본 프로젝트는 책을 읽고싶어하는 사람들의 독서에 대한 흥미를 유도하고자 기획되었습니다.
사용자의 취향을 분석하여 개인 맞춤형 도서를 추천함으로써, 독서에 대한 관심을 높이고 독서 문화를 활성화하려는 목적을 가지고 있습니다.
- main: 프로젝트의 메인 브랜치로, 현재 산출물 및 기타 파일들이 등록되어 있습니다.
- front: 프론트엔드 개발을 위한 브랜치입니다. 사용자 인터페이스 디자인, 클라이언트 사이드 로직, 프론트엔드 관련 기술 스택의 개발이 이 브랜치에서 진행됩니다.
- back: 백엔드 개발을 위한 브랜치입니다.서버 사이드 로직, 데이터베이스 관리, API 개발 등 백엔드 관련 작업이 이 브랜치에서 이루어집니다.
- ML: ML 기능 개발을 위한 브랜치입니다. 데이터 크롤링, 전처리, 추천 모델 학습 및 성능 평가, 그리고 Flask를 통한 API 개발 등 ML 관련 작업이 이 브랜치에서 진행됩니다.
- 책 추천: 취향 분석을 통한 사용자 맞춤형 도서 추천
- 슈욱: 숏폼 형태의 후기 작성 기능
- 이미지 안의 키워드의 빈도를 통해 사용자 맞춤 숏폼 제공
- 서재: 도서 목록 관리
- 마이페이지: 개인의 독서현황을 시각적으로 확인
- 회원 가입 시, 사용자 설문 기반 + 크롤링한 책 데이터 기반으로 추천
- 독서 현황 기록
- 슈욱을 통해 독서에 대한 흥미 유도 및 공유
교보문고 웹사이트로부터 약 1만 2천 여개의 도서 데이터 수집
- 책 제목, 책 소개, 저자, 페이지 수, 출판사, 책 사진
- 파이썬 Request, Selenium 라이브러리를 활용
- 띄어쓰기, 맞춤법 검사
- 정규 표현식을 활용하여 한글, 공백 이외 문자 제거
- 토큰화(Okt, MeCab)
- 불용어 처리
- 워드 임베딩
책 설명(description)→ 벡터화- Word2Vec, FastText
- 사전학습모델 사용, Word2Vec에 비해 좋은 성능
- 하지만 모델 용량이 큰 관계로 경량화 예정
- Vector Size : 300 → 100
- 임베딩된 단어들을 바탕으로 단어 벡터 생성
- 이들의 평균을 문서 벡터화
- 유사도 계산
- 코사인 유사도 → 책 간의 유사도 측정
- 유사도가 높은 상위 5개의 책을 추천
- 학습된 모델을 Flask 서버에 서빙
- 사용자 선호 카테고리/서재에 저장된 책을 바탕 유사한 책 추천