Natural_Language_Explanation_Movies

Sistema di raccomandazione di film che fornisce all'utente una spiegazione in merito alla raccomandazione ricevuta, realizzato per il lavoro di tesi di Nuzzachi.

explod-movies

All'interno della directory explod-movies sono presenti i file che costituiscono l'interfaccia della webapp.

explod-movies-backend

All'interno della directory explod-movies-backend sono presenti i file python nei quali è implementato il Recommender System e i dataset dei film che vengono usati dal sistema.

Installazione

Prima di iniziare ad utilizzare il servizio ci si deve assicurare di avere Python 3 e si devono installare i seguenti moduli e librerie:

1. Networkx

   pip install Networkx

2. Matplotlib

   pip install Matplotlib

3. Random

   pip install Random

4. Flask

   pip install Flask

5. Flask_restful

   pip install Flask-RESTful

Configurazioni

Sono state realizzate due diverse configurazioni del Recommender System: la prima per essere lanciato ed utilizzato da riga di comando (file main.py), la seconda per essere lanciato come API in ascolto di richieste provenienti dalla webapp (file service.py).

Inoltre, anche le singole componenti del sistema possono essere lanciate da riga di comando tramite i rispettivi script.
Di seguito degli esempi di chiamate e di output risultante.

Mapper

Per effettuare una chiamata al Mapper da riga di comando, è necessario lanciare il seguente comando:

   python Mapper.py cmd_mapper [I:11033,I:8360,I:1661,I:8487] [I:11768]

Dove Mapper.py è lo script della componente, cmd_mapper è la funzione chiamata nello script che esegue la componente, i dati tra parentesi quadre sono gli ID dei film piaciuti e dei film raccomandati passati come parametri alla funzione chiamata.
Un esempio di output è il seguente:

   Esecuzione componente Mapper...
   Numero totale di film mappati:  8121
   
   Mappatura del profilo utente realizzata:
   Avatar   http://dbpedia.org/resource/Avatar_(2009_film)
   Full Metal Jacket        http://dbpedia.org/resource/Full_Metal_Jacket
   Toy Story        http://dbpedia.org/resource/Toy_Story
   The Green Mile   http://dbpedia.org/resource/The_Green_Mile_(film)
   
   Mappatura delle raccomandazioni realizzata:
   Aliens of the Deep       http://dbpedia.org/resource/Aliens_of_the_Deep

Builder

Per effettuare una chiamata al Builder da riga di comando, è necessario lanciare il seguente comando:

   python Builder.py cmd_builder [I:11033,I:8360,I:1661,I:8487] [I:11768] True

Dove Builder.py è lo script della componente, cmd_builder è la funzione chiamata nello script che esegue la componente, i dati tra parentesi quadre sono gli ID dei film piaciuti e dei film raccomandati passati come parametri alla funzione chiamata e True o False indica se visualizzare o meno il grafo.
Un esempio di output è il seguente:

   Esecuzione componente Builder...
   Numero di proprietà mappate:  139737
   
   Grafo creato con successo!
   Numero di nodi del grafo:  9
   Numero di archi del grafo:  12
   
   Ecco le proprietà in comune tra film piaciuti e raccomandazioni:
   http://dbpedia.org/resource/Walt_Disney_Studios_Motion_Pictures
   http://dbpedia.org/resource/James_Cameron
   http://dbpedia.org/resource/Category:American_3D_films
   http://dbpedia.org/resource/Category:Walt_Disney_Pictures_films
   http://dbpedia.org/resource/Category:2000s_3D_films
   http://dbpedia.org/resource/Category:Films_directed_by_James_Cameron

Ranker

Per effettuare una chiamata al Ranker da riga di comando, è necessario lanciare il seguente comando:

   python Ranker.py cmd_ranker [I:11033,I:8360,I:1661,I:8487] [I:11768] True

Dove Ranker.py è lo script della componente, cmd_ranker è la funzione chiamata nello script che esegue la componente, i dati tra parentesi quadre sono gli ID dei film piaciuti e dei film raccomandati passati come parametri alla funzione chiamata e True o False indica se utilizzare o meno l'IDF nel calcolo.
Un esempio di output è il seguente:

   Esecuzione componente Ranker...
   Le proprietà sono state rankate e ordinate con successo!
   
   Ecco le proprietà in comune dei film in ordine decrescente per influenza:
   4.4101865182669355       http://dbpedia.org/resource/Category:Films_directed_by_James_Cameron
   3.694478828077559        http://dbpedia.org/resource/James_Cameron
   3.640096717459041        http://dbpedia.org/resource/Category:2000s_3D_films
   2.879849639756232        http://dbpedia.org/resource/Category:American_3D_films
   2.6607977811994754       http://dbpedia.org/resource/Category:Walt_Disney_Pictures_films
   2.2639445154637197       http://dbpedia.org/resource/Walt_Disney_Studios_Motion_Pictures

Recommender da riga di comando

Per eseguire una richiesta al Recommender da rifa di comando, come prima cosa ci si deve spostare nella cartella explod-movies-backend e successivamente lanciare il comando con i dati richiesti dal sistema per l'esecuzione.
Un esempio di comando per una richiesta è il seguente:

   python main.py [I:11033,I:8360,I:1661,I:8487] [I:11768] True 3 True primolivello 1 False

Nel dettaglio, dopo il comando python i dati da inserire sono i seguenti nell'ordine:

1. Il file da lanciare che nel nostro caso è sempre main.py
2. Gli ID dei film piaciuti all'utente all'interno di parentesi quadre e separati da virgole (si consiglia almeno 3)
3. L'ID o gli ID dei film raccomandati all'interno di parentesi quadre e separati da virgole
4. True o False se si desidera o meno visualizzare il grafo
5. Il numero di proprietà in comune da considerare per generare la spiegazione
6. True o False se si desidera usare il ranking con IDF o meno
7. Il tipo di spiegazione che si vuole ricevere. Si possono avere 3 tipi diversi di spiegazione:
   • baseline per una spiegazione basilare;
   • schema per un elenco di proprietà e informazioni in merito al film o ai film raccomandati;
   • primolivello per una spiegazione in linguaggio naturale che utilizza le proprietà in comune.
8. Il tipo di configurazione per la frase in linguaggio naturale: 1 per la prima e 2 per la seconda
9. True o False se si desidera o meno aggiungere i tag html ai film e alle proprietà per la formattazione
   

E' importante inserire tutti i dati nel comando che lancia il recommender, anche se non verranno utilizzati per la spiegazione scelta.
Un esempio di output è il seguente:

   Esecuzione componente Generator...
   
   I suggest you Aliens of the Deep because you like Films directed by James Cameron and 2000s 3D films, such as Avatar.

Recommender Service (API)

Per avviare il Recommender eseguire il comando

   nohup python3 service.py &

Per terminare il Recommender eseguire il comando

   pkill -f service.py