Swipe, Learn and Explore: Developing a Wikipedia Article Recomender App

Bc. Martin Mackovík

Bakalářská práce

Anotace:

V reakci na fenomén „doom-scrollingu“ na sociálních sítích, vyznačující se konzumací nepřeberného množství nekvalitního doporučovaného obsahu, si tato bakalářská práce klade za cíl poskytnout intelektuálně zajímavější alternativu. Toho je dosaženo navržením a implementací multiplatformní aplikace využívající recommender systémy k doporučování článků Wikipedie za využití podobných mechanizmů jako u běžných sociálních médií. V první části práce jsou představeny a shrnuty základní koncepty recommender systémů a je analyzována jejich reálná implementace na příkladu sociální sítě X (dříve Twitter). S využitím těchto znalostí je navržen postup doporučování, integrující heuristiku a zpětnou vazbu od uživatelů pro vytváření personalizovaných doporučení, za využití knihovny Wikirec v jazyce Python. Webová aplikace je implementována ve frameworku React a Python FastAPI a je plně Dockerizována pro snadné nasazení. Aplikace je zveřejněna na doméně www.scrollwise.cz a je provedeno uživatelské testování, z něhož jsou vyvozena důležitá doporučení pro budoucí vývoj. V závěrečné části jsou navrženy a rozebrány možnosti pro další rozšíření aplikace.

Abstract:

In response to the prevalent phenomenon of "doom-scrolling" on social media, characterized by endless feeds of low-quality content, this thesis aims to provide a more intellectually engaging alternative. We achieve this by designing and implementing a cross-platform application that utilizes recommender systems to deliver personalized Wikipedia article recommendations to users, akin to conventional social media content delivery mechanisms. First, we explore the world of recommender algorithms, summarizing the fundamental concepts and analyzing their real-world implementations in platforms like X (formerly Twitter). Leveraging this knowledge, we design a recommender pipeline that integrates heuristics and user feedback to generate personalized recommendations using the Wikirec Python library. We implement the web application using React and Python FastAPI frameworks, and Dockerize it for deployment. We publish the application on the www.scrollwise.cz domain and conduct user testing, which provides us with useful insights into the weak points of the implementation and allows us to derive important recommendations for future updates. Lastly, we provide suggestions for further research and improvements of the app.

Keywords

recommender systems, recommendations, article recommendations, Wikipedia, personalisation, FastAPI, Python, React, social media, entertainment, Wikirec, Scrollwise, feed content

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 23. 5. 2024

Obhajoba závěrečné práce

• Obhajoba proběhla 27. 6. 2024
• Vedoucí: doc. RNDr. Eva Hladká, Ph.D.
• Oponent: RNDr. Josef Spurný, Ph.D.

Masarykova univerzita

Fakulta informatiky

Bakalářský studijní program / obor:
Programování a vývoj aplikací / Programování a vývoj aplikací