DeepLearing Module

프로젝트 개요

딥러닝 파트는 [플랫폼 크롤링 리뷰]와 [사용자 리뷰]를 바탕으로, 가게에 대한 긍/부정 분류 및 키워드 추출과 키워드 기반 카테고리별 문장 생성 기능을 제공합니다.

• Model 1 : 리뷰에서 주요 키워드 추출 및 긍/부정 감성 분석
• Model 2 : 키워드를 카테고리(맛, 서비스, 분위기, 위생, 가성비)로 분류하고, 대표 문장 생성

---

1. 주요 기능

Model 1 : 키워드 추출 및 감성 분석

• 리뷰 텍스트를 입력받아 키워드 추출 및 긍/부정 감성 분석 수행

• 학습 모델 : pko-t5-base (Hugging Face)

• 결과 :

  • 키워드와 감성 라벨링 (Positive/Negative)
  • StoreName, Review, Keywords_Sentiments 형식으로 반환

Model 2: 키워드 분류 및 문장 생성

• 추출된 키워드를 맛, 서비스, 위생, 분위기, 가성비로 분류
• 각 카테고리에 대한 대표 문장 생성
• 학습 모델 : OpenAI Fine-Tuned GPT 모델
• 결과:
  • StoreName, Category, Group Keywords, Representative Sentence 형식으로 반환

---

2. 설치 및 실행

2-1 레포지토리 클론

git clone https://github.com/CineNorte-WEB/DeepLearning.git
cd DeepLearning

2-2 가상환경 설정 및 종속성 설치

python -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate
pip install -r requirements.txt

2-3. Docker 이미지 빌드 및 실행

Model 1

cd API/t5_api
docker build -t fastapi-t5-api:v2 .
docker run -d -p 8000:8000 fastapi-t5-api:v2

Model 2

1. OpenAI API 키 발급 및 설정 :
   • OpenAI 계정 생성 후 API 키를 발급받습니다.
   • 프로젝트 디렉토리 내 .env 파일에 다음과 같이 입력합니다.

     OPENAI_API_KEY = your_openai_api_key_here

2. Docker 이미지 빌드 및 실행

cd API/camslien_2nd_model
docker build -t camslien-2nd-model .
docker run -d -p 8000:8000 camslien-2nd-model

---

3. API 사용법

Model 1: 키워드 추출 및 감성 분석

Endpoint

• URL: POST /generate
• Input:

  {
  "storename": "Sample Store",
  "review": "대표메뉴는 소고기보신탕. 굴국밥도 괜찮고 여름철에 콩국수가 별미."
  }
  

• Output:

  {
  "StoreName": "Sample Store",
  "Positive_Keywords": ["소고기보신탕", "굴국밥", "콩국수"],
  "Negative_Keywords": []
  }
  

Model 2: 키워드 분류 및 문장 생성

Endpoint

• URL: POST /analyze
• Input:

  {
  "store_name": "153 스트리트",
  "keywords": ["패티 두께", "패티 추가", "두툼한 수제패티", "브리오슈번"]
  }
  

• Output:

  {
  "StoreName": "153 스트리트",
  "Results": [
    {
      "Category": "맛",
      "Group Keywords": "패티 두께, 두툼한 수제패티, 패티 두툼하고 육즙 좋음",
      "Representative Sentence": "두툼하고 육즙이 가득한 수제버거와 조화로운 소스 맛이 일품입니다."
    }
  ]
  }
  

---

4. 디렉토리 구조

DeepLearning/
├── API/
│   ├── t5_api/                     # Model 1 코드
│   │   ├── Dockerfile
│   │   ├── main.py
│   │   ├── model/
│   │   └── requirements.txt
│   ├── camslien_2nd_model/         # Model 2 코드
│   │   ├── Dockerfile
│   │   ├── main.py
│   │   ├── requirements.txt
│   │   └── .env
├── README.md

5. 모델 성능 평가

Model 1

• BLEU Score : 0.1316
• ROUGE Score :
  • ROUGE-1 : 0.876
  • ROUGE-2 : 0.822
  • ROUGE-L : 0.847
• BERTScore :
  • Precision : 0.906
  • Recall : 0.892
  • F1 : 0.898

Model 2

• Accuracy : 1.0
• BERTScore :
  • Precision : 0.775
  • Recall : 0.785
  • F1 : 0.780
• BLEUScore : 0.4034