Univerzitet u Nišu, Elektronski fakultet

Završni rad

Sistemi preporuka filmova zasnovani na velikim jezičkim modelima i semantičkoj pretrazi

Studijski program: Elektrotehnika i računarstvo · Modul: Računarstvo i informatika

Lazar Krstić, 19190Mentor: doc. dr Milena B. Frtunić Gligorijević

Realizacija: dvojezična veb aplikacija CineKros

Zadatak, cilj i rezultat

ZADATAK

Povezati slobodno iskazanu želju za filmom sa proverljivom pretragom kataloga.

CILJ

Preporuke poštuju zadate uslove, a prednost imaju filmovi bliži nameri.

REZULTAT

Dvojezična veb aplikacija nad 9.730 filmova, ispitana na srpskim i engleskim zahtevima.

Sistemi preporuka filmova zasnovani na velikim jezičkim modelima i semantičkoj pretrazi — Odbrana završnog rada

2 / 18

Od namere do naslova: uslovi i preferencije

„Prikaži mi animirane ili fantastične filmove snimljene od 1988. do zaključno 2011. godine, u trajanju od 80 do zaključno 125 minuta, izvorno na japanskom jeziku. Više mi odgovaraju blag osećaj čudesnog i put ka samostalnosti.“

provera uslova

Obavezno:animacija ili fantastika, 1988–2011, 80–125 minuta, japanski.

Određuje prihvatljivost.

poređenje značenja

Preferencija:blag osećaj čudesnog i put ka samostalnosti.

Određuje redosled.

polazište

Tekuća poruka:bez istorije gledanja i trajnog profila.

Sistemi preporuka filmova zasnovani na velikim jezičkim modelima i semantičkoj pretrazi — Odbrana završnog rada

3 / 18

Pristupi preporuci polaze od različitih dokaza

Kolaborativno filtriranje

korisnik–korisnik, stavka–stavka, faktorizacija matrice

Dokaz

Interakcije publike

Ograničenje

Retkost podataka, hladan početak

Ne koristi se: nema matrice korisnik–film

Sadržajno preporučivanje

srodnost sadržaja i interesovanja

Dokaz

Osobine i opis filma

Ograničenje

Zavisi od kvaliteta opisa

Koristi se: upit ↔ opis filma

Znanje i ograničenja

C = {i iz I | c₁(i) ∧ c₂(i) ∧ … ∧ c_n(i)}

Dokaz

Eksplicitni uslovi

Ograničenje

Potrebni tačni atributi

Koristi se: obavezni uslovi

Za jednokratan zahtev raspoloživi su sam iskaz i katalog.

Sistemi preporuka filmova zasnovani na velikim jezičkim modelima i semantičkoj pretrazi — Odbrana završnog rada

4 / 18

Leksičko i semantičko pronalaženje

Leksičko

Tokeni · TF–IDF · BM25

+ tačan izraz: naslov, ime, redak termin

− srodan sadržaj izražen drugim rečima

Semantičko

Upit i dokument → embedding vektori

+ srodan smisao bez istih reči

− bliskost temi nije logička provera

„sumoran“ ↔ „teško, beznadežno raspoloženje“blisko po smislu, bez zajedničkog tokena

„film bez nasilja“tekst o nasilju može biti blizak temi, a ne potvrđuje odsustvo

Poređenje ima smisla samo ako su vektori nastali istim modelom i postupkom.

Sistemi preporuka filmova zasnovani na velikim jezičkim modelima i semantičkoj pretrazi — Odbrana završnog rada

5 / 18

Veliki jezički model kao parser prirodnog jezika

„pronađi francuski triler iz devedesetih do dva sata, sa Žanom Renoom, nešto mračno i atmosferično“

period

trajanje

jezik

žanr

uslovi

ton

semanticQuery

1. Oblik: čitljiv odgovor, ispravni tipovi i dozvoljene vrednosti

2. Doslednost sa pravilima aplikacije: granice, podržanost, protivrečnosti

Jezički model tumači poruku; pravila aplikacije i katalog određuju šta se izvršava.

