reSearchForest - Backend

2-depth 의미 기반 키워드 확장을 통해 논문 검색을 지원하는 서비스
사용자의 검색어가 모호해도, 주변 개념을 탐색하며 연구 주제를 확장할 수 있도록 돕습니다.

Capstone Design (2025.02 ~ 2025.06)
Team 3 (Backend 1 / Frontend 1 / AI 1)

---

Links

• Backend Repo: https://github.com/soopsong/searchforest-be
• Frontend Repo: https://github.com/soopsong/searchforest-fe
• AI Repo: https://github.com/soopsong/searchforest-ai

---

Key Features

1) 2-depth Semantic Keyword Recommendation

• 사용자가 입력한 Root Keyword를 기준으로
• 1-depth / 2-depth 키워드 트리를 생성하여 시각적으로 탐색 가능
• 단순 문자열 기반 연관검색어가 아닌 의미 기반 추천

2) Keyword-based Paper Recommendation + Summary

• 선택한 키워드에 대해 관련 논문 리스트 제공
• 논문 메타데이터(제목/저자/초록/인용수 등)와 함께
  TL;DR 요약(사전 생성된 요약) 을 제공하여 빠른 탐색 지원

3) Search History / Session Tracking

• 검색 흐름을 세션 단위로 저장
• Root → 클릭한 키워드 흐름 및 논문 클릭 기록을 관리하여
• 사용자가 탐색한 검색 여정을 복원할 수 있도록 지원

---

System Architecture (3-Tier)

reSearchForest는 Frontend / Backend / AI Server로 구성된 3-tier 구조입니다.

• Frontend: React + TypeScript + D3.js (Keyword Graph Visualization)
• Backend (This Repo): Spring Boot 기반 REST API 서버
• AI Server: FastAPI 기반 추론 서버 (M3E + FAISS)
• Database: MySQL (유저/세션/검색 기록/논문 메타데이터 관리)

전체 구조는 “Frontend ↔ Backend ↔ AI Server” 흐름으로 동작합니다.

---

🛠 Tech Stack

Backend

• Java 17
• Spring Boot / Spring MVC
• Spring Security (JWT / OAuth2 / Session)
• JPA (Hibernate)

Database

• MySQL

Infra / DevOps

• AWS EC2
• Docker / Docker Compose

Testing & Logging

• JUnit5 / Mockito / SLF4J

Tools

• Git / GitHub
• Swagger(OpenAPI) / Postman

---

My Role (Backend Developer)

본 프로젝트에서 백엔드를 단독으로 담당하며, 다음을 수행했습니다.

• REST API 설계 및 구현

  • 키워드 추천 요청/응답 구조 설계
  • 논문 리스트 조회 및 데이터 전달 API 구현
  • 응답 포맷 표준화

• DB 설계 및 검색 이력(Session) 저장 구조 구현

  • 검색 세션 단위로 Root Keyword → 클릭 키워드 흐름 저장
  • 세션별 논문 클릭 기록 저장 및 조회 API 구현

• AI 서버 연동 및 데이터 파이프라인 연결

  • AI 서버에서 전달받은 키워드 트리/논문 ID 기반으로
  • 백엔드에서 클라이언트에 필요한 형태로 가공하여 제공

• 배포 환경 구성

  • Docker 기반 컨테이너 구성 및 서버 운영 환경 세팅(AWS EC2)

---

API Overview (Example)

실제 엔드포인트는 프로젝트 구현에 맞게 구성되어 있으며, 아래는 흐름 이해를 위한 예시입니다.

Keyword Recommendation

• POST /api/keywords/recommend
• Request: { "query": "deep learning" }
• Response:
  • keyword_tree (2-depth 트리)
  • kw2pids (키워드 → 논문 ID 매핑)

Paper List

• GET /api/papers?keyword=...
• 선택한 키워드 기반 논문 리스트 반환

History

• GET /api/history
• 세션 기반 검색 흐름 복원

---