특허 문서 분석 프로토타입 (내부 테스트용)

프로젝트 개요

본 프로젝트는 PDF 형식의 특허 문서를 업로드하면, Google Gemini 언어 모델을 활용하여 문서 내 주요 정보를 추출하고 구조화된 JSON 형식으로 제공하는 Streamlit 기반 웹 애플리케이션입니다. 추출된 정보와 함께 각 항목에 대한 설명을 확인할 수 있어 특허 분석 업무의 기초 자료로 활용될 수 있습니다.

현재 이 프로젝트는 내부 테스트 및 기능 검증 목적으로 개발되었습니다.

주요 기능

• PDF 특허 문서 업로드 기능
• PyMuPDF (fitz)를 이용한 PDF 텍스트 추출
• Langchain 및 Google Gemini API를 통한 특허 정보 구조화 및 JSON 생성
  • 특허 기본 정보 (공개번호, 출원일 등)
  • 재료 기술 관련 정보 (화학식, 물성, 제조법 등)
  • 발명의 핵심 이점 및 요약
• Streamlit을 사용한 웹 인터페이스 제공
  • PDF 원문 페이지별 보기 (이미지 기반)
  • 추출된 JSON 데이터 표시 및 다운로드
  • JSON 각 항목에 대한 설명 및 추출된 값 확인 기능
• 디버깅을 위한 추출 텍스트 및 PDF 페이지 이미지 저장 기능 (선택적)

프로젝트 구조

주요 파일 구성은 다음과 같습니다:

• streamlit_app.py: Streamlit 애플리케이션의 메인 로직을 포함하는 파일입니다. UI 구성, PDF 처리, LLM 호출 등의 기능을 담당합니다.
• prompts.py: LLM에 전달될 기본 프롬프트 (JSON 스키마 포함) 문자열 (PATENT_DATA_SCHEMA_FOR_LLM_PROMPT_FULL)을 정의하는 파일입니다.
• schema_descriptions.py: 추출된 JSON 데이터의 각 필드에 대한 설명 (SCHEMA_FIELD_DESCRIPTIONS)을 담고 있는 딕셔너리 파일입니다.
• .env: Google API 키와 같은 환경 변수를 저장하는 파일입니다. (이 파일은 저장소에 포함되지 않아야 합니다.)
• requirements.txt: 프로젝트 실행에 필요한 Python 라이브러리 목록입니다.
• debug_output/: (선택 사항) PDF 텍스트 추출 및 이미지 변환 시 생성되는 디버그 파일들이 저장되는 디렉터리입니다. (자동 생성)

사전 준비 사항

• Python (3.8 이상 권장)
• pip (Python 패키지 관리자)

설치 및 설정 방법

1. 저장소 복제 (Clone Repository):

   git clone <저장소_URL>
   cd <프로젝트_디렉터리>

2. 가상 환경 생성 및 활성화 (권장):

   python -m venv venv
   # Windows
   venv\Scripts\activate
   # macOS/Linux
   source venv/bin/activate

3. 필요 라이브러리 설치: requirements.txt 파일이 프로젝트 루트에 있다면 다음 명령어로 설치합니다. (만약 파일이 없다면, 아래 주요 라이브러리를 직접 설치해주세요.)

   pip install streamlit langchain langchain-google-genai google-generativeai python-dotenv PyMuPDF Pillow

   • streamlit
   • langchain
   • langchain-google-genai
   • google-generativeai
   • python-dotenv
   • PyMuPDF (fitz)
   • Pillow (PIL)

4. 환경 변수 설정 (.env 파일 생성): 프로젝트 루트 디렉터리에 .env 파일을 생성하고, Google Gemini API 사용을 위한 API 키를 다음과 같이 입력합니다.

   GOOGLE_API_KEY="여기에_실제_API_키를_입력하세요"

   주의: .env 파일은 .gitignore에 추가하여 Git 저장소에 포함되지 않도록 하는 것이 좋습니다.

애플리케이션 실행 방법

1. 터미널 또는 명령 프롬프트에서 프로젝트 루트 디렉터리로 이동합니다.
2. 가상 환경이 활성화되어 있는지 확인합니다.
3. 다음 명령어를 실행하여 Streamlit 애플리케이션을 시작합니다:

   streamlit run streamlit_app.py

4. 웹 브라우저가 자동으로 열리거나, 터미널에 표시된 URL (보통 http://localhost:8501)로 접속하여 애플리케이션을 사용합니다.

사용 방법

1. 애플리케이션이 실행되면, "특허 PDF 파일을 업로드하세요" 섹션을 통해 분석할 PDF 파일을 업로드합니다.
2. "특허 분석 시작" 버튼을 클릭합니다.
3. 분석이 진행되는 동안 잠시 기다립니다. (PDF 크기 및 내용에 따라 시간이 소요될 수 있습니다.)
4. 분석이 완료되면 결과가 탭 형태로 표시됩니다:
   • PDF 원문 보기: 업로드한 PDF를 페이지별 이미지로 볼 수 있습니다.
   • 분석 요약 및 JSON: 특허 기본 정보, LLM이 생성한 문서 요약, 그리고 추출된 전체 JSON 데이터를 확인할 수 있습니다. JSON 데이터 다운로드도 가능합니다.
   • 항목별 상세 설명: JSON 데이터의 각 항목(필드)을 선택하면, 해당 항목에 대한 설명과 함께 LLM이 추출한 실제 값을 확인할 수 있습니다.

내부 테스트 참고사항

• 본 애플리케이션은 현재 내부 테스트 및 기능 검증 단계에 있습니다.
• LLM의 응답은 프롬프트 및 모델의 특성에 따라 달라질 수 있으며, 항상 100% 정확성을 보장하지는 않습니다.
• prompts.py 와 schema_descriptions.py 파일의 내용을 수정하여 추출 대상 정보나 설명을 변경/개선할 수 있습니다.
• SAVE_DEBUG_PDF_IMAGES 설정을 streamlit_app.py 상단에서 True로 두면 PDF 처리 과정의 중간 산출물(텍스트, 이미지)이 debug_output 폴더에 저장되어 문제 발생 시 분석에 도움이 될 수 있습니다.

---