Sistemi preporuka filmova zasnovani na velikim jezičkim modelima i semantičkoj pretrazi — Odbrana završnog rada

6 / 18

Tehnologije i njihova uloga

klijent

React 19

TypeScript 6 · Vite 8

Korisnički interfejs: izbor jezika, upit i prikaz rezultata.

server

ASP.NET Core

.NET 10 · C#

API: provera tumačenja i izbor putanje pretrage.

udaljeni API

Gemini

gemini-3.1-flash-lite

REST poziv sa JSON šemom; tumači poruku, ne bira filmove.

lokalno

E5

multilingual-e5-base

Vektori upita i dokumenata; ONNX Runtime, INT8.

baza

PostgreSQL 17

relaciona baza

Katalog filmova i obavezni uslovi u SQL-u.

baza

pgvector

0.8.6

Kosinusna udaljenost nad vektorima od 768 dimenzija.

oflajn

Helsinki-NLP

opus-mt-en-sla

Predlozi prevoda 993 oznake na srpski; Python, CPU.

podaci

Tag Genome 2021

MovieLens 32M · TMDB

Filmovi, oznake, žanrovi, ocene, trajanje i jezik.

Sistemi preporuka filmova zasnovani na velikim jezičkim modelima i semantičkoj pretrazi — Odbrana završnog rada

7 / 18

Katalog i dvojezični dokumenti nastaju pre pretrage

oflajn

Tag Genome 2021filmovi, oznake, režiser, cast

MovieLens 32Mžanrovi, prosečna ocena, broj ocena

TMDB, oflajn dopunatrajanje, originalni jezik, poster

Katalog9.730filmova

Nedostajuće vrednosti ostaju nepoznate.

EN dokumentsemanticText

rečnik oznaka993 prevoda

SR dokumentsemanticTextSr

istiE5encoder

ENembedding

SRembedding_sr

9.730 × 2 = 19.460 dokumentskih vektora

Dokument: naslov, godina, režiser i deset odabranih oznaka.

Glumci su u cast filteru, ne u semantičkom tekstu.

Sistemi preporuka filmova zasnovani na velikim jezičkim modelima i semantičkoj pretrazi — Odbrana završnog rada

8 / 18

Tri režima pretrage

Zahtev	Postupak	Poredak
Hard-only	Obavezni SQL uslovi	Broj ocena, ocena, ID
Semantic-only	Vektor opisne namere	Kosinusna udaljenost u celom katalogu
Hybrid	Uslovi i vektor namere	Kosinusna udaljenost među podobnim filmovima

Hard-only preskače E5.

Filteri se ne ublažavaju radi duže liste.

Sistemi preporuka filmova zasnovani na velikim jezičkim modelima i semantičkoj pretrazi — Odbrana završnog rada

9 / 18

Arhitektura razdvaja tumačenje, kodiranje i pretragu

Obavezno: uslovi

Rangiranje: semantika

Spoljni servis

Lokalna ispitana postavka

React UITypeScript
Vite

APIASP.NET Core
.NET 10

Gemini APIstrukturisano tumačenje

Backend validatorkanonski DTO · izbor putanje

poruka i jezik

checklist

alert parsera: bez E5 i pretrage filmova

semanticQuery
postoji?

da

Jezički skupSR: ćirilica → latinica

Lokalni E5vektor upita

PostgreSQL 17 / pgvector 0.8.6

ne

Hybrid / semantic-only

eligibleuslovi

exactcosine

IDtie-break

LIMIT10

Hard-only

uslovi →metapodatkovni poredak

Sistemi preporuka filmova zasnovani na velikim jezičkim modelima i semantičkoj pretrazi — Odbrana završnog rada

