프로젝트를 진행할 때 팀의 기술 스택뿐만 아니라 관심 분야와 실제 행동 기반 선호도가 결과의 완성도를 좌우합니다.
Tomato는 단순한 기술 스택 매칭을 넘어, 팀원들의 행동 로그와 메타 정보를 함께 반영하여 팀에 적합한 프로젝트 주제를 추천합니다.
팀원들의 기술 스택, 관심 분야, 활동 데이터를 기반으로 팀 단위 프로필을 구성하고 이를 벡터화하여
가장 적합한 프로젝트 주제를 도출합니다.
또한, 사용자의 조회·클릭·관심 표현 등의 행동 로그를 실시간으로 반영하여
서비스를 사용할수록 더욱 정교해지는 맞춤형 프로젝트 추천 경험을 제공합니다.
Tomato는 사용자 행동 로그 기반 추천 엔진을 활용한 프로젝트 주제 추천 서비스입니다.
이미 구성된 팀의 기술 스택, 관심 분야, 행동 데이터를 기반으로 팀에 가장 적합한 프로젝트 주제를 추천합니다.
팀원들의 프로필 정보 + 실제 행동 로그를 기반으로,
팀 단위 선호 정보를 반영한 프로젝트 주제 추천을 제공합니다.
-
🧠 팀 프로필 · 주제 임베딩
- 팀원들의 기술 스택, 직무, 관심 분야를 반영해 팀 프로필 구성
- 프로젝트 주제를 기술 스택 및 메타 정보 기반으로 벡터화
- Word2Vec 기반 임베딩 모델 활용
-
📊 행동 로그 기반 선호도 학습
- 조회, 클릭, 좋아요 등의 행동 로그 수집
- 행동 로그를 기반으로 선호 정보 반영
- 팀 단위 추천 결과에 지속적으로 반영
-
🔢 벡터 유사도 기반 주제 추천
- 팀 프로필 및 선호 정보와 프로젝트 주제 벡터를 비교
- 후보군 필터링 후 Top-K 프로젝트 주제 추천
-
📈 추천 성능 최적화
- pgvector 기반 유사도 연산 처리
- DB 레벨에서 Top-K 조회로 불필요한 연산 최소화
- 추천 응답 성능 개선
팀이 적합한 프로젝트 주제를 탐색하고 선택할 수 있는 사용자 인터페이스 제공
-
🎯 팀 기반 프로젝트 주제 추천
- 팀 구성 정보를 기반으로 맞춤형 프로젝트 주제 제공
- 기술 스택 및 관심 정보 반영
-
📊 주제 상세 정보 제공
- 프로젝트 설명, 요구 기술 스택, 난이도, 예상 기간 제공
- 주제 선택에 필요한 정보 지원
-
📝 팀 정보 관리
- 팀원 기술 스택, 관심 분야 등 프로필 정보 수정
- 변경된 정보가 추천 결과에 반영
- 1주차 (2/23 ~ 3/1): 프로젝트 기획 및 기술 스택 선정
- 2주차 (3/2 ~ 3/8): 데이터 수집, 시스템 설계 및 와이어프레임 완성
- 3주차 (3/9 ~ 3/15): 기본 기능 구현 및 AI 모델 연동, 인프라 구축
- 4주차 (3/16 ~ 3/22): 세부 기능 구현 및 데이터 정제
- 5주차 (3/23 ~ 3/29): 테스트 및 배포
- 3/30: 최종 프로젝트 발표
1. 🔗 기획서
2. 🔗 기능 명세서
3. 🔗 ERD
4. 🔗 API 문서
5. 🔗 발표 자료
이승훈 (Team Leader) 
|
문하윤 
|
서나라 
|
윤현조 
|
이서현
|
황승준 
|
| 🙋 회원가입 | 🔐 로그인 |
|---|---|
|
|
| 🚀 프로젝트 생성 | ⭐ 북마크 |
|
|
| ❤️ 관심 표현 | 🔁 주제 재추천 |
|
|
| 🧠 주제 구체화 | |
|
|
-
Traffic Routing:
User → Nginx (Reverse Proxy) → Frontend (Vite + React) / Backend (Spring Boot) -
Topic Data Pipeline (GitHub 기반):
GitHub API → 주제 데이터 수집 → LLM(OpenAI) 기반 구조화 →
OpenAI Embedding 생성 → PostgreSQL(pgvector) 저장 -
Company Data Pipeline (크롤링 기반):
Web Crawling → Spring Batch → 기업 데이터 정제 및 적재 → PostgreSQL 저장 -
Recommendation Engine (AI):
주제 임베딩은 수집 시 최초 1회 생성하며,
