• 

Introduction

• 제주도 관광지 추천 모델은 여행지를 쉽게 선정하기위한 모델입니다.
• 이미지, 자연어(카테고리, 키워드 등)을 이용해 유사도를 계산하고 여행지를 추천하는 시스템을 구현하였습니다.
• 구현 결과(왼쪽 : 네비게이션 API 최적 경로 | 오른쪽 : 직선 거리 최적 경로)

Contents

• 1. 프로젝트 소개
• 2. 데이터 수집 및 전처리
  • 관광지 데이터
  • 숙박 데이터
• 3. 모델링
  • 이미지 특징 추출 및 유사도 측정
  • 음식 라벨링
  • 테마 자연어 유사도
  • 경로 추천
• 4. 최종 시스템
• 5. 한계 및 보완점
• 6. 참고 자료
• 7. 기타 사항

  1. 프로젝트 소개

  배경

• 가고 싶은 장소는 많지만 일일이 장소를 확인하며 선정하기 어려움
• 장소를 선정하더라도 순서에 따라 시간과 거리가 달라져 최적의 경로 선정이 어려움
• 장소와 경로에 대한 추천으로 해당 과정의 어려움을 줄일 수 있을 것

프로젝트 개요

• 구성인원 : 김준형, 김남규
• 수행기간 : 1달 (2202년 1월)
• 목표 : 키워드와 테마 선정으로 관광지와 경로 추천
• 데이터 : 카카오 키워드 검색 API, selenium 활용
  • 대표 컬럼 : [id, place_name, keyword, category_group_name, x, y, base_url, rating, (image)]
  • 관광지 데이터(3008개)
  • 숙박 데이터(3004개)

개발 환경

• 언어 : Python
• 라이브러리 : Jupyter, Pandas, Numpy, Selenium, Scikit-Learn, Tensorflow
• 알고리즘 : VGG16, CLIP

2. 데이터 수집 및 전처리

관광지 데이터

▪데이터 수집

• 검색 키워드(9개) : ‘맛집’, ‘분위기 좋은’, ‘테마파크’, ‘오션뷰’, ‘감성’, ‘가족여행’, ‘체험’, ‘휴식’, ‘레포츠’, ‘가볼만한 곳’
• 카테고리(4개) : CT1(문화시설), AT4(관광명소), FD6(음식점), CE7(카페)
• (제주시, 서귀포시) 법정동, 리 별로 검색

▪데이터 전처리

• id 중복값 처리
  
• 문화 시설의 수가 다른 카테고리에 비해 현저히 적어 문화시설은 관광명소로 변경
• 이미지가 없는 데이터 제거
• 이미지의 사이즈 (224 X 224)로 조절 : ImageNet 기반의 사전 학습 모델 사용
  => 총 데이터 : 3008개

  숙박 데이터

  ▪데이터 수집

• 검색 키워드(6개) : ‘호텔’, ‘리조트’,’ 콘도’, ‘게스트하우스’, ‘민박’, ‘펜션’
• 카테고리(1개) : AD5(숙박)
• (제주시, 서귀포시) 법정동, 리 별로 검색

▪데이터 전처리

• id 중복값 처리
  
• 수가 상대적으로 적은 리조트와 코드를 리조트/콘도로 병합
• 이미지가 없는 데이터 제거 => 총 데이터 : 3004개

3. 모델링

이미지 특징 추출 및 유사도 측정

• VGG16 모델을 활용해 특징 추출(Feature Extraction) :
  • 첫 번째 FC Layer 추출 : (1, 4096) 형태의 특징 벡터 획득
• 유클리드 거리

• 코사인 유사도

• 유클리드 거리와 코사인 유사도의 차이가 보이지 않아 최종적으로 코사인 유사도 사용
• 음식점과 카페는 특징 추출로는 표현이 잘되지 않아 관광 명소만 진행

음식 라벨링

• CLIP : 이미지와 텍스트 쌍을 예측하도록 학습되는 모델
• 음식 카테고리 선정 (32개)
  • CLIP을 활용하기 위해 영어로 작성
  • [“chicken”, “Grilled pork”,”chiness food”,”sea food”,”noodle”,”Grilled fish”, “Grilled Cutlassfish”,”beef”,”Hanjeongsik”, “sashimi”,”bolied pork”,”hamburger”,”shrimp sashimi”,”shrimp”,”melon prosciutto”,”pork cutlet”, “bread”,”pizza”,”Waffle”,”Tteokbokki”,”pasta”,”ramen”,”sushi”,”corn dog”,”American breakfast”,”crab”,”curry”,”bread”,”soup”,”tuna”, “doughnut”,”koreanstyle sushi(gimbab)”]
• 음식 이미지와 음식 카테고리로 라벨링 진행
  • 가장 높은 예측을 보여주는 라벨링을 음식의 카테고리로 선정

