Update app.py

app.py

@@ -968,13 +968,54 @@ def make_user_profile_text(user_profile: dict) -> str:
 
 
 #####################################
-# 4) 사용자 임베딩 + 추천 로직
+# 2) 아이템 임베딩 로직
+#####################################
+def make_item_embedding_dict(items, model):
+    item_embedding_dict = {}
+    for item in items:
+        text = f"{item['title']} {item['desc']}"
+        emb = model.encode(text, convert_to_numpy=True)
+        item_embedding_dict[item['item_id']] = emb
+    return item_embedding_dict
+
+item_embedding_dict = make_item_embedding_dict(items, model_bert)
+
+
+#####################################
+# 3) 사용자 프로필 -> 문장화 (다중 취미 대응)
+#####################################
+def make_user_profile_text(user_profile: dict) -> str:
+    ext = user_profile.get("extroversion", "")
+    ft  = user_profile.get("feeling_thinking", "")
+
+    # 🟢 hobby, detail_hobby를 리스트로 받는다고 가정
+    hobby_list = user_profile.get("hobby", [])
+    detail_list = user_profile.get("detail_hobby", [])
+
+    # 리스트를 문자열로 합치기
+    # 예: hobby_list=["운동","독서"] → "운동, 독서"
+    hobby_str = ", ".join(hobby_list) if hobby_list else ""
+    detail_str = ", ".join(detail_list) if detail_list else ""
+
+    # 간단히 하나의 문장으로 구성
+    # 필요하다면 취미마다 별도 문장 등을 추가 가능
+    text = (
+        f"저는 {ext}이며 {ft}한 성향을 가진 사람입니다. "
+        f"주요 취미로는 {hobby_str}를 즐기고, "
+        f"특히 {detail_str} 분야에 관심이 많습니다."
+    )
+    return text
+
+
+#####################################
+# 4) 사용자 임베딩 + 추천 로직 (다중 취미 대응)
 #####################################
 def get_user_embedding(user_profile: dict):
     user_text = make_user_profile_text(user_profile)
     return model_bert.encode(user_text, convert_to_numpy=True)
 
 def extract_hobby(desc):
+    """ 예: "PT 전문 코치... (운동, 헬스)" -> "운동, 헬스" """
     match = re.search(r"\((.*?)\)", desc)
     return match.group(1) if match else ""
 
@@ -982,15 +1023,17 @@ def cosine_similarity(vec1, vec2):
     norm1 = np.linalg.norm(vec1)
     norm2 = np.linalg.norm(vec2)
     if norm1 == 0 or norm2 == 0:
-        return 0
-    return np.dot(vec1, vec2) / (norm1 * norm2)
+        return 0.0
+    return float(np.dot(vec1, vec2) / (norm1 * norm2))
 
 def recommend_content_based(user_profile, top_n=5):
     user_emb = get_user_embedding(user_profile)
     scored = []
 
-    user_hobby = user_profile.get("hobby", "")
-    user_detail_hobby = user_profile.get("detail_hobby", "")
+    # 🟢 다중 취미/세부취미를 리스트로 가정
+    user_hobbies = user_profile.get("hobby", []) or []
+    user_details = user_profile.get("detail_hobby", []) or []
+
     user_extroversion = user_profile.get("extroversion", "")
     user_feeling_thinking = user_profile.get("feeling_thinking", "")
 
@@ -999,18 +1042,28 @@ def recommend_content_based(user_profile, top_n=5):
         item_emb = item_embedding_dict[item_id]
         sim = cosine_similarity(user_emb, item_emb)
 
-        # 가중치
+        # 기본 가중치
         weight = 1.0
 
-        # (1) 취미
-        desc_hobby = extract_hobby(item["desc"])  # 예: (운동, 헬스)
-        if user_hobby and user_hobby in desc_hobby:
-            weight *= 1.05
-        if user_detail_hobby and user_detail_hobby in desc_hobby:
-            weight *= 1.2
+        # (1) 취미 가중치
+        desc_hobby = extract_hobby(item["desc"])  # 예: "(운동, 헬스)"
+
+        # [hobby] 각 요소가 desc_hobby에 있으면 가중치 부여
+        for h in user_hobbies:
+            if h in desc_hobby:
+                weight *= 1.05
+
+        # [detail_hobby] 각 요소가 desc_hobby에 있으면 가중치 부여
+        for dh in user_details:
+            if dh in desc_hobby:
+                weight *= 1.2
 
         # (2) 성향
-        personality_match_count = sum(trait in item["personality"] for trait in [user_extroversion, user_feeling_thinking])
+        # 성향 2개(외향형/내향형, 감정형/이성형) 중 몇 개가 매칭되는지
+        personality_match_count = sum(
+            trait in item["personality"]
+            for trait in [user_extroversion, user_feeling_thinking]
+        )
         if personality_match_count == 1:
             weight *= 1.15
         elif personality_match_count == 2:
@@ -1019,6 +1072,7 @@ def recommend_content_based(user_profile, top_n=5):
         final_score = sim * weight
         scored.append((item, final_score))
 
+    # 점수가 높은 순으로 정렬
     scored.sort(key=lambda x: x[1], reverse=True)
     return scored[:top_n]
 
@@ -1081,7 +1135,8 @@ def chat_response(user_input, mode="emotion", max_retries=5):
 def home():
     return {"message": "안녕하세요! 추천 & 챗봇 FastAPI 서버입니다."}
 
