Brother_Gyu

Week 06 ~ 07 [2023.04.10 ~ 2023.04.21] 동안 진행했던 네이버 커넥트재단 Book Rating Prediction 기초 대회에서 개발했던 머신러닝 예측 모델을 웹 서비스 서빙에 알맞은 모델로 새롭게 학습을 진행 한 후 모델 서빙 프로젝트를 진행하였습니다.

Books_Recommendation_Platform

Books_Recommendation_Platform은 사용자 입력을 기반으로 책 추천을 제공하는 플랫폼입니다.
머신 러닝 알고리즘을 사용하여 사용자의 입력 기반으로 어떤 책을 선호할지 예측합니다.

GitHub - Books_Recommendation_Platform
Website - books-recommendation-platform


- Files

Books_Recommendation_Platform
├── Book_Rec
│   ├── app.py
│   ├── data
│   │   ├── idx2info.pkl
│   │   └── info2idx_convert_data.pkl
│   ├── model
│   │   ├── README.md
│   │   ├── catboost_model_IALLC.pkl
│   │   └── catboost_model_IALL_.pkl
│   └── src
│       ├── __init__.py
│       ├── data_loader.py
│       ├── info2idx.py
│       ├── model_loader.py
│       └── predict.py
├── README.md
├── poetry.lock
└── pyproject.toml

이 프로젝트에는 다음과 같은 파일이 포함되어 있습니다:

- app.py

Streamlit 어플리케이션을 실행하는 주 파일입니다. 사용자 입력을 처리하고 결과로 나오는 책 추천을 표시합니다.

상위 book list를 하위 묘듈을 통해 반환을 받은 후 info2idx.py의 info_data_load()를 통해 books data를 불러온 후 request를 통해 책의 이미지를 불러오고 로컬 데이터셋에서 이름, 작가, 출판 년도를 합쳐 Streamlit 화면에 출력합니다

- data 폴더

머신 러닝 모델에서 사용하는 데이터가 포함된 폴더입니다. idx2info.pkl과 info2idx_convert_data.pkl 두 개의 pickle 파일이 있습니다.

- model 폴더

책 추천에 사용되는 머신 러닝 모델이 포함된 폴더입니다. catboost_model_IALLC.pkl과 catboost_model_IALL_.pkl 두 개의 pickle 파일이 있습니다.

- src 폴더

머신 러닝 모델이 예측을 수행하는 데 사용하는 Python 모듈이 포함된 폴더입니다. data_loader.py, info2idx.py, model_loader.py, predict.py이 있습니다.

  • data_loader.py

    idx2info.pkl의 isbn의 값을 기반으로 add.py에서 받은 데이터를 합쳐 예측을 위한 인풋 데이터셋을 구성합니다

  • info2idx.py

    에측을 위해서 idx2info.pkl, info2idx_convert_data.pkl의 파일을 불러와서 add.py로 넘겨주는 파일입니다

  • model_loader.py

    catboost_model_IALLC.pkl, catboost_model_IALL_.pkl category 사용 여부에 따라 예측 모델을 predict.py로 넘겨주는 파일입니다

  • predict.py

    인풋 데이터셋을 받아 예측 모델을 통해 rating을 예측하고 app.py로 결과를 반환합니다

- README.md

현재 읽고 있는 파일입니다. 이 프로젝트의 개요와 사용 방법에 대한 설명을 제공합니다.

- poetry.lock 및 pyproject.toml

이 파일들은 Poetry를 사용하여 프로젝트 종속성을 관리하는 데 사용됩니다.


- Flow Chart

image


- Usage

책 추천 플랫폼을 사용하려면 다음 단계를 따르세요:

  1. 이 저장소를 로컬 컴퓨터에 복제합니다.
  2. Poetry를 사용하여 필요한 종속성을 설치합니다. poetry install
  3. app.py를 실행합니다. streamlit run app.py
  4. 웹 브라우저를 열고 http://localhost:[할당된 포드번호]로 이동합니다.
  5. 데이터를 입력하고 “Recommend Books”를 클릭합니다.
  6. 페이지에 표시되는 추천 책을 확인합니다.


- License

  • Python: PSF (Python Software Foundation) 라이선스
  • Streamlit: Apache-2.0 라이선스
  • Pandas: BSD-3-Clause 라이선스
  • NumPy: BSD-3-Clause 라이선스


회고

개선 해야 될점

  • 대부분의 책 데이터가 영어 도서로 이루어져 있고, 2006년에 출판된 도서가 데이터 셋에서 가장 최신 도서이기 때문에 추천 되는 결과도 노후되어 있다
  • 시리즈가 연속적으로 추천 되어 추천의 다양성이 떨어지는 경우가 있다
  • 접속한 유저 데이터를 기록하지 않아 개인화와 로그 수집 및 추가적인 모델 학습이 어렵다

댓글남기기

최근 포스트