🎬 MoviePick

하이브리드 필터링 × LLM 기반 정교화된 영화 추천

P-Semester Project
Precision & Personalization, powered by Hybrid Recommender Systems and Large Language Models

---

📌 프로젝트 배경

기존 VOD/OTT 추천 엔진은

• 행동 데이터(시청 이력, 별점 등)와 콘텐츠 메타데이터(장르, 감독, 배우 등)에 주로 의존합니다.
• 기본적인 개인화는 가능하지만, 심층적 선호 파악·동적 취향 변화 반영에는 한계가 있습니다.

---

🧠 핵심 아이디어

1. 하이브리드 필터링
   • Collaborative + Content-Based 접근을 통합해 cold-start 위험을 완화하고 기본 선호도를 파악합니다.
2. LLM 추가 계층
   • Meta-Llama / Llama-3.2-1B 로 리뷰·검색 로그·자연어 코멘트를 임베딩 →
     • 영화 간 의미 기반 유사도를 벡터 수준에서 정밀 추정
     • 사용자의 세부 취향·감정 톤까지 모델링
3. 다단계 랭킹 파이프라인
   1. 기본 Hybrid Score
   2. LLM Vector Similarity 보정

---

📱 애플리케이션 흐름

1) 초기 설문조사로 취향 입력 & 로그인 후 화면

2) 영화 추천 화면 & 추천 이유 설명

---

🏗️ 시스템 아키텍처

DB 설계

AI 시스템 아키텍쳐

---

🎬 시연 영상

MoviePick_demo.mp4

👤 Team Members

Avatar	이름 / 영문	담당 영역	핵심 기술스택	GitHub
	장재혁 Jae-Hyuk Jang	AI 백엔드 엔지니어 AI 서버–백엔드 연동 및 서버 통합 관리 DB 설계	FastAPI | Spring Boot | Python	Jae-Hyuk-Jang
	유수빈 Su-Bin Yoo	백엔드 개발 DB 설계 및 팀 일정 관리	Spring Boot | JPA | MySQL	axhtl
	송인서 In-Seo Song	AI 엔지니어 영화 데이터 수집 및 AI 모델 구축	PyTorch | Pandas | Scikit-Learn	SongInseo01
	김태주 Tae-Joo Kim	프론트엔드 개발 UI/UX 설계 및 구현	React | Figma | Tailwind CSS	taejuIRIS