🏠 Youth Housing Policy Recommendation System

서울 주거 포털 정책 데이터를 기반으로
사용자 조건(연령, 소득, 자산, 무주택 여부 등)에 맞는
주거 정책을 추천하는 FastAPI + Streamlit 프로젝트입니다.

✅ 현재 구현은 DB 없이 CSV 기반(in-memory) 으로 동작합니다.
(정책/자격조건 데이터를 pipeline/cleaner/*.csv에서 로딩)

---

🛠 Tech Stack

Backend

• FastAPI
• Pandas (CSV 로딩)
• Scikit-learn (TF-IDF, Cosine Similarity)

Frontend

• Streamlit

AI

• OpenAI GPT-4o (정책 Q&A, 추천 설명)
• LlamaIndex (RAG 구성)

---

🚀 주요 기능

1) 조건 기반 정책 추천

• 사용자 프로필 기반 하드 필터 + 점수화(휴리스틱)
• Top-K 추천 결과 + 충족/미충족 근거 리스트 반환

2) 정책 Q&A (RAG)

• 정책 텍스트(주로 clean_text) 기반 검색 → LLM 답변 생성
• 대화 히스토리(history)를 함께 전달해 “이어 묻기” 지원

3) 유사 정책 검색 (TF-IDF 데모)

• policy_name + support_summary + clean_text로 TF-IDF 벡터화
• cosine similarity로 Top-K 유사 정책 반환
• policy_id 또는 policy_name(부분일치) 입력 지원
• FastAPI JSON 직렬화 이슈(NaN) 방어 처리 포함

---

📂 Project Structure (현재 리포 구조 기준)

policy_reco
├── backend
│   └── app
│       ├── core
│       │   └── data_manager.py
│       ├── pipeline
│       │   ├── rag_filter_ver3.py
│       │   └── rag_qa_ver2.py
│       ├── routers
│       │   ├── __init__.py
│       │   ├── policies.py
│       │   ├── policy_qa.py
│       │   ├── recommend.py
│       │   └── similar.py
│       ├── schemas
│       │   ├── common.py
│       │   ├── qa.py
│       │   └── recommend.py
│       ├── services
│       │   └── orchestration
│       │       ├── qa_flow.py
│       │       ├── recommend_flow.py
│       │       └── similar_flow.py
│       └── main.py
│ 
├── data_collection
│   ├── data_crawler
│   │   ├── api.ipynb
│   │   ├── api_data.csv
│   │   ├── crawling.ipynb
│   │   ├── filtered_api_data.csv
│   │   └── link_parsed.csv
│   ├── data_merge
│   │   ├── merge.ipynb
│   │   └── merged_policies.csv
│   ├── parsing
│   │   ├── detail_parsing.csv
│   │   ├── parser.ipynb
│   │   └── parser.py
│   ├── reference
│   │   └── (파일명 인코딩이 깨진 .doc 1개 존재)
│   ├── result
│   │   └── policies.csv
│   └── storage
│       ├── ingest_raw_policies.py
│       └── raw_store.py
├── frontend
│   ├── clients
│   │   └── api_client.py
│   ├── components
│   │   ├── cards.py
│   │   ├── forms.py
│   │   └── layout.py
│   ├── pages
│   │   ├── __init__.py
│   │   ├── Policy_QA.py
│   │   ├── Policy_Search.py
│   │   ├── Recommend.py
│   │   └── Similar.py
│   └── Home.py
├── pipeline
│   └── cleaner
│       ├── rules
│       │   ├── __init__.py
│       │   ├── parse_age.py
│       │   ├── parse_assets.py
│       │   ├── parse_car.py
│       │   ├── parse_income.py
│       │   └── utils.py
│       ├── __init__.py
│       ├── build_clean_text.py
│       ├── policies.csv
│       ├── policy_eligibility.csv
│       └── run_clean.py
├── scripts
│   ├── seed_sample_data.py
│   └── smoke_test.sh
├── README.md
└── requirements.txt

---

📡 API Endpoints

GET /health

서버 상태 확인

GET /policies

전체 정책 목록 조회

GET /policies/{policy_id}

정책 상세 조회

POST /recommend

조건 기반 정책 추천

Request 예시

{
  "age": 25,
  "income": 32000000,
  "asset": 150000000,
  "is_homeless": true
}

POST /policy-qa

정책 Q&A (RAG)

Request 예시

{
  "question": "청년 전세 지원 정책 신청 조건이 뭐야?",
  "history": [
    {"role": "user", "content": "청년 월세 지원 알려줘"},
    {"role": "assistant", "content": "요약 답변..."}
  ]
}

GET /similar?policy_input=...

유사 정책 Top-K 반환 (TF-IDF 데모)

예시

• ID 기준: /similar?policy_input=12
• 정책명 기준: /similar?policy_input=전세보증금 반환보증

---

⚙️ 실행 방법

1) 가상환경 & 설치

python -m venv .venv
source .venv/bin/activate   # macOS / Linux
# .venv\Scripts\activate    # Windows

pip install -r requirements.txt

2) 환경변수 설정

프로젝트 루트에 .env 생성:

OPENAI_API_KEY=your_key_here

3) Backend 실행

uvicorn backend.app.main:app --reload

Swagger: http://localhost:8000/docs

4) Frontend 실행

streamlit run frontend/Home.py

---

✅ 메모

• 현재 단계에서는 DB/pgvector 없이 CSV 기반으로 기능 검증이 가능하도록 구성되어 있습니다.
• 데이터 품질(상세 설명 텍스트 정제)은 pipeline/cleaner 단계 품질에 따라 달라질 수 있습니다.