🎬 AI 기반 영화 추천 및 의미론적 검색 플랫폼

단순한 텍스트 매칭을 넘어 사용자의 취향과 검색어의 '문맥'을 이해하는 영화 추천 및 검색 웹 애플리케이션입니다. 총 6가지의 고전/최신 머신러닝·딥러닝 알고리즘을 파이프라인으로 구축하고, 그 성능과 한계를 직접 비교 분석하기 위해 개발되었습니다.

🌟 핵심 기능 및 알고리즘

본 프로젝트는 크게 개인화 추천(홈 화면)과 의미론적 검색(검색 화면) 두 가지 엔진으로 동작합니다.

1. 개인화 맞춤 추천 (Recommendation Engine)

가상 유저의 시청 기록 및 평점 데이터를 바탕으로 3가지 알고리즘이 각각 추천 결과를 반환합니다.

• CB (Content-Based): 영화의 장르 데이터를 TF-IDF로 벡터화하여 코사인 유사도 기반으로 추천.
• CF (Collaborative Filtering): 유저-아이템 평점 행렬을 기반으로 이웃 유저의 패턴을 분석하여 평점을 예측.
• NCF (Neural Collaborative Filtering): PyTorch를 활용한 딥러닝 모델. 유저와 아이템의 잠재 특징(Latent Feature)을 임베딩하고 MLP를 통과시켜 추천.

2. 의미론적 검색 (Semantic Search Engine)

사용자의 검색어(예: "시간 여행을 다루는 웃긴 코미디 영화")를 3가지 알고리즘이 다르게 해석하고 결과를 도출합니다.

• TF-IDF: 단어의 빈도수를 기반으로 한 고전적인 키워드 매칭 검색.
• Word2Vec: 문장 내 단어 임베딩의 평균을 내어 계산하는 벡터 검색.
• SBERT (Sentence-BERT): all-MiniLM-L6-v2 모델을 활용해 문장 전체의 문맥과 의도를 파악하는 트랜스포머 기반 고도화 검색.

---

🛠 기술 스택 (Tech Stack)

Frontend

• React, TypeScript
• Tailwind CSS, Framer Motion, Lucide React
• TMDB API (실시간 영화 포스터 동적 렌더링)

Backend & AI

• Python, FastAPI, Uvicorn
• PyTorch (NCF 딥러닝 모델 설계 및 학습)
• Sentence-Transformers (SBERT 임베딩)
• Scikit-learn, Pandas, Numpy

---

🚀 로컬 실행 방법 (Getting Started)

1. Backend 환경 세팅 및 실행

데이터 전처리와 모델 학습이 완료된 .pkl, .pth 파일이 backend/data/processed/ 경로에 존재해야 합니다.

# 디렉토리 이동
cd backend

# 가상환경 생성 및 활성화 (Windows)
python -m venv venv
source venv/Scripts/activate

# 패키지 설치
pip install -r requirements.txt

# FastAPI 메인 서버 실행
python app.py

정상 실행 시 http://localhost:8000에서 백엔드 API가 가동됩니다.

2. Frontend 환경 세팅 및 실행

사전에 TMDB API Key가 필요합니다. frontend/src/app/components/home-dashboard.tsx 파일 상단에 본인의 API Key를 입력하세요.

# 디렉토리 이동
cd frontend

# 패키지 설치
npm install

# 개발 서버 실행
npm run dev

브라우저에서 http://localhost:5173으로 접속하여 테스트할 수 있습니다.

---

💡 Key Engineering Insights (프로젝트 핵심 발견)

본 프로젝트는 단순한 추천 시스템 구현을 넘어, 전통적인 레거시 모델과 최신 딥러닝 모델의 트레이드오프(Trade-off)를 정량적으로 분석했습니다.

1. 하이브리드 데이터셋 병합 및 OOM 최적화

• Kaggle TMDB 메타데이터(4.5만 건)와 MovieLens 평점 데이터(2,600만 건)를 links.csv를 통해 ID 매핑하여 이종(Hybrid) 데이터 파이프라인을 구축했습니다.
• 로컬 환경 연산 시 발생하는 Sparse Matrix의 OOM(Out Of Memory) 한계를 방지하고 알고리즘 대조의 민첩성을 확보하기 위해, 평점 데이터를 10만 건(ratings_small.csv)으로 서브샘플링하는 엔지니어링적 결정을 내렸습니다.

2. 딥러닝(NCF)의 역설과 데이터 희소성 증명

• 10만 건의 데이터 환경에서 NCF(Neural Collaborative Filtering) 모델의 정밀도가 CF 모델보다 낮게 도출되었습니다.
• 이는 실패가 아닌 '데이터 희소성(Sparsity)' 문제의 실증적 증명으로, Cold Start 상황이나 소규모 데이터셋에서는 전통적 CF가 딥러닝보다 효율적일 수 있음을 확인했습니다.

3. AI 시맨틱 검색의 편향성 발견 및 레거시의 재평가

• SBERT의 Obscurity Bias(마이너 편향): "adventure with dinosaurs" 검색 시 문맥은 파악했으나 대중성 지표(Vote Count) 부재로 <쥬라기 공원> 대신 B급 영화를 상위 노출하는 맹점을 발견했습니다.
• TF-IDF의 역습: "animation with emotions" 검색 시 SBERT가 추상적 예술 영화를 띄운 반면, 구식 모델인 TF-IDF가 고유 키워드를 타격해 <인사이드 아웃>을 정확히 찾아내는 역설을 확인했습니다.

4. 차세대 아키텍처 제안

• 완벽한 단일 모델은 존재하지 않음을 확인하고, SBERT(Dense)와 TF-IDF(Sparse)를 결합한 하이브리드 검색 앙상블 및 대중성 기반 비즈니스 랭킹 로직 추가를 최종 해결책으로 도출했습니다.