빅데이터와 AI를 활용한 "아파트 추천 서비스"

아파트를 찾는 과정은 많은 시간이 소요되며, 현재 제공되는 부동산 정보는 방대하지만 사용자 맞춤형 추천 서비스는 부족한 상황입니다.
이 프로젝트는 다음과 같은 목표를 가지고 있습니다:

• 사용자의 선호도를 반영한 맞춤형 아파트 추천 제공.
• 실시간 데이터 업데이트를 통해 사용자 의사결정 지원.
• 사용자 행동 데이터 기반으로 정확한 추천 시스템 구현.

1. 개인화 추천:
   • 사용자의 선호도와 좋아요 데이터를 기반으로 추천.
   • Collaborative Filtering과 Content-Based Filtering 적용.
2. 실시간 정보 제공:
   • 아파트 매물 업데이트, 실거래가 변화, 최신 트렌드 반영.
   • Redis를 활용한 빠른 데이터 처리.
3. 직관적인 사용자 인터페이스:
   • 지역과 아파트 검색으로 편리한 검색 기능.
4. 시장 트렌드 분석:
   • 특정 가격대, 지역의 매물 동향 제공.

• 협업 필터링 (Collaborative Filtering):
  • 비슷한 취향을 가진 사용자 데이터를 기반으로 추천.
• 콘텐츠 기반 필터링 (Content-Based Filtering):
  • 사용자가 선호하는 속성을 가진 매물을 추천.
• 알고리즘: 코사인 유사도, 유클리드 거리.

• MySQL: 사용자 데이터 및 매물 정보 저장.
• Redis: 실시간 데이터 처리 및 캐싱.

• Spring Framework: 핵심 비즈니스 로직 구현.
• Spring Security: 인증 및 권한 관리.
• 청크 단위 데이터 처리: 대규모 데이터를 효율적으로 로드하고 학습.
• FastAPI: AI 모델 서빙에 활용.

• Vue.js: 사용자 인터페이스 개발.
• Pinia: Vue.js 애플리케이션의 상태 관리.
• Axios: 백엔드 API와의 통신 처리.
• Chart.js: 트렌드 시각화 및 데이터 대시보드 구현.

• 문제: 640만 건의 데이터로 인해 학습 속도 저하.
• 해결: Python generator와 Spark Streaming을 활용하여 데이터를 청크 단위로 처리.

• 문제: 필터 체인 단계에서 발생하는 예외가 @ControllerAdvice로 처리되지 않음.
• 해결: AuthenticationEntryPoint와 AccessDeniedHandler를 사용해 필터 단계 예외 처리 구현.

1. 메인 화면
2. 지도 검색 화면
3. 추천 결과 & 실시간 아파트 화면