Skip to content

Feature : 키워드 추천 이유 추가 #83

New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

Sign up for GitHub

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

Merged
andrewkimswe merged 1 commit into from
Feb 15, 2025
Merged

Feature : 키워드 추천 이유 추가 #83

Changes from all commits
Commits
Show all changes
1 commit
Select commit
File filter

Filter by extension

Filter by extension
Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
70 changes: 43 additions & 27 deletions src/main/java/com/team4/giftidea/controller/GptController.java
View file
Open in desktop
Original file line number Diff line number Diff line change
Expand Up @@ -39,20 +39,9 @@ public GptController(RestTemplate restTemplate, GptConfig gptConfig, ProductServ
this.productService = productService;
}

// GPT 모델의 입력 토큰 제한 (예: 출력 토큰 고려 후 설정, 여기서는 예시로 11000)
// GPT 모델의 입력 토큰 제한 (예: 11000)
private static final int GPT_INPUT_LIMIT = 11000;

/**
* 파일의 아랫부분부터 토큰을 누적하여, GPT 입력 제한 이하인 내용만 선택한 후,
* 해당 청크를 GPT API로 보내 키워드를 추출하고, 최종적으로 관련 상품과 Reasons를 반환합니다.
*
* @param file 업로드된 카카오톡 대화 파일 (.txt)
* @param targetName 대상 이름 (예: "여자친구")
* @param relation 대상과의 관계 (예: "couple", "friend", "parent")
* @param sex 대상 성별 ("male" 또는 "female")
* @param theme 선물 주제 (예: "birthday", "valentine")
* @return 상품 목록과 Reasons 리스트를 포함한 JSON 배열
*/
@Operation(
summary = "카톡 대화 분석 후 선물 추천",
description = "카카오톡 대화 파일을 분석하여 GPT API를 이용해 키워드를 추출하고, 이에 맞는 추천 상품을 반환합니다."
Expand All @@ -71,8 +60,7 @@ public Map<String, Object> processFileAndRecommend(
@RequestParam("sex") @Parameter(description = "대상 성별 (male 또는 female)", required = true) String sex,
@RequestParam("theme") @Parameter(description = "선물 주제 (birthday, valentine 등)", required = true) String theme
) {

// 1. 파일 전처리 (아랫부분부터 토큰 누적)
// 1. 파일의 모든 줄 중 targetName이 포함된 줄을 수집
List<String> allTargetLines = new ArrayList<>();
int formatType = detectFormatType(file);
try (BufferedReader reader = new BufferedReader(
Expand All @@ -88,6 +76,7 @@ public Map<String, Object> processFileAndRecommend(
log.error("파일 읽기 오류: ", e);
}

// 2. 파일의 아랫부분부터 역순으로 토큰을 누적하여 GPT_INPUT_LIMIT 이하 내용 선택
int currentTokenCount = 0;
List<String> selectedLines = new ArrayList<>();
for (int i = allTargetLines.size() - 1; i >= 0; i--) {
Expand All @@ -107,7 +96,7 @@ public Map<String, Object> processFileAndRecommend(
List<String> processedMessages = new ArrayList<>();
processedMessages.add(finalChunk.toString());

// (옵션) 로컬 파일 저장 (필요시)
// (옵션) 로컬 파일에 저장
try {
File outputFile = new File(System.getProperty("user.home"), "processed_kakaochat.txt");
try (BufferedWriter writer = new BufferedWriter(new FileWriter(outputFile, false))) {
Expand All @@ -119,22 +108,51 @@ public Map<String, Object> processFileAndRecommend(
log.error("파일 저장 오류: ", e);
}

// 2. GPT API 호출 및 응답 파싱
// 3. GPT API 호출: 전처리된 메시지(청크)로부터 키워드 및 근거 추출
String gptResponse = generatePrompt(processedMessages, relation, sex, theme);
String[] responseLines = gptResponse.split("\n");
String categories = responseLines[0].replace("Categories: ", "").trim();
String reasons = responseLines.length > 1 ? gptResponse.substring(gptResponse.indexOf("\n") + 1).trim() : "";

List<String> keywords = Arrays.stream(categories.split(","))
// 4. GPT 응답 파싱
// 예상 응답 예시:
// "Categories: 향수, 무선이어폰, 목걸이\n- 향수: [첫번째 근거]\n- 향수: [마지막 근거]\n- 무선이어폰: [근거]\n- 목걸이: [근거]"
String[] responseParts = gptResponse.split("\n", 2);
String categoriesPart = responseParts[0].replace("Categories: ", "").trim();
String reasonsPart = responseParts.length > 1 ? responseParts[1].trim() : "";

List<String> keywords = Arrays.stream(categoriesPart.split(","))
.map(String::trim)
.filter(s -> !s.isEmpty())
.collect(Collectors.toList());
List<String> reasonList = Arrays.asList(reasons.split("\n"));

// 3. 데이터베이스 검색
// 파싱: 각 reason 줄에서 키워드와 설명 추출하고, 같은 키워드는 마지막 설명으로 덮어씀.
Map<String, String> reasonMap = new HashMap<>();
String[] reasonLines = reasonsPart.split("\n");
for (String line : reasonLines) {
line = line.trim();
if (line.startsWith("- ")) {
int colonIdx = line.indexOf(":");
if (colonIdx != -1) {
String key = line.substring(2, colonIdx).trim(); // 예: "향수"
String value = line.substring(colonIdx + 1).trim();
reasonMap.put(key, value); // 마지막에 나온 설명이 덮어쓰기 됨
}
}
}

// 최종 reason 객체 리스트 생성: 각 키워드에 대해 reasonMap에서 설명 가져오기
List<Map<String, String>> reasonList = new ArrayList<>();
for (String keyword : keywords) {
if (reasonMap.containsKey(keyword)) {
Map<String, String> entry = new HashMap<>();
entry.put("keyword", keyword);
entry.put("reason", reasonMap.get(keyword));
reasonList.add(entry);
}
}

// 5. 데이터베이스에서 상품 검색 (키워드를 이용)
List<Product> productsNoReason = productService.searchByKeywords(keywords);

// 4. 최종 응답 구성 (JSON 객체로)
// 6. 최종 응답 구성 (JSON 객체)
Map<String, Object> result = new HashMap<>();
result.put("product", productsNoReason);
result.put("reason", reasonList);
Expand Down Expand Up @@ -207,15 +225,13 @@ private String generateText(String prompt) {
try {
ObjectMapper mapper = new ObjectMapper();
GptResponseDTO response = restTemplate.postForObject(gptConfig.getApiUrl(), request, GptResponseDTO.class);

if (response != null && response.getChoices() != null && !response.getChoices().isEmpty()) {
String content = response.getChoices().get(0).getMessage().getContent();
log.debug("GPT 전체 응답: {}", content);

// "1."과 "2."를 기준으로 파싱 (응답 포맷이 아래와 같다고 가정)
// 예: "Categories: 향수, 무선이어폰, 목걸이\n- 향수: [...]\n- 무선이어폰: [...]\n- 목걸이: [...]"
// 응답 포맷: "1. [카테고리1,카테고리2,카테고리3]\n2.\n(이후 Reasons 내용)"
if (content.contains("1.") && content.contains("2.")) {
String[] parts = content.split("2\\.");
String[] parts = content.split("2\\.", 2);
String part1 = parts[0].trim();
String reasonsPart = parts[1].trim();

Expand Down