-# (2) 추천 Endpoint
+
+# (2) 추천용 모델 (단일 hobby / detail_hobby) - 기존 호환용
 class UserProfile(BaseModel):
     extroversion: str
     feeling_thinking: str
@@ -1090,7 +1145,6 @@ class UserProfile(BaseModel):
 
 @app.post("/recommend")
 def recommend_api(profile: UserProfile):
-    # "솔루션 제공" 로직과 동일
     top_items = recommend_content_based(profile.dict(), top_n=5)
     results = []
     for (item, score) in top_items:
@@ -1103,63 +1157,51 @@ def recommend_api(profile: UserProfile):
         })
     return {"recommendations": results}
 
-# (3) 챗봇 Endpoint (emotion/rational 선택 가능)
+
+# (3) 챗봇용 모델 + 다중 취미/세부취미 대응
 class ChatRequest(BaseModel):
     user_input: str
-    mode: str  # `emotion` 또는 `rational`을 명확하게 입력받도록 설정
-RECOMMEND_KEYWORDS = [
-    "추천", "추천해줘", "취미 추천"
-]
+    mode: str  # "emotion" or "rational"
 
-@app.post("/chat")
-def chat_api(req: ChatRequest):
-    user_text = req.user_input
-    mode = req.mode.lower()  # 입력을 소문자로 변환해 통일성 유지
-    if mode not in ["emotion", "rational"]:
-        raise HTTPException(status_code=400, detail="mode는 'emotion' 또는 'rational'이어야 합니다.")
+RECOMMEND_KEYWORDS = ["추천", "추천해줘", "취미 추천"]
 
-    reply = chat_response(user_text, mode=mode)
-    return {"response": reply}
-from pydantic import BaseModel
-from typing import Optional
 
-# 기존 ChatRequest 에 user_profile 용 필드를 추가한 모델
+# (4) 챗봇 + 추천 자동 분기용 모델
 class ChatOrRecommendRequest(BaseModel):
     user_input: str  # 사용자의 채팅 메시지
-    mode: str        # "emotion" 또는 "rational" (챗봇 모드)
+    mode: str        # "emotion" 또는 "rational"
     
-    # 추천용 프로필 (선택적으로 받을 수 있도록 Optional)
+    # 🟢 다중 선택 가능하도록 List[str]로 변경
     extroversion: Optional[str] = None
     feeling_thinking: Optional[str] = None
-    hobby: Optional[List[str]] = []  # 기본값 빈 리스트
-    detail_hobby: Optional[List[str]] = []  # 기본값 빈 리스트
+    hobby: Optional[List[str]] = None
+    detail_hobby: Optional[List[str]] = None
 
+
+# (5) 자동 분기 엔드포인트
 @app.post("/chat_or_recommend")
 def chat_or_recommend(req: ChatOrRecommendRequest):
     user_text = req.user_input
     mode = req.mode.lower()
 
-    # 1) 추천 키워드 포함 여부 확인
+    # ▶ 1) "추천" 키워드 포함 시 → 추천
     if any(keyword in user_text for keyword in RECOMMEND_KEYWORDS):
-        # 사용자가 추천을 원한다고 판단
-        # 프로필 정보가 없는 경우를 대비해서 기본값 혹은 예외처리를 할 수도 있음
+        # 프로필 미입력 시 예외 처리
+        # (여기서는 hobby / detail_hobby가 최소한 1개 이상 있다고 가정)
         if not req.hobby:
-            # 만약 프로필이 없으면 예외 처리하거나, 
-            # "프로필(취미/성향)을 입력해주세요" 라고 안내할 수도 있음
             raise HTTPException(
                 status_code=400, 
-                detail="추천을 위해 hobby, detail_hobby, extroversion, feeling_thinking 정보가 필요합니다."
+                detail="추천을 위해 [hobby, detail_hobby, extroversion, feeling_thinking] 정보가 필요합니다."
             )
-        
-        # (A) 추천 API 로직 호출
+
+        # (A) 추천 로직
         user_profile = {
             "extroversion": req.extroversion or "",
             "feeling_thinking": req.feeling_thinking or "",
-            "hobby": req.hobby or "",
-            "detail_hobby": req.detail_hobby or "",
+            "hobby": req.hobby,  # list
+            "detail_hobby": req.detail_hobby or [],
         }
         top_items = recommend_content_based(user_profile, top_n=5)
-
         results = []
         for (item, score) in top_items:
             results.append({
@@ -1169,24 +1211,15 @@ def chat_or_recommend(req: ChatOrRecommendRequest):
                 "personality": item["personality"],
                 "score": round(score, 4)
             })
-
-        return {
-            "mode": "recommend",
-            "recommendations": results
-        }
+        return {"mode": "recommend", "recommendations": results}
 
     else:
-        # 2) 추천 키워드가 없으면 챗봇 로직
+        # ▶ 2) 챗봇 로직
         if mode not in ["emotion", "rational"]:
             raise HTTPException(
                 status_code=400, 
                 detail="mode는 'emotion' 또는 'rational'이어야 합니다."
             )
 
-        # (B) 챗봇 호출
         reply = chat_response(user_text, mode=mode)
-        return {
-            "mode": "chat",
-            "response": reply
-        }
-
+        return {"mode": "chat", "response": reply}