey E.I. Developing a Comprehensive Mathematical Model for Aluminium Production in a Soderberg Electrolyser // Energies. 2023. № 16. 6313. DOI: 10.3390/en16176313.

13. Asadulagi M.A., Pershin I.M., Tsapleva V.V. Research on Hydrolithospheric Processes Using the Results of Groundwater Inflow Testing // Water. 2024. Vol. 16. № 3. DOI: 10.3390/w16030487.

14. Afanaseva O., Bezyukov O., Pervukhin D., Tukeev D. Experimental Study Results Processing Method for the Marine Diesel Engines Vibration Activity Caused by the Cylinder-Piston Group Operations // Inventions. 2023. № 8 (3). Р. 71. DOI: 10.3390/inventions8030071.

15. Martirosyan A.V., Ilyushin Y.V. The Development of the Toxic and Flammable Gases Concentration Monitoring System for Coalmines // Energies. 2022. Vol. 15. № 23. P. 8917. DOI: 10.3390/en15238917.

16. Першин И.М. Исследование характеристик пространственных фильтров // Современная наука и инновации. 2024. № 2 (46). С. 48-58. DOI: 10.37493/2307-910X.2024.2.5.

17. Георгиева М.А., Першин И.М. Математическое моделирование взаимовлияния атмосферных осадков и гидролитосферных процессов на наклонные поверхности // Известия Кабардино-Балкарского научного центра РАН. 2025. Т. 27. № 1. С. 133-142. DOI: 10.35330/1991-6639-2025-27-1-133-142.

18. Першин И.М., Носова В.А. Исследование распределенных объектов и систем с использованием пространства {G, RE, IM} // Современная наука и инновации. 2024. № 3 (47). С. 50-64. DOI: 10.37493/2307-910X.2024.3.5.

19. Martirosyan A.V., Ilyushin Y.V., Afanaseva O.V. Development of a Distributed Mathematical Model and Control System for Reducing Pollution Risk in Mineral Water Aquifer Systems // Water. 2022. Vol. 14. № 2. DOI: 10.3390/w14020151.

20. Martirosyan A.V., Ilyushin Y.V. Modeling of the Natural Objects’ Temperature Field Distribution Using a Supercomputer // Informatics. 2022. Vol. 9. № 3. P. 62. DOI: 10.3390/informatics9030062.

21. Георгиева М.А., Першин И.М. Математическое моделирование влияния атмосферных осадков на гидролитосферные процессы // Известия ЮФУ. Технические науки. 2024. № 6 (242). С. 121-131. DOI: 10.18522/2311-3103-2024-6-121-131.