이승진님의 포스트

[청하 - “AI 사서” 개발 기록]

지난 로그에서는 “맞춤 정책” 기능을 다뤘습니다.

이번엔 “AI 사서”라는 기능을 추가해보려고 합니다!

"AI 사서"는 사용자가 입력한 검색어에서 핵심 키워드를 추출하고, 관련된 정책을 추천해주는 기능입니다.

사용자가 관심을 가지는 정책을 더 정확하게 소개해주기 위해 추가하게 되었습니다!

현재 “AI 사서” 기능을 위해서 이런 작업을 진행 중입니다!

1. 사용자들이 검색할 만한 키워드 수집

2. LLM 프롬프트를 구성해 검색어에서 핵심 키워드 추출

여기서 중요한 작업은 LLM(Large Language Model) 을 사용하는 것인데요,

최대한 정확한 정보를 사용자에게 제공하기 위해서는

LLM 에게 전달하는 “프롬프트”를 잘 작성하는 것이 중요합니다.

저희는 우선 Google AI Studio 를 사용해 실험 중입니다.

아직 높은 정확도로 키워드를 추출해내지는 못하지만, 조금씩 다듬어 가려고 합니다!!

[청하 - “맞춤 정책 추천” 개발 기록]

지난 아티클에서 소개한 “맞춤 정책 추천” 기능의 개발 진행 상황을 정리해보았습니다!
> 지난 아티클: https://buly.kr/2Jmj88n

1. 사용자 행동 데이터 수집

- 정책 조회&찜하기 시 사용자 상호작용 테이블에 데이터 저장.

2. 사용자별 정책 가중치 계산

- “조회”는 가중치 1, “찜하기”는 가중치 3을 부여하며, “최근 1주” 이내의 상호작용에는 추가 가중치 1을 부여.

3. 사용자 정보 기반 정책 필터링

- 온보딩에서 수집한 사용자의 “지역” 및 “관심 분야” 정보를 기반으로 필터링을 진행.

- 요청 시 사용자 정보를 업데이트.

4. 맞춤 정책 추천 리스트 생성

- 상호작용 데이터 기반, 가중치가 높은 상위 6개의 정책을 추천.

- 추천 정책이 6개 미만이면, 전체 사용자 기준으로 선정된 "핫한 정책"으로 채움.