사용자 행동 로그 기반 가중치(w)를 반영해 프로젝트 선호 임베딩을 가중합 방식으로 갱신합니다. -
Similarity Search:
프로젝트 선호 임베딩과 주제 임베딩 간 유사도를 계산하여 Top-K 추천 결과를 생성합니다. -
Event Streaming:
Backend → Kafka → 사용자 행동 로그 비동기 처리 및 선호 임베딩 갱신 -
Data Management:
Backend ↔ PostgreSQL (RDB + pgvector), Redis (Cache) -
DevOps:
GitLab → Jenkins (CI/CD) → Docker / Docker Compose → AWS EC2 배포
Nginx + Certbot 기반 HTTPS 운영 환경 구성
frontend/
frontend/
├── src/
│ ├── assets/ # 이미지 및 정적 리소스
│ ├── components/
│ │ └── common/ # 공통 UI 컴포넌트 (Navbar, Modal, Route 등)
│ ├── constants/ # 전역 상수 정의
│ ├── pages/ # 페이지 단위 폴더 구조
│ │ ├── Login/ # 로그인 페이지
│ │ ├── Signup/ # 회원가입 페이지
│ │ ├── Main/ # 메인 추천 피드 페이지
│ │ ├── Profile/ # 사용자 프로필 관리
│ │ ├── ProjectCreate/ # 프로젝트 생성
│ │ ├── ProjectDetail/ # 프로젝트 상세 조회
│ │ └── Callback/ # OAuth 로그인 콜백 처리
│ ├── styles/ # 전역 스타일
│ ├── utils/
│ │ └── fetchInterceptor.js # API 요청 인터셉터 (토큰 처리, 공통 에러 처리)
│ ├── App.jsx # 라우팅 구성 (React Router)
│ └── main.jsx # Vite 엔트리 포인트
│
├── dist/ # 빌드 결과물
├── Dockerfile # 프론트엔드 컨테이너 이미지 정의
├── nginx.conf # 정적 파일 서빙 및 라우팅 설정
├── Jenkinsfile # CI/CD 파이프라인 (빌드 및 배포 자동화)
├── package.json # 의존성 및 스크립트 관리
├── vite.config.js # Vite 번들링 설정
└── index.html # 앱 진입 HTML
backend/
backend/
├── .gradle/ # Gradle 캐시
├── .idea/ # IntelliJ 설정 파일
├── build/ # 빌드 결과물
├── gradle/ # Gradle Wrapper
│
├── src/
│ ├── main/
│ │ ├── java/
│ │ │ └── site/
│ │ │ └── to_mato/
│ │ │ ├── auth/ # 인증 및 소셜 로그인 (JWT, OAuth2)
│ │ │ ├── batch/ # 배치 자동화 파이프라인 (기업 데이터 적재)
│ │ │ ├── catalog/ # 직무/기술 스택 메타 정보 관리
│ │ │ ├── common/ # 공통 응답, 예외 처리, 보안 설정
│ │ │ ├── company/ # 기업 데이터 (크롤링 기반 데이터 관리)
│ │ │ ├── llm/ # OpenAI API 연동 및 프롬프트 처리
│ │ │ ├── project/ # 프로젝트 생성, 팀 빌딩, 상태 관리
│ │ │ ├── recommendation/ # Kafka 기반 이벤트 처리 및 추천 시스템 연동
│ │ │ ├── topic/ # 주제 데이터 관리 (임베딩 대상)
│ │ │ ├── user/ # 사용자 정보 및 선호 데이터 관리
│ │ │ └── ToMatoApplication.java
│ │ │
│ │ └── resources/
│ │ └── application.yml # 환경 설정 (DB, Redis, Kafka 등)
│ │
│ └── test/
│ └── java/
│ └── site/
│ └── to_mato/
