Skip to content

kbs-kbs/2025-1-AISP

Repository files navigation

LSTM 모델을 통한 영화 긍정/부정 비율 확인 서비스

강의실 개발 환경 설정

  1. mkdir C:\Github
  2. winget install --id=Python.Python.3.13 -e 또는 직접 설치
  3. git clone https://github.com/kbs-kbs/2025-1-AISP.git
  4. configurator.bat
  5. python3.13 -m venv venv 및 편집기에서 가상환경 활성화
  6. venv\Scripts\activate
  7. pip3.13 install -r requirements.txt
  8. playwright install
  9. scrapy startproject scrpy_plwrt_watchapedia
  10. cd scrpy_plwrt_watchapedia
  11. scrapy genspider watchapedia pedia.watcha.com

서버 설정

  1. https://www.apachelounge.com/download/#google_vignette
  2. 다운로드 후 Apache24 파일을 c드라이브에 위치
  3. 안의 bin-httpd.exe 파일을 실행하면 바로 로컬 서버가 실행됨 localhost 주소로 접속하면 확인가능
  4. 시연 시 cmd-ipconfig-IPv4주소의 ip를 앞의 컴퓨터 주소창에 붙여넣고 실행

scrapy-playwright setting.py

사용 언어

언어 버전
Python 3.13.2

사용 서버

서버 버전
Apache 2.4.63

사용 모델

서버 설명
LSTM 모델 torch.nn.functional

사용 라이브러리

언어 라이브러리 버전 모듈/클래스 용도
Python scrapy-playwright 0.0.43 page.PageMethod 왓챠피디아 리뷰 동적 데이터 크롤링
scikit-learn 1.6.1 sklearn.linear_model/LinearRegression 선형 회귀 모델 사용
sklearn.neighbors/KNeighborsRegressor k-최근접 이웃 회귀 모델 사용
pandas 2.2.3 pandas 데이터 불러오기
matplotlib 3.10.1 matplotlib.pyplot 데이터 시각화

사용 외부 리소스/API

외부 리소스 URI API
왓챠피디아 코멘트 https://pedia.watcha.com 크롤링

아키텍쳐 구성

🗃️ 디렉토리 구조

Apache24/
├── htdocs/
│   └── 2025-1-AISP/
│       ├── .venv/
│       ├── scrapy_plwrt_watchapedia/
│       │   ├── scrapy_plwrt_watchapedia/
│       │   │   ├── spiders/
│       │   │   ├── items.py
│       │   │   └── settings.py
│       │   └── scrapy.cfg
│       ├── web_app/
│       │   ├── static/
│       │   ├── templates/
│       │   └── app.py
│       ├── ai_model/
│       │   ├── model.py
│       │   └── train.py
│       ├── requirements.txt
│       └── wsgi.py
└── conf/
    └── httpd.conf

주요 구성 요소

htdocs/myproject/: 프로젝트 루트 디렉토리

.venv/: 가상환경 디렉토리

myapp/: 파이썬 애플리케이션 코드

static/ 및 templates/: 정적 파일과 HTML 템플릿

requirements.txt: 프로젝트 의존성 목록

wsgi.py: WSGI 애플리케이션 진입점

2025-1-AISP

2025학년도 1학기 인공지능서비스프로젝트

1주(3/6) : OT 2주(3/13) : 프로젝트 계획, Agile 방법론 3주(3/20) : 프로젝트 계획 세우기 4주(3/27) : 개발 계획 발표) 어떠한 AI 모듈 사용, 어떠한 기능을 구현, 웹 or 모바일? 발표 내용에 대해 교수님의 단독 평가 (20점) 5주(4/3) ~ 6주(4/10) : 기본 기능 구현 (데모) 7주(4/17) :1차 결과 - 중간고사) 어느정도 동작하는 서비스 형태 수강생 전체 동료 평가 / 교수님 평가 (30점) 8주(4/24) : 중간고사기간 9주(5/8) ~ 11주(5/22) : 서비스 구현 12주(5/29) ~ 13주(6/5) : 최종 결과- 기말고사) 서비스가 동작하는 데모 시연 수강생 전체 동료 평가 / 교수님 평가 (30점) 14주(6/12) : 논문(보고서) 작성 방법 / 논문(보고서) 작성 15주(6/19) : 기말고사 기간, 논문(보고서)제출 최종 결과- 기말고사) 논문/보고서 작성

교수님 평가 (기말고사 성적 합산)

기술 위주 디자인x

애자일 기본 2주 최대 30일 마다 한번 -> 1스프린트 -> 실제 동작할 수 있는 기능 데모

🏛️ 프로젝트 소개

배경

오픈소스 프로젝트는 다양한 배경과 경험을 가진 개발자들이 협력하여 소프트웨어를 빠르고 효율적으로 개발할 수 있는 기회를 제공합니다. 그러나 기여자들이 오픈소스 개발에 대한 충분한 이해를 갖추지 못하거나, 프로젝트 관리자가 개발자들이 쉽게 기여할 수 있는 환경을 조성하지 못한다면 기여율은 저조해지고 프로젝트는 관성을 잃어버리게 됩니다. 따라서 오픈소스를 개발하기 위해서는 협업에 필요한 개념과 기술을 이해하고 활용하는 것이 중요합니다.