테마 자연어 유사도

• content : keyword와 category_group_name를 활용한 말뭉치
  • 키워드 : ‘맛집’, ‘분위기 좋은’, ‘테마파크’, ‘오션뷰’, ‘감성’, ‘가족여행’, ‘체험’, ‘휴식’, ‘레포츠’, ‘가볼만한 곳’
  • 카테고리 : ‘관광명소’, ‘음식점’, ‘카페’
• CountVectorizer를 통해 벡터화
• Cosine Similarity
  • 코사인 유사도 matrix
  • 코사인 유사도 적용 예시

경로 추천

• 카카오내비 API : 장소 좌표를 파라미터로 사용 -> 경로 추천 ```python

  헤더

  headers = {“Authorization” : “KakaoAK {}”.format(rest_api_key)}

  파라미터

  url1 = “https://apis-navi.kakaomobility.com/v1/directions?origin={경도1},{위도1}&destination={경도2},{위도2}&waypoints={경도,위도|…}” url2 = “https://apis-navi.kakaomobility.com/v1/directions?origin={경도3},{위도3}&destination={경도4},{위도4}&waypoints={경도,위도|…}”

GET을 이용하여 획득

res1 = requests.get(url1, headers=headers)

Json을 이용하여 해제

doc1 = json.loads(res1.text)

res2 = requests.get(url2, headers=headers) doc2 = json.loads(res2.text) ```

• 경로 성공하는 경우
  • Folium을 사용하여 경로 시각화
    
• 경로 찾기 실패하는 경우
• 경로 탐색이 실패하는 경우를 위해 직선 거리 경로도 추천

4. 최종 시스템

• 구현 조건
  • 출발 지점 : 제주 공항
  • 장소 선택 : 이전 장소 15KM내에 있는 장소 중 선택(위도와 경도를 사용한 직선거리 사용)
  • 관광명소 : 이미지 유사도, 자연어 유사도, 평점 활용
  • 음식점 : CLIP 라벨링, 자연어 유사도, 평점 활용
  • 카페 : 자연어 유사도, 평점 활용

    시스템 동작 예시

    1) 키워드 선택

    

    2) 카테고리 선택

    

    3) 대표 장소 선택(카페일 경우 실행X)

    

    4) 관광지 추천

• 대표 장소를 기준으로 관광지 추천 진행
• 카테고리, 대표 장소 선택 반복
  • 종료 : 카테고리 선택시 0 입력

    5) 경로 탐색

• 카카오내비 API 활용 경로 탐색
• 직선 거리 기준 경로 탐색

  6) 경로 출력

• 탐색한 경로 결과를 folium으로 시각화
• 관광지 주변 3KM 이내의 숙박 업소 표시
• 카카오내비 API 경로
  
• 직선 거리 기준 경로
  

5. 한계 및 보완점

🛠사용 데이터 부족

• 추천에 사용한 주요 데이터는 이미지, 자연어, 평점 3가지이다.
  • 이미지
    • 음식점과 카페의 이미지는 음식, 음료 등으로 특징 벡터로 분류하기 알맞지않다.
    • 음식점의 경우 CLIP을 활용해 라벨링을 진행하였지만, 카페는 이미지를 사용한 작업을 진행하지 못하였다.
  • 자연어
    • 자연어 말뭉치를 keyword와 category_group_name 2가지를 조합하여 구성하였다.
    • 각 장소의 keyword는 대부분 1개이며, 최대 3개로 구성되어 조합이 간단하다.
    • 간단한 조합이기 때문에 코사인 유사도가 비슷한 경우가 많이 존재한다.
  • 평점
    • 장소별 페이지(place_url)에서 평점을 그대로 추출하여 사용한다.
    • 1명이 평가한 5점과 100명이 평가한 5점이 똑같은 평점으로 인식된다.
• 획득한 데이터에서 여러 제한점이 발견되어 추천 알고리즘을 간단한 형식으로만 구성할 수 있었습니다.
• 평점 뿐아니라 사람들의 리뷰를 활용하면 조금 더 보완할 수 있을 것이라 생각된다.

  🛠결과의 평가지표 부재

• 라벨이 존재하는 지도 학습이 아니기 때문에 추천 결과에 대한 평가지표가 없다.

6. 참고 자료

• 카카오 키워드 검색 API : https://developers.kakao.com/docs/latest/ko/local/dev-guide
• 카카오내비 API : https://developers.kakao.com/docs/latest/ko/kakaonavi/common
• 이미지 특징 추출 : https://blog.naver.com/PostView.nhn?blogId=syg7949&logNo=221883713196&categoryNo=27&parentCategoryNo=27&from=thumbnailList
• CLIP Doc : https://openai.com/blog/clip/
• CLIP Git : https://github.com/openai/CLIP

7. 구성 인원

• 김준형 : Github
• 김남규 : Github