카카오톡 대화내역 기반 개인 맞춤형 선물 추천 서비스

LangGraph를 기반으로 한 카카오톡 대화내역 분석을 통한 개인 맞춤형 선물 추천 시스템입니다.

🚀 주요 기능

• 대화내역 분석: 카카오톡 대화를 LLM으로 분석하여 선물 선호도 파악
• 계층적 카테고리 분류: 상위/하위 카테고리별 점수 계산 및 결합
• 맞춤형 추천: 상대방 프로필과 예산을 고려한 최적 상품 선택
• LangGraph 파이프라인: 확장 가능하고 유지보수가 용이한 워크플로우

🏗️ 아키텍처

app/
├── core/                    # 핵심 비즈니스 로직
│   ├── config.py           # 환경변수, 하이퍼파라미터
│   ├── state.py            # 파이프라인 상태 관리
│   ├── pipeline.py         # 메인 파이프라인 실행
│   └── nodes/              # LangGraph 노드들
│       ├── init_node.py    # 초기화 (카테고리 레이블)
│       ├── parent_score_node.py    # 상위 카테고리 LLM 점수
│       ├── child_score_node.py     # 하위 카테고리 LLM 점수
│       ├── combine_node.py         # 계층 결합
│       ├── db_filter_node.py       # DB 상품 필터링
│       └── product_node.py         # 최종 상품 선택
├── services/               # 외부 서비스 연동
│   ├── llm/               # LLM 관련 서비스
│   │   ├── client.py      # Upstage API 클라이언트
│   │   ├── prompts.py     # 프롬프트 템플릿
│   │   └── scorer.py      # LLM 점수 계산
│   └── repo/              # 데이터 저장소
│       └── product_repo.py # 상품 데이터 접근
├── utils/                  # 유틸리티 함수들

│   ├── softmax.py         # Softmax + 자동 온도 튜닝
│   └── text.py            # 텍스트 정규화
└── main.py                # 메인 실행 파일

🔧 설치 및 설정

1. 의존성 설치

pip install -r requirements.txt

2. 환경 변수 설정

cp env.example .env
# .env 파일을 편집하여 실제 값 입력

필수 환경 변수:

• UPSTAGE_API_KEY: Upstage API 키
• UPSTAGE_BASE_URL: Upstage API 기본 URL
• UPSTAGE_MODEL: 사용할 모델명 (기본값: solar-pro-2)

3. 데이터 준비

• 대화내역 CSV: chatt-1.csv 형식 (text 컬럼 포함)
• 상품 데이터: kakao_gifts.normalized.csv 형식

📖 사용법

기본 사용법

python app/main.py \
  --chat_csv chatt-1.csv \
  --age 25 \
  --gender 여성 \
  --relation 친구 \
  --budget_min 10000 \
  --budget_max 50000 \
  --products_csv_path kakao_gifts.normalized.csv

매개변수 설명

• --chat_csv: 전처리된 대화 CSV 파일 경로
• --age: 선물 받는 상대방의 나이 (1-120)
• --gender: 성별 (남성/여성/기타)
• --relation: 관계 (친구/연인/가족/동료 등)
• --budget_min: 최소 예산 (원)
• --budget_max: 최대 예산 (원)
• --products_csv_path: 상품 데이터베이스 CSV 파일 경로

🔄 파이프라인 흐름

1. 초기화: 카테고리 분류 체계 구축
2. 상위 카테고리 점수: LLM을 사용한 상위 카테고리별 점수 계산
3. 하위 카테고리 점수: LLM을 사용한 하위 카테고리별 점수 계산
4. 계층 결합: 상위/하위 카테고리 점수 결합 및 Top-3 선정
5. 상품 필터링: 예산 범위 내 후보 상품 조회
6. 최종 선택: LLM을 사용한 최종 상품 5개 선택

🎯 카테고리 분류

상위 카테고리 (13개)

• 교환권, 상품권, 뷰티, 패션, 식품, 와인/양주/전통주
• 리빙/도서, 레저/스포츠, 골프선물, 아티스트/캐릭터
• 유아동/반려, 디지털/가전, 카카오프렌즈

하위 카테고리 (100+개)

각 상위 카테고리별로 세분화된 하위 카테고리 제공

⚙️ 설정 옵션

점수 가중치

• BETA_CHILD: 하위 카테고리 점수 가중치 (기본값: 0.6)
• GAMMA_PARENT: 상위 카테고리 점수 가중치 (기본값: 0.4)
• SINGLE_CHILD_PENALTY_LAMBDA: 단일 자식 패널티 (기본값: 0.1)

Softmax 설정

• SOFTMAX_TEMPERATURE: 온도 파라미터 (기본값: 0.9)
• SCORE_CLAMP_MIN/MAX: 점수 범위 제한

🚨 주의사항

1. API 키 보안: .env 파일을 .gitignore에 추가하여 API 키 노출 방지
2. 데이터 형식: CSV 파일의 컬럼명이 예상 형식과 일치해야 함
3. 메모리 사용량: 대용량 데이터 처리 시 메모리 사용량 모니터링 필요
4. API 제한: Upstage API 사용량 및 속도 제한 확인

🐛 문제 해결

일반적인 오류

1. API 키 오류: UPSTAGE_API_KEY 환경 변수 확인
2. 파일 없음: CSV 파일 경로 및 존재 여부 확인3. 메모리 부족: 대용량 데이터 처리 시 배치 크기 조정

로그 확인

# 로그 레벨을 DEBUG로 설정하여 상세 정보 확인
export PYTHONPATH=.
python -c "import logging; logging.basicConfig(level=logging.DEBUG)"