팀원 & 담당파트

컨셉

사용자의 기분을 파악한 후 그에 맞는 영화를 제공하는 챗봇
1. 슬픔 (Sadness)
시그널: 우울, 상실, 무기력, 외로움
추천 톤: 힐링/로맨스/휴머니즘, 잔잔한 감동
경계: 분노·불안과 섞일 수 있음 → “자책/상실”이 핵심이면 슬픔

2. 불안·걱정 (Anxiety/Worry)
시그널: 초조, 긴장, 막연한 두려움, 걱정 반복
추천 톤: 가벼운 코미디, 가족물, 따뜻한 드라마(안정감 회복)
경계: 공포(공황/위험 명시)와 구분

3. 분노·좌절 (Anger/Frustration)
시그널: 화남, 억울, 열받음, 폭언, 짜증
추천 톤: 카타르시스형 액션/범죄/스릴러 또는 다크 코미디
경계: 혐오(대상 경멸·역겨움)와 구분

4. 스트레스/피로 (Stress/Fatigue)
시그널: 번아웃, 지침, 미련 아픔, 과부하, 쉬고 싶음
추천 톤: 가벼운 로코/힐링 애니/에세이형 다큐
경계: 슬픔(정서적 침잠)보다 회복 욕구가 핵심이면 스트레스

5. 외로움·소속감 결핍 (Loneliness)
시그널: 혼자, 친구 없음, 공허, 대화 상대 없음
추천 톤: 따뜻한 로맨스/우정/로드무비/음악영화
경계: 감정적 침잠보다 관계/소속 결핍 여부가 기준

6. 기쁨·설렘 (Joy/Excitement)
시그널: 행복, 설렘, 들뜸, 축하
추천 톤: 로맨틱 코미디/뮤지컬/가족/스포츠 감동
경계: 과도한 흥분이 불안과 섞일 수 있으나 긍정 정조면 기쁨

7. 지루함·권태 (Boredom/Apathy)
시그널: 의욕 없음, 무기력, 흥미 없음, 권태
추천 톤: 텐션 높은 액션/판타지/추리 혹은 신작 트렌드
경계: 슬픔(우울)과 구분 ? 정조가 무감/심심함이면 지루함

8. 호기심·탐구 (Curiosity/Anticipation)
시그널: 궁금함, 알고 싶다, 새로운 경험
추천 톤: 미스터리/스릴러/두뇌 게임/모험 확장형 다큐

- TF-IDF 전처리 기반 감정어 분석
감정 단어의 중요도를 계산하여 문맥 기반 감정 분류 정확도 향상

- TMDB API 실시간 연동
감정 결과에 따라 TMDB에서 관련 영화(포스터, 평점, 줄거리, 개봉일 등)를 실시간 조회
-포스터 기반 인터랙션
웹 메인화면은 깊이감 있는 수평 슬라이드형 (3D-feel horizontal slide)로 시각화
B13(사용자가 챗봇과 대화전에 “최신개봉작품”을 먼저 직관적으로 탐색 가능하도록함.)

기능

챗봇 대화
- 자연스러운 대화 흐름
감정 질문 → 분석 → 추천 → 추가 질문까지 이어지는 챗봇 중심 구조
- gpt를 이용해 사용자의 문맥을 파악 후 Naive Bayes / Random Forest / Extra Trees 모델을 활용해 훈련시킴.
- 최적의 모델인 000을 적용

특장점

-감정 기반 큐레이션
단순한 키워드 추천이 아닌, 감정 분석을 통한 맞춤형 영화 제안

-자연스러운 대화형 인터페이스
대화를 통해 감정 파악부터 추천까지 자연스럽게 이어지는 UX

-실시간 TMDB 연동
최신 영화 데이터를 TMDB API로 받아 즉시 반영

-감정 확인 후 장르, 배우 등 사용자의 다른 취향을 파악함.

사용기술 및 개발환경

Front HTML, CSS, JavaScript (Vanilla JS 기반 인터랙션 및 챗 UI 구현)
Back Python (Flask), RESTful API 구축, 데이터 전송 및 응답 처리
AI/ML 분석 Python (scikit-learn, pandas, NumPy, TF-IDF, Logistic Regression, SVM, Extra Trees)
API 연동 TMDB API (영화 정보), GPT API (자연어 대화 처리)
Database SQLite / CSV (감정 데이터, 사용자 대화 로그 관리)
Design Figma (UI 플로우 및 프로토타입 설계, 화면 기획 시각화)
Version Control Git, GitHub (브랜치 전략 / 협업 및 코드 관리)
개발환경 Visual Studio Code, Python 3.11, Git
배포환경 R er / Localhost (테스트 서버 환경 구성)