📚 논문을 흥미롭게 PaperDot. (논문 요약 및 라디오 서비스)

🌟 서비스 주소

• 서비스의 실제 동작을 확인할 수 있는 서비스 링크 🌍

---

주요 기능의 스크린샷을 통해 인터페이스와 사용 방법을 미리 확인하세요 📸

[1]. 데스크탑 및 다크모드

기능 이름	데스크탑	다크모드
라디오 채널
논문요약
북마크별자리

---

[2]. 모바일 반응형

기능 이름	라디오 채널	논문요약	북마크별자리
이미지

이 서비스는 사용자가 논문을 검색하고 요약본을 확인하면서, 챗봇을 통해 질문할 수 있는 논문 웹 서비스입니다. 논문을 요약해서 읽어주는 라디오와 논문 간 연관도를 시각화한 논문 별자리 서비스 등을 통해 논문을 흥미롭게 접할 수 있는 요소를 더했습니다. 이 README는 서비스의 기능과 설치 방법에 대해 안내합니다.

---

📝 문제 정의

• 사용자가 원하는 논문을 쉽고 빠르게 검색하고, 챗봇을 통해 필요한 정보를 효율적으로 얻는 것이 어려운 문제를 해결하기 위해 개발되었습니다. 연구자들이 필요한 논문을 찾고, 요약된 정보를 바탕으로 빠르게 이해할 수 있도록 돕습니다.

👥 팀원 소개

팀명: 곰국

이찬호 역할: 팀장, INFRA 연락처: [email protected] GIT: github.com/찬호	권성민 역할: FE / HLS 연락처: [email protected] GIT: github.com/성민	김민경 역할: BE 연락처: [email protected] 기술 블로그: github.com/민경
박상필 역할: AI / DATA 연락처: [email protected] 기술 블로그: Git-io	이윤주 역할: FE 연락처: [email protected] GIT: github.com/윤주	장현수 역할: FE 연락처: [email protected] GIT: github.com/현수

🔑 핵심 기능 소개

• 논문 검색 및 요약: 사용자가 원하는 논문을 쉽게 찾고 요약된 정보를 제공하여 시간 절약 ⏱️
• 챗봇 기반 질의응답: 논문 내용을 바탕으로 실시간으로 질문에 대한 답변을 제공해주는 인터랙티브 챗봇 🤖
• PDF 분석 및 벡터 임베딩: 논문 PDF를 다운로드하고 벡터 임베딩을 통해 효율적인 데이터 검색 및 분석 🔍

1. 논문 검색 및 요약 ✨

   • 사용자가 원하는 논문을 검색하고, 논문의 목차, 주요 요약, 챕터별 요약을 제공합니다.

2. 챗봇 질의응답 🤖

   • 논문 내용에 대한 질의응답이 가능한 RAG 기법을 활용한 챗봇을 제공합니다. 논문에서 직접 답을 찾아드립니다!

3. 논문 PDF 다운로드 및 분석 📄

   • 사용자의 질문에 따라 해당 논문의 PDF를 다운로드하고, 이를 청크로 분할하여 분석합니다.

4. 임베딩 및 벡터 검색 🔍

   • OpenAI 임베딩 라이브러리를 이용하여 논문 데이터를 벡터화하고, Faiss에 저장하여 효율적인 검색을 지원합니다.

🚀 설치 및 실행 방법

1. 요구사항

• Docker가 설치되어 있어야 합니다 🐳
• Python 3.11.10 버전을 사용합니다 🐍
• MySQL 데이터베이스 연결 정보가 필요합니다 (자세한 정보는 아래 참조)

2. 클론 및 설정

$ git clone https://lab.ssafy.com/s11-bigdata-dist-sub1/S11P21B208.git
$ cd S11P21B208

3. 환경 변수 설정

• .env 파일을 생성하고 아래와 같은 정보로 설정합니다:

  MYSQL_HOST=j11b208.p.ssafy.io
  MYSQL_PORT=3306
  MYSQL_USER=root
  MYSQL_PASSWORD=INPUT YOUR PASSWORD 
  DATABASE=paperdot
  

