Skip to content

lHyperionl/LPI

BranchesTags

Repository files navigation

Odporúčací systém filmov, seriálov, kníh a videohier v Prologu

Tímový projekt — predmet Logické programovanie a inferencia (LPI), TUKE Téma 9: Program odporúčajúci filmy/knihy/technológie na základe definovaných pravidiel.

Implementácia vysvetliteľného odporúčacieho systému v jazyku SWI-Prolog. Doména pokrýva štyri prepojené typy obsahu — filmy, seriály, knihy a videohry — modelované cez unifikovaný dátový model polozka/4. Systém kombinuje content-based filtering (žáner, hodnotenie, rozmer, krajina, štúdio, tvorca) so collaborative filteringom (podobnosť používateľov), pridáva cross-domain odporúčania (z filmu → na knihu/hru/seriál), reverzný filter fanúšikov (kto by mal rád konkrétnu položku) a robustné cestovanie po grafe vzťahov medzi položkami.

Štruktúra projektu

prolog_recommend_system/
├── README.md              <- tento súbor
├── report.pdf             <- elaborát (PDF — skopírovaný z docs/)
├── .env.example           <- vzorové premenné prostredia
├── docker-compose.yml     <- orchestrácia backend + frontend kontajnerov
├── backend/
│   ├── Dockerfile         <- SWI-Prolog kontajner
│   ├── program.pl         <- znalostná báza + inferenčné pravidlá
│   ├── api.pl             <- tenká HTTP JSON API vrstva (port 4000)
│   ├── examples.pl        <- 10 demonštračných príkladov
│   └── tests.pl           <- PlUnit regresné testy
├── docs/
│   ├── report.tex         <- LaTeX zdrojový kód elaborátu
│   ├── bibliography.bib   <- BibTeX bibliografia
│   └── report.pdf         <- kompilovaný výstup
└── web/                   <- Next.js frontendová aplikácia (port 3000)
    ├── app/               <- Next.js App Router (page, layout, API routes)
    ├── components/        <- React komponenty (playground sekcie)
    └── lib/               <- typy, API klient, utility

Inštalácia SWI-Prolog

Linux (Debian / Ubuntu)

sudo apt install swi-prolog

macOS

brew install swi-prolog

Windows

Stiahni inštalátor zo stránky https://www.swi-prolog.org/Download.html.

Spustenie

1. Spustiť všetkých 10 príkladov naraz (neinteraktívne)

swipl -q -g run_all -t halt backend/examples.pl

1b. Spustiť automatické testy (PlUnit)

swipl -q -g run_tests -t halt backend/tests.pl

2. Interaktívne dopyty

swipl backend/program.pl

Príklady dopytov v ?- prompt-e:

%% Základné odporúčanie (filmy + seriály + knihy + hry naprieč doménami)
?- odporucam(jan, P).
?- odporucam(maria, P), polozka(P, T, N, _).

%% Top odporúčania zoradené podľa skóre
?- top_odporucania(anna, T).

%% Vysvetlenie konkrétneho odporúčania
?- vysvetli(jan, interstellar).
?- dovody_odporucania(jan, interstellar, Dovody).

%% Collaborative filtering
?- podobni_pouzivatelia(jan, P).
?- podobnost_pouzivatelov(peter, jan, Skore, Dovody).
?- odporucam_collaborative(peter, F).

%% Cross-domain odporúčanie (páči sa mi film → odporuč hru)
?- cross_domain_odporucam(peter, dune, Ciel, Dovod).

%% Filter "kto má rád X"
?- fanusikovia(witcher3, Pouzivatelia).
?- fanusikovia_s_dovodmi(parasite, Pary).

%% Robustné cestovanie po grafe vzťahov
?- pribuzne_polozky(dune, X, Sila), Sila >= 2.
?- top_pribuzne(witcher3, Top).
?- retazec(amelie, dark_souls, 4, Cesta).

%% Adaptácie, univerzá a hybridné skóre
?- adaptacia(X, Y).
?- univerzum(X, U).
?- hybridne_skore(maria, lotr, S).
?- top_hybridne(maria, T).

%% Constraint odporúčanie: filmový večer do 300 minút
?- filmovy_vecer(jan, 300, Vyber, Dlzka, Skore).

