영화 추천 및 정보 제공 챗봇 프로젝트

프로젝트 개요

• 프로젝트명 : 영화 추천 및 정보 제공 챗봇 프로젝트 ( Github )
• 기간 : 2022.02 ~ 2022.02(2주)
• 소속/고객사 : 팀 프로젝트
• 사용 기술 : Python, Flask, MySQL, HTML, CSS, JavaScript, BeautifulSoup, Selenium, Pandas, OpenPyXL, Konlpy(코모란, Okt), Tensorflow/Keras(Bi-LSTM), PyMySQL 등

본 프로젝트는 사용자의 위치와 취향에 따른 맞춤형 영화 정보를 제공하는 챗봇 시스템을 구축하는 것을 목표로 했습니다.
크롤링, 자연어처리, 딥러닝 모델, DB를 결합하여 영화 추천·정보 제공·영화관 안내 기능을 실제 대화형 서비스로 구현했습니다.

주요 내용

1. 데이터 수집 및 전처리

• BeautifulSoup, Selenium, Requests로 영화 순위, 네이버 영화, CGV/OTT/리뷰 데이터 크롤링
• OpenPyXL, Pandas를 활용하여 데이터셋 가공 및 CSV/엑셀 저장
• Konlpy(Komoran, Okt) 기반 형태소 분석으로 불용어 제거 및 키워드 추출
• Kkma, FreqDist를 활용해 검색어 키워드 순위화
• 조합/순열 기반 데이터 증강(itertools.permutations)으로 대화 학습데이터 확장

2. DB 설계 및 연동

• 주요 테이블
  • chatbot_qna_data : 의도/개체명/질문/답변 관리
  • movie_data : 영화 제목, 장르, 감독, 배우 저장
  • theater_data : 영화관 이름, 주소, 연락처 저장
• PyMySQL을 활용한 DB 초기화 및 학습 데이터 적재
  • 기존 QnA 데이터 삭제 및 auto_increment 초기화
  • 학습용 Excel 데이터 DB에 Insert

3. 챗봇 엔진

• Preprocess 모듈
  • Komoran 형태소 분석 → 품사 필터링 후 키워드 시퀀스로 변환
  • 사전을 생성해 Word2Index 매핑
• IntentModel
  • Bi-LSTM 기반 의도 분류 모델 로드
  • 입력 문장에서 의도를 4가지(영화문의, 영화관문의, 영화추천, 상영시간표문의)로 분류
• NerModel
  • Bi-LSTM 기반 개체명 인식 모델
  • 영화명, 영화관, 장르, 지역 등을 BIO 태그 기반으로 추출
• 의도/개체명 결과를 기반으로 DB에서 답변 검색

4. 서버 구조

• Socket 기반 Bot 서버
  • 클라이언트 연결 대기 → 질문 수신 → NLP 처리 → DB 검색 → 답변 반환
  • ThreadPool을 활용하여 다중 클라이언트 동시 처리
• Flask Web 서버
  • 사용자의 질문을 챗봇 엔진(Socket 서버)으로 전달
  • 응답(JSON)을 받아 웹 UI에 표시
  • Ajax 통신 기반의 실시간 대화 인터페이스 구현

5. 보조 기능

• 규칙 기반 챗봇 : 특정 키워드 매칭을 통해 단순 답변 제공
• KOFIC Open API 연동 : 일일 박스오피스, 영화 목록 데이터를 JSON으로 수집