│ └── ToMatoApplicationTests.java
│
├── build.gradle # 의존성 및 빌드 설정 (JPA, Kafka, Redis 등)
├── settings.gradle # 프로젝트 설정
├── gradlew # Gradle Wrapper (Unix)
├── gradlew.bat # Gradle Wrapper (Windows)
├── Dockerfile # 백엔드 컨테이너 이미지 정의
├── Jenkinsfile # CI/CD 파이프라인 (빌드 및 배포 자동화)
└── README.md
ai/
ai/
├── app/
│ ├── common/ # 공통 설정 및 예외 처리, 로깅
│ ├── consumer/ # Kafka 컨슈머 (행동 로그 기반 선호 임베딩 갱신)
│ ├── repositories/ # DB 접근 계층 (PostgreSQL, Redis)
│ ├── routers/ # FastAPI API 엔드포인트 (추천, 내부 처리)
│ ├── schemas/ # 요청/응답 데이터 모델 (Pydantic)
│ ├── services/ # 추천 로직 및 벡터 연산 (가중합 기반 선호 임베딩)
│ ├── utils/ # 공용 유틸 (벡터 연산, 거리 계산 등)
│ ├── db.py # DB 및 Redis 세션 관리
│ ├── main.py # FastAPI 애플리케이션 진입점
│ └── settings.py # 환경 변수 및 설정 관리
│
├── data/ # 데이터 수집 및 전처리/임베딩 파이프라인
│ ├── collect_repos.py # GitHub API 기반 주제 데이터 수집
│ ├── preprocess_readme.py # README 전처리 및 토큰 최적화
│ ├── llm_pipeline.py # OpenAI 기반 데이터 구조화
│ ├── embed_pipeline.py # OpenAI Embedding 생성 및 저장
│ ├── enrich_repos.py # 메타데이터 보강
│ └── collect_nostar_repos.py # 추가 데이터 수집 (조건 기반)
│
├── Dockerfile # AI 서버 컨테이너 이미지 정의
├── Jenkinsfile # CI/CD 파이프라인 (빌드 및 배포)
├── requirements.txt # Python 의존성 관리
└── README.md
crawler/
crawler/
├── config/ # 크롤링 설정 (산업군, 검색 조건 등)
│
├── crawler/ # 크롤링 및 데이터 처리 로직
│ ├── discover_new_jobs.py # 신규 데이터 탐색
│ ├── collect_new_job_details.py # 상세 정보 수집
│ ├── preprocess_new_jobs.py # 신규 데이터 정제
│ ├── preprocess_incremental_jobs.py # 증분 데이터 정제
│ └── common.py # 공통 유틸 및 HTTP 처리
│
├── data/ # 크롤링 상태 및 중간 데이터 저장
│
├── db_ready/ # DB 적재를 위한 최종 가공 데이터 (CSV)
│ ├── companies.csv # 기업 정보
│ ├── skills.csv # 기술 스택
│ ├── company_skills.csv # 기업-기술 매핑
│ ├── company_skill_pairs.csv # 상세 매핑 정보
│ └── domains.csv # 직무/도메인 정보
│
├── run_all.py # 수집 → 정제 → 적재 준비 전체 파이프라인 실행
├── init_preprocess_all.py # 초기 데이터 일괄 정제
├── rerun_preprocess_yesterday.py # 증분 데이터 재처리
│
├── Dockerfile # 크롤러 실행 환경 정의
├── requirements.txt # Python 의존성
└── README.md
🍅 Tomato - AI 기반 프로젝트 주제 추천 서비스