%% Štatistika
?- pocet_odporucani(peter, N).
?- pocet_odporucani_typu(maria, hra, N).

3. Spustenie jednotlivých príkladov

swipl backend/examples.pl
?- priklad1.   % základné odporúčanie pre Jana
?- priklad2.   % top odporúčania zoradené podľa skóre (Anna)
?- priklad3.   % vysvetlenie odporúčania (Jan, Interstellar)
?- priklad4.   % collaborative filtering pre Petra
?- priklad5.   % štatistika a kategorizácia
?- priklad6.   % cross-domain odporúčanie (Peter videl Dune)
?- priklad7.   % filter fanúšikov (Witcher 3, Parasite)
?- priklad8.   % robustné cestovanie po grafe vzťahov
?- priklad9.   % adaptácie, univerzá, hybridné skóre
?- priklad10.  % filmový večer do časového limitu
?- halt.

Stručný prehľad implementácie

Znalostná báza

Typ Počet Atribúty
filmy 15 žáner, hodnotenie, dĺžka (min), krajina, štúdio, režisér
knihy 15 žáner, hodnotenie, počet strán, krajina, vydavateľstvo, autor
videohry 15 žáner, hodnotenie, dĺžka prejdenia (hod), krajina, herné štúdio, vývojár
seriály 10 žáner, hodnotenie, počet epizód, krajina, platforma/štúdio, tvorca

5 používateľov s preferenciami naprieč doménami: obľúbené žánre, obľúbené typy obsahu, obľúbení tvorcovia, obľúbené krajiny a štúdiá, minimálne hodnotenie, maximálne rozmery (zvlášť pre filmy/knihy/hry/seriály), história konzumácie.

Inferenčné pravidlá

Predikát Význam
odporucam(P, Polozka) Hlavné pravidlo odporúčania naprieč všetkými typmi
skore_odporucania(P, F, S) Skóre 0–17 (hodnotenie + zaner +2, tvorca +3, krajina +1, studio +1)
top_odporucania(P, T) Zoradený zoznam podľa skóre zostupne
dovody_odporucania(P, F, D) Vráti čistý zoznam dôvodov odporúčania
vysvetli(P, F) Vypíše prečo bola položka odporúčaná
kategoria_odporucania(P, F, K) Vyborná / Dobrá / Slabá zhoda
podobnost_pouzivatelov(P1, P2, S) Číselné skóre podobnosti preferencií
podobnost_pouzivatelov(P1, P2, S, D) Skóre podobnosti aj s dôvodmi
podobni_pouzivatelia(P1, P2) Podobnosť pri skóre aspoň 4
odporucam_collaborative(P, F) Odporúčanie cez podobného používateľa, rešpektuje typ a rozmer
cross_domain_odporucam(P, Z, C, D) Cross-domain: páči sa mi Z → odporuč C s dôvodom D
fanusikovia(Polozka, Pouz) Komu by sa páčila daná položka?
fanusikovia_s_dovodmi(Polozka, Pary) Detail s konkrétnymi dôvodmi zhody
pribuzne_polozky(P1, P2, Sila) Sila = počet zdieľaných atribútov
top_pribuzne(P, Top) Top príbuzné položky zoradené podľa sily
retazec(Od, Na, Max, Cesta) Tranzitívna cesta v grafe vzťahov
adaptacia(Z, C) Z je adaptácia diela C (napr. film podľa knihy)
univerzum(Polozka, U) Príslušnosť k fiktívnemu svetu (Stredozemie, dune_universe, …)
hybridne_skore(P, F, S) Content-based skóre + collab/adaptácia/univerzum bonus
top_hybridne(P, Top) Zoradenie podľa hybridného skóre
filmovy_vecer(P, Max, Vyber, Dlzka, Skore) Constraint výber filmov do časového limitu
pocet_odporucani(P, N) Štatistika — koľko položiek odporúčame
pocet_odporucani_typu(P, Typ, N) Štatistika podľa typu

Demonštračné príklady (examples.pl)

