"에브리버디"의 두 판 사이의 차이
cdc wiki
(→완료작품의 평가) |
(→완료작품의 평가) |
||
| 112번째 줄: | 112번째 줄: | ||
===완료작품의 평가=== | ===완료작품의 평가=== | ||
| − | [[파일: | + | [[파일:1조_완료작품의평가.png]] |
===향후계획=== | ===향후계획=== | ||
내용 | 내용 | ||
2024년 6월 12일 (수) 04:40 판
프로젝트 개요
기술개발 과제
국문 : 인증부터 매칭까지: OCR API와 선호도 기반 알고리즘을 활용한 교환학생 플랫폼, 에브리버디
영문 : Exchange Student Matching Service
과제 팀명
에브리버디
지도교수
이동희 교수님
개발기간
2024년 3월 ~ 2024년 6월 (총 4개월)
구성원 소개
서울시립대학교 컴퓨터과학부 20209200** 김*진(팀장)
서울시립대학교 컴퓨터과학부 20199200** 박*선
서울시립대학교 컴퓨터과학부 20209200** 이*빈
서울시립대학교 컴퓨터과학부 20209200** 이*연
서론
개발 과제의 개요
개발 과제 요약
◇ 서울메이트와 버디간 1:N 선호도 기반 매칭 알고리즘을 사용해 매칭 서비스 개발 ◇ OCR 기술을 이용한 서울시립대학교 학생 인증 ◇ 서울메이트들과 버디간 원활한 소통 서비스 구현 ◇ 개발한 서비스를 토대로 타 대학의 교환학생 교류 프로그램까지 확장
개발 과제의 배경
◇ 서울메이트와 버디(교환학생)들 간의 매칭 시스템 부재 ◇ 매 학기 반복되는 번거로운 매칭 절차 ◇ 개강 전 매칭이 완료되어 학교 생활에 대한 도움을 받을 수 있음 ◇ 버디와 서울메이트들간의 원활한 소통이 이루어질 수 있음
개발 과제의 목표 및 내용
◇ 매칭 알고리즘을 이용한 서울 메이트와 버디 간의 자동 매칭 시스템 구현 ◇ OCR 기술을 이용한 학생 인증 시스템 구현 ◇ 웹소켓을 활용한 실시간 채팅 서비스 구현
관련 기술의 현황
관련 기술의 현황 및 분석(State of art)
- 전 세계적인 기술현황
◇ 협업 필터링(Collaborative Filtering): SNS나 데이팅 앱에서 사용되는 매칭 시스템의 기술이다. 사용자들이 아이템에 대해 내린 평가나 행동 패턴을 기반으로 유사한 취향을 가진 사용자들끼리 아이템을 추천하는 기술이다. 추천 시스템 중에서 현재까지 가장 우수한 성능을 나타낸다고 알려진 기법이다. 사용자와 아이템 간의 상호 작용 데이터를 분석하여 사용자들 간의 유사성을 파악하고, 이를 기반으로 아이템을 추천한다. 협업 필터링은 사용자 기반 협업 필터링(User-based Collaboration Filtering)과 아이템 기반 협업 필터링(Item-based Collabrative Filtering)으로 구분된다. 사용자 기반은 비슷한 취향을 가진 사용자들끼리 유사성을 계산하여 추천을 수행한다. 유사성은 주로 코사인 유사도(cosine similarity)나 피어슨 상관계수(Pearson correlation coefficient)등을 사용하여 측정된다. 아이템 기반은 사용자가 평가한 아이템들 간의 유사성을 계산하여 추천을 수행한다. 유사성은 주로 아이템간의 유클리디안 거리(Euclidean distance)나 코사인 유사도 등을 사용하여 측정된다.
◇ 광학 문자 인식(Optical Character Recognition): 이미지나 문서의 텍스트를 컴퓨터가 이해할 수 있는 텍스트로 변환하는 기술이다. 이미지 획득, 전처리, 텍스트 추출, 문자 분할, 문자 인식, 텍스트 출력과 같은 단계로 이루어진다. OCR 기술은 문서 스캐닝, 자동화, 데이터 입력, 번역, 음성으로 텍스트로 변환 등 다양한 분야에서 사용된다. 특히, 디지털화된 문서나 이미지에서 텍스트를 추출하여 정보를 검색하거나 가공하는 데 널리 사용된다.