목표

영화의 리뷰 데이터를 긍정/부정으로 나누어 비율을 보여줌으로써 이용자에게 영화 선택의 고민을 줄여줌.

기능

  1. 최신 개봉 영화 정보 확인: 최신 영화의 정보를 사이트 상단에 보여줍니다.
  2. 영화 검색 기능: 찬반비율을 확인하고 싶은 영화를 검색할 수 있습니다.
  3. 영화 리뷰 긍정/부정 비율 시각화: 긍정/부정의 비율을 직관적인 그래프로 보여줍니다.
  4. 긍정/부정에 속한 리뷰 확인: 긍정/부정에 속한 상세 리뷰를 확인 가능합니다.

기대 효과

  • 입문자들이 오픈소스 프로젝트에 기여할 수 있는 역량을 갖추게 될 것입니다.
  • 오픈소스 프로젝트의 체계적이고 효율적인 관리가 가능해질 것입니다.
  • 오픈소스 커뮤니티가 활발해지며 창의적인 아이디어와 솔루션을 발견할 수 있습니다.

프로젝트 기간

  • 2024-11-11 ~ 2024-12-06

프로젝트 관리 및 협업 도구

  • GitHub Wiki: 깃허브 위키를 통해 프로젝트의 개요, 추진 일정, 협업 규칙 등을 문서화합니다.
  • GitHub Projects: 깃허브의 프로젝트 보드를 사용하여 작업 항목을 시각적으로 관리하고 추적합니다. 칸반 보드를 통해 작업 상태를 쉽게 파악하고, 팀원 간의 협업을 촉진합니다.
  • GitHub Milestones: 프로젝트의 주요 목표와 일정을 관리하기 위해 마일스톤을 사용합니다. 각 마일스톤은 특정 기간 내에 달성해야 할 목표를 정의합니다.
  • GitHub Issues: 이슈를 통해 작업을 관리합니다. 버그, 기능 요청, 개선 사항 등을 관리하기 위해 GitHub 이슈를 사용합니다. 이슈 템플릿을 사용하여 이슈를 체계적으로 작성하고, 라벨을 통해 우선순위를 설정합니다.깃
  • GitHub Actions: 깃허브 액션을 사용하여 풀 리퀘스트가 생성될 때 자동으로 라벨링하여 반복적인 작업을 줄이고 이슈와 풀 리퀘스트를 체계적으로 관리합니다.

📆 애자일 프로젝트 추진 일정

스프린트 1 3/20 ~ 3/26 주제 선정 기능명세서 작성 프로그래밍 언어/IDE/라이브러리/인공지능 모델/API/DBMS/서버 선정 화면 설계/플로우 차트 개발 계획서 작성
3/27 개발 계획 발표
스프린트 2 4/3 ~ 4/9 프로젝트 환경구축 및 데이터 정리
스프린트 3 4/10 ~ 4/16 MVP 기능 구현
4/17 데모 시연
스프린트 4 5/8 ~ 5/14 감정 판별 기능 구현
스프린트 5 5/15 ~ 5/21 화면 구현
스프린트 6 5/22 ~ 5/28 화면과 인공지능 기능 연동
스프린트 7 5/29 ~ 6/4 화면과 인공지능 기능 연동
6/5 최종 시연
스프린트 8 6/5 ~ 6/11 보고서 작성
6/28 보고서 제출

기능 중점 두고 계획 개발 테스트

📦 설치 방법

프로젝트를 로컬 환경에 설치하려면 깃을 실행한 뒤 다음 명령어를 입력합니다:

git clone https://github.com/kbs-kbs/2025-1-AISP.git

🕯️ 기여 방법

프로젝트에 기여하려면 GitHub Wiki의 기여 파이프라인을 참고해 주세요.

🖋️ 라이선스

이 프로젝트는 MIT 라이선스 하에 배포됩니다. 자세한 내용은 LICENSE 파일을 참고해 주세요.

기술 검토 명확하게 제시

About

2025학년도 1학기 인공지능서비스프로젝트

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

 
 
 

Contributors