🛠 기술 스택

분야	기술스택	담당자
FE	React, TypeScript, Zustand	권성민, 이윤주, 장현수
BE	JDK(17), HDFS(2.7.3), SpringBoot(3.3.3)	김민경, 이찬호
데이터베이스	MySQL(8.0.23), Redis(7.4.0), Elastic Search(8.15.1)	김민경, 박상필, 이찬호
임베딩 및 벡터 검색	Faiss(cpu-1.8.0.post1), KR-SBERT-V40K-klueNLI-augSTS	박상필, 장현수
컨테이너 관리 및 배포	Jenkins(2.476), Docker(27.2.1)	이찬호
AI 기술	LangChain(0.3.2), Scikit-Learn(1.3.0), FastAPI(0.115.0)	박상필
LLM 모델	LLama3.1-ko-Bllossom-8B, GPT-4o	박상필, 권성민

💡 사용 방법

1. 라디오를 들으며 유저들과 채팅으로 지식을 함양해보세요 ✨
2. 논문 내용에서 궁금한 점은 챗봇에게 질문해보세요 🤖
3. 웹사이트에 접속하여 원하는 논문을 검색하세요 🔍
4. 논문 요약을 확인하고, 나만의 정리 노트를 작성해보세요 📖
5. 논문에 대한 추가 정보를 쉽게 얻을 수 있습니다 📘

📋 FAQ

• 궁금한 점은 질문과 답변을 통해 빠르게 문제를 해결하세요! ❓
  • Q: Docker 설치가 필요한가요?
    • A: 네, 서비스는 Docker를 통해 배포됩니다.
  • Q: 어떤 데이터베이스를 사용하나요?
    • A: MySQL을 사용합니다.
  • Q: 유사 논문 추천 기능
    • MapReduce 분산처리로 벡터 및 TF-IDF 유사도를 계산합니다.
  • Q: 사용자 북마크 및 개인화 서비스
    • 논문(Node) 간 연관 관계(Edge) 를 기반으로 알고리즘이 계산됩니다.

프로젝트 구조

PaperDot/
📂 S11P21B208
├── 📂 .gitlab
│   ├── 📂 issue_templates
│   └── 📂 merge_request_templates
├── 📂 AI
│   ├── 📂 app
│   │   ├── 📂 api
│   │   ├── 📂 config
│   │   ├── 📂 embeddings
│   │   ├── 📂 search
│   │   ├── 📂 tf_idf
│   │   └── 📂 vector_search
│   ├── 📂 app_overview
│   │   ├── 📂 caches
│   │   └── 📂 pdf_summary
│   └── 📂 app_rag
│       ├── 📂 caches
│       ├── 📂 datas
│       └── 📂 models
├── 📂 Back
│   └── 📂 paperdot
│       ├── 📂 bin
│       │   ├── 📂 main
│       │   └── 📂 test
│       ├── 📂 gradle
│       └── 📂 src
│           ├── 📂 main
│           │   ├── 📂 java
│           │   │   └── 📂 gomgook
│           │   │       └── 📂 paperdot
│           │   └── 📂 resources
│           └── 📂 test
├── 📂 Front
│   ├── 📂 public
│   └── 📂 src
│       ├── 📂 apis
│       ├── 📂 assets
│       │   └── 📂 images
│       ├── 📂 components
│       │   ├── 📂 chat
│       │   ├── 📂 common
│       │   ├── 📂 main
│       │   └── 📂 search
│       ├── 📂 pages
│       └── 📂 router
└── 📂 Radio
    └── 📂 radio
        ├── 📂 bin
        │   ├── 📂 main
        │   └── 📂 test
        ├── 📂 gradle
        └── 📂 src
            ├── 📂 java
            │   └── 📂 com
            └── 📂 resources

설명

• AI: AI 모델 관련 파일들이 포함된 디렉토리.
• Backend-feedme: 백엔드 애플리케이션 코드.
• Front-feedme: 프론트엔드 애플리케이션 코드.

🤝 형상 관리 컨벤션

기여를 원하시면 이 저장소를 포크하고, 브랜치를 생성한 후 풀 리퀘스트를 보내주세요! 🙌

🔧 기여 규칙

• 코드 스타일: PEP8을 준수해주세요 📝
• PR 설명: 변경 사항과 의도를 명확하게 설명해주세요 📄

🔒 보안 주의사항

• 데이터베이스와 환경 변수를 설정할 때 민감한 정보는 .env 파일에 안전하게 보관하세요 🔐
• 외부에 노출되지 않도록 주의해주세요!

📞 문의

• 이슈나 질문은 MatterMost 혹은 이메일을 통해 남겨주세요 📝

감사합니다! 🙇‍♂️🙇‍♀️

---

주관: 삼성전자, 삼성 청년 소프트웨어 아카데미(SSAFY)