10 / 18

Gemini tumači poruku, backend proverava izlaz

Izvod iz stvarnog rezultata za zahtev sa početka (SR)

Deo upita	Validirana vrednost
Žanr, bar jedan	genres.any = ["Animation", "Fantasy"]
Glumci, bar jedan	actors.any = ["Brad Pitt", "George Clooney"]
Isključeni glumci	actors.exclude = ["Julia Roberts", "Matt Damon"]
Semantic query	domišljati planovi i napeta atmosfera
Semantička namera	blag osećaj čudesnog i put ka samostalnosti

Gemini ne bira filmove i ne generiše SQL.

Sistemi preporuka filmova zasnovani na velikim jezičkim modelima i semantičkoj pretrazi — Odbrana završnog rada

11 / 18

SQL: od obaveznih uslova do deset rezultata

Stvarni upit za zahtev sa početka (SR), prelomljen u redove

WITH eligible AS MATERIALIZED (
  SELECT … FROM movies
  WHERE genres @> @genresAll::text[]
    AND "cast" IS NOT NULL
    AND cardinality("cast") > 0
    AND "cast" && @actorsAny::text[]
    AND NOT ("cast" && @actorsExclude::text[])
)
SELECT … FROM eligible AS e
JOIN movie_embeddings AS me USING (movie_lens_id)
ORDER BY me.embedding_sr <=> @queryVector ASC,
         e.movie_lens_id ASC
LIMIT 10

Parametri

@genresAll = {Crime}@actorsAny = {Brad Pitt, George Clooney}@actorsExclude = {Julia Roberts, Matt Damon}@queryVector = 768 brojeva (E5)

9.730filmova

14podobnih

10preporuka

Uslovi određuju skup, vektor samo poredak unutar njega.

Sistemi preporuka filmova zasnovani na velikim jezičkim modelima i semantičkoj pretrazi — Odbrana završnog rada

12 / 18

Kako E5 model pravi vektor

E5

EmbEddings from bidirEctional Encoder rEpresentations · MicrosoftModel: intfloat/multilingual-e5-base · višejezični transformer enkoder

query:tekst upita

tokenizacija

transformerenkoder

masked meanpooling

L2normalizacija

768brojeva

Sličnost upita q i dokumenta dcos(q,d) = q · d / (q d)udaljenost = 1 − cos(q,d)

OsnovaXLM-RoBERTa · 12 slojeva

Veličina≈ 0,3 milijarde parametara

Ulazdo 512 tokena · naši dokumenti do 126

Obučavanjekontrastivno, pa fino podešavanje

EN upit → embedding

SR upit: ćirilica → latinica → embedding_sr

bez mešanja lista

Sistemi preporuka filmova zasnovani na velikim jezičkim modelima i semantičkoj pretrazi — Odbrana završnog rada

13 / 18

Ispitivanje i rezultat

Ispitano na 36 zahteva: 15 parova × 2 jezika i 6 kontrolnih.

Obavezni uslovi verno primenjeni u svih 30 SQL izvršavanja.

Poruka prihvatljivo protumačena u 34 od 36 slučajeva.

Relevantni: hard-only 75/77, hibridni 16/20 (SR) i 17/20 (EN).

!

Samo semantika: 8/30 relevantnih na oba jezika.

Tehnička ispravnost nije isto što i relevantnost; relevantnost je ručno procenio autor.

