추천 시스템 회고

오늘은 추천 시트템 프로젝트가 끝나는 날이다.

그동안 어떤 일들을 했는지 정리해보자.

프로젝트 내용

프로젝트 명 - 웹소설 일타강사 에이아이의 기막힌 추천(웹타추)

프로젝트 개요

자연어 처리를 이용해 웹소설의 스토리들을 벡터 임베딩 하여 스토리의 유사도가 높은 작품을 추천하는 웹사이트 제작

구현 기능

회원가입 및 로그인 - 장고 내장 모델 사용
작품 제목을 기준으로 검색하는 기능
선호작을 누른 작품들의 스토리와 유사도가 높은 작품들을 추천, 선호작을 아직 누르지 않았다면 별점이 높은 작품들을 추천
Today best top 20 - 네이버 시리즈의 일간 Top100에서 20위까지 크롤링해서 보여주기
장르별 페이지에서 작품들을 페이지네이터를 이용해 보여주기
작품 상세 페이지에서 댓글들의 키워드를 분석해서 가장 많은 키워드 5개 표시
선호작 기능
리뷰 작성, 조회, 수정, 삭제
마이 페이지에서 선호작 누른 작품들의 스토리 키워드 빈도수 상위 10개 표시
사용자의 선호작 5개와 작성한 리뷰들을 일부 보여주고 전체보기로 모든 항목들 표시

역할 분담

팀원 전원이 웹소설 작품 정보 크롤링에 참여

[김동근]

메인 페이지, 장르별 페이지 제작

선호작, 추천작 조회
장르별 작품 조회
→ 페이지네이터를 이용하여 한 페이지에 10 작품씩 조회

[이현경]

상세 페이지 제작

페이지 html 및 css 제작
리뷰 작성, 수정
→ 모달을 띄워서 댓글 작성 및 수정 기능 구현
리뷰 삭제

(+) 메인 페이지에서 Today best top 20 크롤링해서 보여주는 기능 구현

→ 작품 클릭시 네이버 시리즈의 해당 작품 페이지로 이동

[노을]

회원가입/로그인 페이지, 마이 페이지 제작

사용자 정보 조회
→ 기본적인 사용자 정보와 선호작 수, 리뷰 수 조회
선호작 누른 작품 조회
→ 기본적으로 최근 5개만 노출하고 전체 보기를 눌러서 모든 선호작 확인 가능
작성한 리뷰 조회

(+) 로고 제작

(+) base.html 제작

→ 화면을 아래로 스크롤하면 위로 올라가게 하는 버튼 생기는 기능 구현

[이정아]

상세 페이지 제작, 추천 모델 제작, 코드 정리

상세 페이지 화면 렌더링
→ 책 정보 및 댓글 조회
→ 화면 표시할 때 댓글 키워드도 함께 분석
선호작 기능

(+) 검색 기능

(+) 메인 페이지에서 추천작 선정

(+) 마이 페이지에서 선호작 스토리 키워드 분석

시연 영상

프로젝트 깃허브

LULULALA2/webtachu (github.com)

GitHub - LULULALA2/webtachu

Contribute to LULULALA2/webtachu development by creating an account on GitHub.

github.com

매니저님 피드백

피드백

튜터님 피드백

html 구조 잘 되어있음
코드를 잘 짰음
코드 리뷰 잘한 것 같음
코드를 함수를 사용해서 잘 나눔(make_keyword(), get_today_20() 등)
url path converter 잘 활용함
매직 넘버 리터럴로 치환해서 사용하면 더 깔끔해짐(이미 깔끔하긴 함!)
stopword 전역변수로 사용하기 보다는 파일로 읽어와서 구조화 하기
기본 crud 잘함
모델 처리 잘함
raw query 사용을 잘 했고 중간 테이블에 대한 이해가 좋은 것 같음
len이 아니라 count() 사용 등 쿼리 신경 많이 쓴 것 같음
추천 모델 여러 방식으로 시도한 것이 좋음
네이버 시리즈에서 크롤링 해와서 실시간 정보를 보여주는 것 좋음

Keep

자주 커밋하고 머지해서 충돌이 적었던 것
컨셉 설정이 잘 된 것
본인 페이지 다 하면 다른 페이지 도와준 것
프로젝트 후반에 함께 화면을 보면서 세부적인 디자인 변경이나 자잘한 기능 추가, 버그를 즉각적으로 발견하고 나눠서 수정한 것

Problem

기본적인 페이지 구성하는 css 통일시키지 않은 것
css 파일을 전부 다 base.html에서 불러와서 css가 겹쳐지는 것
파일 분리를 초반에 하지 않은 것

Try

사전에 기본적인 요소들의 크기를 통일한다.
base.css에서 공통으로 사용할 클래스를 정의하고 파일은 각각 html에서 따로 불러온다.
api 설계를 꼼꼼히 해서 파일들을 처음부터 분리한다.

꾸준함