  1. priklad1 — základné odporúčanie pre Jana naprieč typmi obsahu
  2. priklad2 — top odporúčania pre Annu zoradené podľa rozšíreného skóre
  3. priklad3 — vysvetlenie odporúčania (Interstellar pre Jana)
  4. priklad4 — collaborative filtering pre Petra
  5. priklad5 — štatistika a kategorizácia (rozpis filmy/knihy/hry/seriály)
  6. priklad6 — cross-domain: Peter videl Dune → ktoré hry a seriály mu odporúčiť
  7. priklad7 — komu by sa páčila hra Witcher 3, komu film Parasite
  8. priklad8 — cestovanie po grafe vzťahov z filmu Dune
  9. priklad9 — adaptácie, spoločné univerzá a hybridné skóre pre Mariu
  10. priklad10 — filmový večer do časového limitu cez CLP(FD)

Regresné testy (tests.pl)

Suite v library(plunit) s viacerými blokmi: znalostna_baza (počty, úplnosť atribútov), odporucanie (Jan dostane film+knihu, Anna nedostane hry, neopakovanie videného, validita skóre, monotónnosť top zoznamu, čisté dôvody), cross_domain (adaptácia Dune, univerzum Witcher, type-disjointness), collaborative (skóre podobnosti, rešpektovanie typu a rozmeru), graf (symetria, acyklickosť), hybridne_skore (hybrid ≥ content, universe bonus pre Mariu na LOTR) a constraint_odporucanie (filmový večer do časového limitu).

Ukážka výstupu

Webová aplikácia (Next.js + SWI-Prolog)

Súčasťou projektu je interaktívny playground — moderná webová aplikácia, ktorá volá reálny SWI-Prolog engine a vizualizuje všetky schopnosti systému. Frontend je napísaný v Next.js 15 (App Router) a komunikuje s tenkým HTTP backendom v Prologu.

Spustenie webovej aplikácie

Najjednoduchšia cesta je Docker Compose — spustí oba kontajnery (frontend aj backend) naraz.

docker compose up --build

Následne otvor prehliadač na http://localhost:3000.

Lokálny vývoj (bez Dockeru)

# 1. Backend (Prolog API na porte 4000)
swipl backend/api.pl

# 2. Frontend (Next.js na porte 3000)
cd web
cp ../.env.example .env.local   # nastav PROLOG_API_URL=http://localhost:4000
npm install
npm run dev

API endpointy (backend/api.pl, port 4000)

Endpoint Parametre Popis
GET /api/health — Stav servera
GET /api/users — Zoznam používateľov s preferenciami
GET /api/items — Všetky položky znalostnej bázy
GET /api/recommend user Content-based odporúčania zoradené podľa skóre
GET /api/explain user, item Dôvody odporúčania konkrétnej položky
GET /api/hybrid user Hybridné skóre (content + collab + adaptácia + univerzum)
GET /api/collaborative user Podobní používatelia + ich odporúčania
GET /api/cross-domain user, item Cross-domain odporúčania z danej položky
GET /api/fans item Komu by sa páčila daná položka
GET /api/related item Príbuzné položky podľa sily prepojenia
GET /api/path from, to, max Cesta v grafe vzťahov
GET /api/movie-night user, limit CLP(FD) výber filmov do časového limitu
GET /api/stats user Štatistika odporúčaní podľa typov obsahu

Architektúra webu

  1. backend/api.pl (Prolog HTTP API):
    • Tenký obal nad program.pl — žiadna logika sa neduplikuje.
    • Každý handler pozbiera riešenia cez findall/setof a pošle reply_json_dict.
    • Využíva library(http/thread_httpd), beží na porte 4000 (alebo $PORT).
  2. web/ (Next.js):
    • React/Next.js 15 (App Router) s Tailwind CSS a shadcn/ui komponentmi.
    • Všetka logika zostala v Prologu — Next.js robí len proxy dopytov (route handlery) a vizualizáciu.
    • Dynamický render (force-dynamic) — každý dopyt ide na živý Prolog engine.

Poznámka pre nasadenie: Vercel nepodporuje Docker/perzistentné servery. Pre verejné nasadenie odporúčame platformy s podporou Docker kontajnerov (Render, Fly.io, Railway).