Sistemi preporuka filmova zasnovani na velikim jezičkim modelima i semantičkoj pretrazi — Odbrana završnog rada

14 / 18

Dobar hibridni primer: blag osećaj čudesnog

„Prikaži mi animirane ili fantastične filmove snimljene od 1988. do zaključno 2011. godine, u trajanju od 80 do zaključno 125 minuta, izvorno na japanskom jeziku. Više mi odgovaraju blag osećaj čudesnog i put ka samostalnosti.“

Srpska lista

sličnost

1

Whisper of the Heart (1995)

0,7446

2

Akira Kurosawa's Dreams (1990)

0,7420

3

Spirited Away (2001)

0,7401

4

Ponyo (2008)

0,7370

5

After Life (1998)

0,7331

6

Little Nemo: Adventures in Slumberland (1992)

0,7330

7

Millennium Actress (2001)

0,7327

8

Grave of the Fireflies (1988)

0,7318

~

9

Howl's Moving Castle (2004)

0,7290

10

Mind Game (2004)

0,7282

Engleska lista

sličnost

1

Spirited Away (2001)

0,7660

2

Whisper of the Heart (1995)

0,7602

3

Evangelion: 1.0 You Are (Not) Alone (2007)

0,7542

~

4

Howl's Moving Castle (2004)

0,7536

5

Tekkonkinkreet (2006)

0,7525

~

6

Akira Kurosawa's Dreams (1990)

0,7523

7

Kiki's Delivery Service (1989)

0,7516

8

After Life (1998)

0,7513

9

Ponyo (2008)

0,7510

10

Millennium Actress (2001)

0,7504

dobar primer ~ delimično ili drugačiji ton promašaj · oznake izdvojene iz autorovog opšteg osvrta

Uslovi poštovani; vrh liste odgovara čudesnom i odrastanju, uz nekoliko mračnijih naslova.

Sistemi preporuka filmova zasnovani na velikim jezičkim modelima i semantičkoj pretrazi — Odbrana završnog rada

15 / 18

Najslabiji primer: usamljenost na svemirskoj stanici

„Želim napetu priču o usamljenosti i izolaciji na udaljenoj svemirskoj stanici.“

Bez obaveznih uslova: o izboru odlučuje samo semantika

Srpska lista

sličnost

1

Far and Away (1992)

0,7737

2

Voices of a Distant Star (2003)

0,7735

~

3

District 9 (2009)

0,7708

4

Somewhere (2010)

0,7700

~

5

Morons From Outer Space (1985)

0,7695

6

Distant (2002)

0,7694

~

7

The Astronaut's Wife (1999)

0,7687

8

Storytelling (2001)

0,7684

9

Walking and Talking (1996)

0,7682

10

Lights in the Dusk (2006)

0,7663

Engleska lista

sličnost

1

The Station Agent (2003)

0,8107

2

Distant (2002)

0,8035

3

Elling (2001)

0,8021

~

4

The Tenant (1976)

0,7969

5

Voices of a Distant Star (2003)

0,7967

6

Kitchen Stories (2003)

0,7963

7

Castaway on the Moon (2009)

0,7959

~

8

May (2002)

0,7954

9

Carriers (2009)

0,7941

10

Ikiru (1952)

0,7933

dobar primer ~ delimično ili drugačiji ton promašaj · oznake izdvojene iz autorovog opšteg osvrta

Obe liste ocenjene kao slabe: usamljenost i svemir nisu povezani u jednu temu.

Sistemi preporuka filmova zasnovani na velikim jezičkim modelima i semantičkoj pretrazi — Odbrana završnog rada

16 / 18

Video demonstracija aplikacije

izbor jezika

upit

rezultati

IMDb stranica

Sistemi preporuka filmova zasnovani na velikim jezičkim modelima i semantičkoj pretrazi — Odbrana završnog rada

17 / 18

Zaključak

Realizovan je i proveren dvojezični sistem koji prirodnojezički zahtev pretvara u proverljive uslove i semantičko rangiranje.

Uslovi određuju šta je dozvoljeno, a semantika šta je bliže želji.

Dalji razvoj

prag sličnosti

bogatiji opis radnje

režiser kao uslov

veći korpus i nezavisni ocenjivači

Hvala na pažnji.

Sistemi preporuka filmova zasnovani na velikim jezičkim modelima i semantičkoj pretrazi — Odbrana završnog rada

18 / 18