Франків, Олександр2025-11-052025-11-052025Франків О. О. Машинне навчання в покращенні візуалізації просторової моделі архітектури програми / Олександр Франків // Вісник Київського національного університету імені Тараса Шевченка. Фізико-математичні науки. - 2025. - Т. 80, № 1. - C. 164-173. - https://doi.org/10.17721/1812-5409.2025/1.221812-54092218-2055https://doi.org/10.17721/1812-5409.2025/1.22https://ekmair.ukma.edu.ua/handle/123456789/37390Visual aesthetics and computational efficiency are equally important aspects in the context of creating high-quality data representations for further analysis. A harmonious combination of these characteristics not only enhances the ease of perception but also optimizes data processing workflows, which is critically important in modern software systems. This paper proposes a novel combined approach for spatial graph placement. Special attention is given to spatial models of software architecture, which serve as key tools for visualizing complex relationships between components. The use of graph neural networks as a specialized heuristic forms the central element of this approach. Leveraging machine learning methods, the proposed solution improves visualization outcomes while enhancing computational efficiency. The application of a graph neural network ensures adaptability and enables the model to account for the specific features of the graph. In combination with a force-directed algorithm, this allows for maintaining a high level of visual aesthetics without significant increases in resource consumption. Thus, the new method offers a practical solution for effectively combining visual aesthetics with computational efficiency, representing an important step forward in enhancing the analysis of spatial models in software architecture.Візуальна естетичність та обчислювальна ефективність є однаково важливими аспектами у контексті створення якісного представлення даних для подальшого аналізу. Гармонійне поєднання цих характеристик забезпечує не лише зручність сприйняття, але й оптимізує процеси оброблення даних, що є критично важливим у сучасному програмному забезпеченні. У пропонованій статті розкрито новий комбінований підхід до розміщення графів у просторі. Особливу увагу приділено просторовим моделям архітектури програмного забезпечення, що є ключовим інструментом для візуалізації складних взаємозв'язків між компонентами. Застосування графових нейронних мереж як спеціалізованої евристики – центральний елемент зазначеного підходу. Завдяки використанню методів машинного навчання, запропонований підхід дає змогу поліпшити результати візуалізації та підвищити обчислювальну ефективність. Використання графової нейронної мережі забезпечує адаптивність і здатність моделі враховувати специфічні особливості графу. Це, у комбінації із силовим алгоритмом, сприяє збереженню високого рівня естетичності візуального представлення без значного збільшення ресурсних витрат. Отже, новий метод пропонує практичне рішення для ефективного поєднання візуальної естетики й обчислювальної ефективності, що є важливим кроком у вдосконаленні аналізу просторових моделей архітектури програмного забезпечення.ukнейронна мережамашинне навчанняграфграфова нейронна мережаграфовий згортковий оператор (GCNConv)архітектура програмного забезпеченняавтоматична візуалізація архітектури програмного забезпеченнячасова складність алгоритмустаттяneural networkmachine learninggraphgraph neural networkgraph convolutional operator (GCNConv)software architectureautomatic visualization of software architecturetime complexity of an algorithmArticle