◇ 웹 소켓(WebSockets): 실시간 양방향 통신을 위한 인터넷 프로토콜이다. 클라이언트와 서버 간에 지속적인 연결을 설정하고 데이터를 양방향으로 전송할 수 있도록 해준다. 이를 통해 웹 애플리케이션에서 실시간 채팅, 온라인 게임등 다양한 실시간 기능을 구현할 수 있다. 주요 특징과 동작원리로는 실시간 통신, 편리한 API, 프레임 기반 통신, 이벤트 기반, 크로스 플랫폼 지원 등이 있다.
- 특허조사 및 특허 전략 분석
- 특허 조사 ◇ 운동공간 및 사용자와 트레이너 매칭 시스템 및 방법(출원번호: 10-2022-0118926) [4] 해당 특허는 실시 예에 따른 운동공간 및 사용자와 트레이너 매칭 시스템 및 방법으로서 사용자 위치, 희망운동, 가격, 운동시간, 운동경력, 목적, 식습관 등을 포함하는 조건에 따라 사용자에게 적합한 운동 공간과 트레이너를 선별하고 최적화된 트레이너와 사용자를 매칭한다. ◇ 본인 인증 시스템(출원번호: 10-2021-0078565) [5] 해당 특허는 사용자에게 특정 물품을 제공 또는 판매하는 물품 판매 기기에 구비되는 본인 인증 시스템으로, 두 개의 카메라로 각각 얼굴 및 신분증을 촬영하고 실시간으로 신분증의 얼굴과 실제 얼굴을 비교하며 신분증 등의 정보는 OCR로 취득하여 본인진위여부 및 성인여부를 판단하도록 한다. ◇ 선호도 가중치 학습기법을 이용한 굿즈 추천 제공 장치(출원번호: 10-2021-0024869) [6] 본 특허는 실시 예에 따른 선호도 가중치 학습기법을 이용한 굿즈 추천 제공 장치에 있어서, 사용자 단말에서 전송되는 사용자정보를 등록하는 등록부; 상기 사용자 단말에서 전송되는 굿즈 기대정보를 입력하는 입력부 플랫폼 채널로부터 수집되는 팬덤 정보에 기반하여 굿즈 선호도 정보를 분석하고, 상기 굿즈 선호도 정보에 기반하여 사전 결정된 선호도 측정 지표에 대응되는 핵심 팬덤 정보에 가중치를 부여한 값에 따라 추천 굿즈의 노출 순위를 결정한다.
- 특허 전략 분석 ◇ 선호도 가중치 학습기법을 이용한 굿즈 추천 제공 장치 특허를 분석한 결과, 본 개발 기술에서는 가중치 값들에 대한 내림차순 순위와 1:N관계로 추천될 수 있도록 잘 설계해야 한다. ◇ 본인 인증 시스템 특허를 분석한 결과, 효과적인 학생인증이 이루어지기 위해서는 학생증 사진의 글씨를 추출해 DB와 비교하여 인증이 가능하게끔 구현해야 한다. ◇ 운동공간 및 사용자와 트레이너 매칭 시스템 및 방법 특허를 분석한 결과, 본 개발 기술에서는 개일-섀플리 알고리즘을 적용할 것이기 때문에 특허는 사용자의 선호도만 반영했지만, 본 시스템에서는 교환학생과 서울메이트의 선호도를 상호반영할 수 있도록 제안해야 한다.
- 기술 로드맵
◇ 웹 서비스 (Web Service) ◇ 게일-섀플리 알고리즘 (Gale-Shapley Algorithm) ◇ 광학 문자 인식 (Optical Character Recognition) ◇ 웹 소켓 (WebSockets)
시장상황에 대한 분석
- 경쟁제품 조사 비교
내용
- 마케팅 전략 제시
내용
개발과제의 기대효과
기술적 기대효과
내용
경제적, 사회적 기대 및 파급효과
내용
기술개발 일정 및 추진체계
개발 일정
내용
구성원 및 추진체계
내용
설계
설계사양
제품의 요구사항
내용
설계 사양
내용
개념설계안
내용
이론적 계산 및 시뮬레이션
내용
상세설계 내용
내용
결과 및 평가
완료 작품의 소개
프로토타입 사진 혹은 작동 장면
내용
포스터
내용
완료작품의 평가
향후계획
내용
