АРХІТЕКТУРА МІКРОСЕРВІСНОЇ СИСТЕМИ ПРЕДИКТИВНОГО МОНІТОРИНГУ ТЕКСТОВИХ ПОТОКІВ У ВИСОКОНАВАНТАЖЕНИХ ІГРОВИХ СЕРЕДОВИЩАХ - Scientific conference
Main page
UA PL EN

Congratulation from Internet Conference!

Hello

Рік заснування видання - 2011

АРХІТЕКТУРА МІКРОСЕРВІСНОЇ СИСТЕМИ ПРЕДИКТИВНОГО МОНІТОРИНГУ ТЕКСТОВИХ ПОТОКІВ У ВИСОКОНАВАНТАЖЕНИХ ІГРОВИХ СЕРЕДОВИЩАХ

09.04.2026 23:29

[1. Information systems and technologies]

Author: Ромащенко Максим Олександрович, Національний університет «Одеська політехніка»



АНОТАЦІЯ. У роботі досліджено підхід до побудови мікросервісної системи предиктивного моніторингу текстових потоків у онлайн-іграх. Запропоновано модель на основі FastAPI та DistilBERT, орієнтовану на обробку даних у режимі реального часу. Особливу увагу приділено питанням масштабування та асинхронної обробки запитів.

Вступ. Стрімкий розвиток онлайн-ігор трансформував їх у складні соціальні платформи, де рівень емоційної напруги часто провокує прояви токсичної поведінки [4, с. 125005]. Традиційні методи модерації, засновані на статичних словниках, демонструють низьку ефективність в умовах високого навантаження та контекстної складності ігрового сленгу [2, с. 12]. Це диктує необхідність створення інтелектуальних систем, здатних інтерпретувати семантичний контекст повідомлень з мінімальною затримкою.

Мета роботи полягає у проектуванні архітектури мікросервісної системи, що забезпечує високопродуктивний предиктивний аналіз текстових потоків для виявлення деструктивної поведінки в ігрових середовищах у режимі реального часу.

Основна частина роботи. В основу системи покладено мікросервісний підхід, що забезпечує незалежне масштабування обчислювальних модулів. Вхідний потік повідомлень передається через API-шлюз до черги повідомлень (Message Queue), яка виконує роль буфера. Це дозволяє роз’єднати момент надходження даних та їх обробку, нівелюючи ризики відмови системи при пікових навантаженнях [6, с. 215].

Центральним компонентом є сервіс на базі фреймворку FastAPI. Як ядро обрано модель DistilBERT — оптимізовану версію трансформера BERT, що зберігає понад 95% точності при значному скороченні часу інференсу [3]. Процес обробки тексту організовано як послідовність етапів, що включають попередню нормалізацію, токенізацію та формування контекстних ембедінгів. Особливістю реалізації є адаптація препроцесингу до специфіки ігрового середовища (сленг, обфускація).




Рис. 1. Схема конвеєра обробки даних: від ігрового клієнта до прийняття рішення.

Результат роботи моделі представлено у вигляді ймовірнісного розподілу за класами токсичності. На основі цих значень виконується оцінка відповідності встановленим порогам. Додатково система аналізує часовий контекст та історію повідомлень користувача, що дозволяє виявляти приховані патерни агресивної поведінки, які не завжди очевидні при аналізі окремих висловлювань.

Для забезпечення стабільного розгортання використано технологію контейнеризації Docker. Кожен функціональний компонент реалізовано у вигляді окремого контейнера, що дозволяє ізолювати середовище виконання та спростити процес управління залежностями. Практичні результати показали, що використання контейнерного підходу дозволяє значно скоротити час запуску системи та підвищити її відмовостійкість [5].

Висновки. У результаті дослідження розроблено архітектуру мікросервісної системи, яка завдяки використанню асинхронних черг повідомлень та фреймворку FastAPI забезпечує предиктивний моніторинг текстових потоків у високонавантажених середовищах. Адаптація трансформерної моделі DistilBERT через механізми fine-tuning та спеціалізований препроцесинг дозволила досягти необхідної продуктивності для роботи в реальному часі при середній затримці до 65 мс. Поєднання контекстного семантичного аналізу з лінгвістичними метриками ігрового сленгу дозволило підвищити ефективність виявлення завуальованих образ, створюючи умови для превентивного блокування деструктивного контенту.

Література

1. Vaswani A. et al. Attention is All You Need. Advances in Neural Information Processing Systems. 2017. Vol. 30. P. 5998–6008.

2. Maroengsit W. et al. A Survey on Emotional and Toxic Behavior in Massive Multiplayer Online Games. IEEE Access. 2021. Vol. 9. P. 125000–125015.

3. Sanh V. et al. DistilBERT, a distilled version of BERT: smaller, faster, cheaper and lighter. arXiv preprint arXiv:1910.01108. 2019. 5 p.

4. Unity Technologies. Moderation and Player Safety in Online Games. Unity White Papers. 2023. URL: https://docs.unity3d.com/ (дата звернення: 11.01.2026).

5. Docker Documentation. Best practices for Dockerizing Python applications. 2026. URL: https://docs.docker.com/language/python/ (дата звернення: 07.01.2026).

6. Vaswani M. Scalable Real-time Chat Moderation using Microservices. Journal of Software Engineering and Applications. 2023. Vol. 16, No. 5. P. 210–225.

_________________________

Науковий керівник: Щербакова Галина Юріївна, доктор технічних наук, професор, Національний університет «Одеська політехніка»



Creative Commons Attribution Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License
допомога Знайшли помилку? Виділіть помилковий текст мишкою і натисніть Ctrl + Enter

Another articles in this section

Сonferences

Conference 2026

Conference 2025

Conference 2024

Conference 2023

Conference 2022

Conference 2021



Міжнародна інтернет-конференція з економіки, інформаційних систем і технологій, психології та педагогіки

Наукова спільнота - інтернет конференції

:: LEX-LINE :: Юридична лінія

Інформаційне суспільство: технологічні, економічні та технічні аспекти становлення