==============================================
 PRIKLAD 6: Cross-domain odporucanie (Peter videl Dune)
==============================================
 -> [serial] Arcane              (spolocna_krajina(usa))
 -> [serial] Arcane              (spolocny_zaner(akcia))
 -> [hra] BioShock               (spolocna_krajina(usa))
 -> [hra] BioShock               (spolocny_zaner(akcia))
 -> [hra] BioShock               (spolocny_zaner(sci_fi))
 -> [serial] Black Mirror        (spolocny_zaner(sci_fi))
 -> [serial] Breaking Bad        (spolocna_krajina(usa))
 -> [serial] Chernobyl           (spolocna_krajina(usa))
 -> [hra] Cyberpunk 2077         (spolocny_zaner(sci_fi))
 -> [serial] Game of Thrones     (spolocna_krajina(usa))
 -> [hra] Half-Life 2            (spolocna_krajina(usa))
 -> [hra] Half-Life 2            (spolocny_zaner(akcia))
 -> [hra] Half-Life 2            (spolocny_zaner(sci_fi))
 -> [hra] Horizon Zero Dawn      (spolocny_zaner(akcia))
 -> [hra] Horizon Zero Dawn      (spolocny_zaner(sci_fi))
 -> [hra] The Last of Us         (spolocna_krajina(usa))
 -> [hra] The Last of Us         (spolocny_zaner(akcia))
 -> [serial] The Mandalorian     (spolocna_krajina(usa))
 -> [serial] The Mandalorian     (spolocny_zaner(akcia))
 -> [serial] The Mandalorian     (spolocny_zaner(sci_fi))
 -> [hra] Mass Effect            (spolocny_zaner(sci_fi))
 -> [hra] Portal 2               (spolocna_krajina(usa))
 -> [hra] Portal 2               (spolocny_zaner(sci_fi))
 -> [hra] Red Dead Redemption 2  (spolocna_krajina(usa))
 -> [hra] Red Dead Redemption 2  (spolocny_zaner(akcia))
 -> [serial] The Expanse         (spolocna_krajina(usa))
 -> [serial] The Expanse         (spolocny_zaner(sci_fi))
 -> [serial] True Detective      (spolocna_krajina(usa))
 -> [serial] Westworld           (spolocna_krajina(usa))
 -> [serial] Westworld           (spolocny_zaner(sci_fi))

==============================================
 PRIKLAD 7: Komu by sa pacila hra The Witcher 3?
==============================================
  - Maria Toth :: [zaner(fantasy), zaner(rpg), tvorca(sapkowski),
                   krajina(polsko), studio(cd_projekt_red)]
  - Tomas Varga :: [zaner(akcia), zaner(rpg), krajina(polsko),
                    studio(cd_projekt_red)]

==============================================
 PRIKLAD 8: Cesta z 'amelie' (film) do 'dark_souls' (hra)
==============================================
    [film]  Amelie  -->
    [film]  Forrest Gump  -->
    [film]  Inception  -->
    [kniha] The Name of the Wind  -->
    [hra]   Dark Souls

==============================================
 PRIKLAD 10: Filmovy vecer do casoveho limitu
==============================================
 Celkova dlzka: 286 minut, celkove skore: 27
 - Interstellar (2014), 169 min, skore 15
 - Blade Runner (1982), 117 min, skore 12

Kompilácia elaborátu (LaTeX)

cd docs
pdflatex report.tex
bibtex report
pdflatex report.tex
pdflatex report.tex

Výstup: docs/report.pdf (a kópia v koreni projektu).

Tím

Člen Zodpovednosť
Člen 1 Dátový model polozka/4, znalostná báza (55 položiek, 5 používateľov)
Člen 2 Hlavné inferenčné pravidlo odporucam/2, polymorfný filter rozmerov
Člen 3 Pokročilé pravidlá: skórovanie, top, vysvetlenie, collaborative, cross-domain, fanúšikovia, graf vzťahov, constraint odporúčanie
Člen 4 Demonštračné príklady (10 scenárov) a testovanie
Člen 5 Elaborát (LaTeX) a prezentácia

Licencia a zdroje

About

Prolog Recommendation System

Resources

Readme
Activity

Stars

0 stars

Watchers

0 watching

Forks

0 forks
Report repository

Releases

No releases published

Packages

 
 
 

Contributors

Languages