The level2-3-recsys-finalproject-recsys-06 from boostcampaitech6

개요

크롤링 및 데이터베이스(DB) 구축
- 크롤링: Selenium을 활용하여 다양한 웹사이트에서 디지털 상품 관련 데이터를 수집합니다.
- 데이터 적재: 수집된 데이터를 MariaDB에 적재하여 관리합니다.
- 유저 데이터 증강: 클러스터링으로 구축한 카테고리별 유저 분포를 분석하여, 가상의 구매 이력을 생성합니다.
검색 엔진 구현
- 자동 태깅: GPT API를 이용하여 크리에이터 및 상품에 대한 태그를 자동으로 생성합니다. 이를 통해 검색 엔진의 정확도를 높입니다.
- BM25 기반 검색 엔진: 사용자 쿼리에 기반한 상품 검색을 위해 BM25 알고리즘을 활용한 검색 엔진을 구현합니다.
- 검색 결과 증강: FastText 모델을 이용하여 검색 결과의 정확도와 다양성을 향상합니다.
장바구니 추천
- EASE 모델: 사용자의 장바구니 데이터를 기반으로 EASE 모델을 활용하여 사용자에게 추가 구매를 유도할 수 있는 상품을 추천합니다. 이 과정에서 사용자의 구매 패턴과 선호도를 분석하여 맞춤형 추천을 제공합니다.

기본 검색
- /search/{query}/{n}
  - item과 store 검색
  - n은 query에 직접 해당하는 bm25 검색 출력 개수
  - fastText 출력 결과에 해당하는 검색 n개 (중복 항목은 제거)
  - fastText 출력 결과 deafult는 5개
이벤트 검색
- /search/event/{query}
  - query에 직접 해당하는 검색 출력 개수
  - 해당 검색은 query like로 직접 검색
bm25 모델 저장
- /save/bm25
  - DB에 저장되어 있는 item, store 정보를 기반으로 bm25 모델 결과 저장
  - batch serving으로 주기적 실행 필요

이원희	허 욱	조형진	김예찬
@lostdesire	@wooksbaby	@whgudwlsdlrm	@yechance7
EDA, 데이터베이스 구축, GPT API 프롬프트 개선, BM25 기반 검색 엔진 구현	EDA, FastText 기반, GPT API 프롬프트 개선, FastAPI 구현, 사용자 데이터 증강	EDA, FastText 작업, 개인화된 쇼핑 카트 추천 서비스 개발	데이터 크롤링, EDA, 프로젝트 인터페이스 구현(Streamlit)