안녕하세요! 저희는 한양대학교 ‘인간-인공지능 협업 제품·서비스 설계’ 수업을 수강 중인 학생들입니다.
이번 프로젝트는 AI를 활용해 실제로 유의미한 가치를 만들어내고, 더 많은 분들이 사용할 수 있는 오픈소스 프로젝트를 목표로 하고 있습니다.
저희의 시스템이 흥미롭거나, 재미있거나, 도움이 되셨다면 ⭐ Star 한 번 눌러주세요!
여러분의 관심이 팀에게 큰 힘이 됩니다 :)
감사합니다 😊💙
본 프로젝트는 사용자의 조건을 반영한 개인화 맛집 추천 시스템을 목표로 한 AI 기반 머신러닝 추천 서비스입니다.
현대의 외식 선택 과정에서는 네이버 지도, 카카오맵, 블로그 리뷰 등 다양한 정보가 활용되지만, 리뷰 과다·광고성 콘텐츠·개인 선호 미반영 등의 한계가 존재합니다. 이에 따라 본 프로젝트는 사용자의 상황과 선호를 반영하여 최적의 식당을 추천하는 AI 서비스를 구현하고자 기획되었습니다.
★ AI 메뉴 & 맛집 추천 받기 ★
↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓
https://huggingface.co/spaces/jeongeun1117/goodfoodget
✔ 사용자 행동 및 선호 분석을 반영한 개인화 추천 시스템 구축
✔ 리뷰 기반 예측 모델을 활용한 머신러닝 추천 엔진 개발
✔ 사용자가 브라우저에서 바로 사용할 수 있는 실용적인 Web UI 제공
이 프로젝트는 단순한 식당 추천을 넘어서,
데이터 기반 의사결정 + 사용자 중심 UX + AI 추천 기술
3가지를 모두 충족하는 것을 목표로 했습니다.
1️⃣ 랜덤 메뉴 추천
STOP 버튼을 누르면 메뉴가 무작위로 선택
해당 메뉴가 포함된 리뷰를 가진 식당 중 최고 평점 식당 자동 추천
추천의 재미와 탐색 요소 강화
2️⃣ 메뉴 기반 맛집 추천
음식 대분류(한식/중식/양식 등) + 메뉴 속성(밥/면/튀김/구이 등) 선택
선택한 조건에 맞는 메뉴 및 해당 메뉴 리뷰가 존재하는 식당 추천
3️⃣ 지하철역 기반 AI 맛집 추천 (핵심 기능)
리뷰, 평점, 가격대, 음식 종류, 연령층 데이터를 종합하여 식당 점수화
📍 위치 -> 지하철역 단위 필터링
🍱 음식종류 -> 양식 / 일식 / 중식 / 한식식 등
💰 예산 -> 사용자의 예산, 식당의 가격 차이를 반영
👤 연령층 -> 연령대별 선호도 반영 가능
사용자 예산과 식당 가격대의 차이를 반영하여 예산 적합도 기반 가중치 적용
최종 점수 기준 상위 5개 식당 추천
→ 1위 식당 시각적 강조, 2~5위는 비교 가능한 리뷰와 함께 제공
해당 로직은 recommend_ai.py 파일에 구현되어 있으며, 전체 추천 시스템의 핵심 알고리즘을 담당합니다.
💻 Gradio Web UI
브라우저에서 즉시 확인 가능한 모델 UI
Dropdown/Slider 기반 직관적 UX
버튼 클릭 한 번으로 AI 맛집 추천 경험을 제공
📊 가중치 기반 점수 계산
사용자 예산 반영 + 머신러닝 예측 점수 결합:
** 최종 점수 = 예측점수(70%) + 예산 적합도(30%)
이렇게 설계함으로써,
맛의 품질 + 사용자 예산에 맞는지, 이 두 가지를 함께 고려한 추천이 가능합니다.
🧠 활용 AI 기술
머신러닝 기반 선호 확률 예측
식당이 사용자에게 “좋을 확률”을 데이터 기반으로 예측
추천 시스템 알고리즘
ML 예측 점수 + 사용자 조건(예산 등)을 결합한 순위 기반 추천
확률적 랜덤 추천 기법
동일한 결과 반복을 방지하고 새로운 메뉴 탐색 유도
📁 ai-resta
urant-recommender
│
├── 📁 data
│ └── Restaurants.xlsx # 리뷰 데이터
│
├── 📁 src
│ ├── recommend_ai.py # AI 추천 함수
│ └── ui_gradio.py # Gradio Web UI 실행 파일
│
├── app.py # 통합 실행 파일 (선택)
│
├── requirements.txt # 필요한 라이브러리
│
└── README.md # 프로젝트 설명서 (현재 문서)
사용자가 위치, 음식 종류, 예산, 연령층을 선택하면
→ 조건에 맞는 식당 중 점수가 높은 상위 5곳을 추천
→ 그 중 1등 식당을 강조 표시하고,
→ 각 식당의 리뷰와 평점을 함께 보여줍니다.
(스크린샷 예시)
실제 네이버·카카오 리뷰 데이터 API 접근 제한으로 가상 데이터 기반 학습
실제 사용자 행동 및 리뷰 다양성 반영에 한계 존재
👉 향후 공공 데이터, 오픈 API, 실제 플랫폼 연계 시 추천 정확도와 현실성이 크게 향상될 것으로 기대
김희은, 조수빈, 최정은