MINJOO-KIM / Movie

test

📚 목차

1. 프로젝트 개요

2. 팀

3. 서비스 소개

   1. 서비스 기획 목표

   2. ERD

   3. Component Structure

   4. 구현 기능

   5. 영화 추천 알고리즘

4. 설치 및 실행

5. 느낀 점

---

프로젝트 개요

1. 기간

2024.05.16 ~ 2024.05.23

2. 개발 환경

• Vue 3.4.27
• Pinia 2.1.7
• Django 4.2.13
• Sqlite3 3.21.0
• HTML/CSS/JavaScript

3. 팀 노션

OTTogether

4. 프로젝트 파일 구조

Frontend

📦src
 ┣ 📂assets
 ┃ ┣ 📜arrow-left-circle.svg
 ┃ ┣ 📜box-arrow-in-right.svg
 ┃ ┣ 📜caret-down-square.svg
 ┃ ┣ 📜coin.svg
 ┃ ┣ 📜disneyplus.svg
 ┃ ┣ 📜main-img.png
 ┃ ┣ 📜movie-repeat.svg
 ┃ ┣ 📜netflix.svg
 ┃ ┣ 📜person-add.svg
 ┃ ┣ 📜recommend-rewrite.svg
 ┃ ┗ 📜watcha.svg
 ┣ 📂components
 ┃ ┣ 📂common
 ┃ ┃ ┣ 📜MovieNavbar.vue
 ┃ ┃ ┗ 📜OTTNavbar.vue
 ┃ ┣ 📂movies
 ┃ ┃ ┣ 📜MovieCard.vue
 ┃ ┃ ┣ 📜MovieDetailInfo.vue
 ┃ ┃ ┣ 📜MovieRecommend.vue
 ┃ ┃ ┗ 📜Recommend.vue
 ┃ ┗ 📂otts
 ┃ ┃ ┣ 📜MyPartyCard.vue
 ┃ ┃ ┣ 📜MyPartyCreated.vue
 ┃ ┃ ┣ 📜MyPartyJoined.vue
 ┃ ┃ ┗ 📜PartyCard.vue
 ┣ 📂router
 ┃ ┗ 📜index.js
 ┣ 📂stores
 ┃ ┗ 📜movie.js
 ┣ 📂views
 ┃ ┣ 📜AIRecommendView.vue
 ┃ ┣ 📜HomeView.vue
 ┃ ┣ 📜LoginView.vue
 ┃ ┣ 📜MovieDetailView.vue
 ┃ ┣ 📜MyPageView.vue
 ┃ ┣ 📜OTTHomeView.vue
 ┃ ┣ 📜PartyCreateView.vue
 ┃ ┣ 📜PartyJoinView.vue
 ┃ ┗ 📜SignupView.vue
 ┣ 📜App.vue
 ┗ 📜main.js

팀

이름	역할
FE : 김민주	UI/UX 디자인, CSS 영화 취향 입력, 추천, 상세 페이지 프론트엔드 기능 구현 OTT 공유 커뮤니티 페이지 프론트엔드 기능 구현 회원가입, 로그인 페이지 프론트엔드 기능 구현
BE : 김선민	API 서버 개발 취향 기반 영화 추천 알고리즘 개발 Open AI API 를 활용한 AI 기반의 영화 추천 기능 개발 전반적인 CSS 작업

서비스 소개

1. 서비스 기획 목표

• 설문을 통해 선호하는 장르, 감독, 배우 정보를 파악하고 이를 바탕으로 영화 추천
• 추천된 영화를 시청할 수 있는 OTT 플랫폼에 대한 정보 제공
• OTT 계정 공유를 통해 추천 받은 영화를 보다 저렴하게 볼 수 있는 기회 제공

목표 구현 체크리스트

[Account]

• 토큰 기반 인증 시스템
• Token 모델 커스텀을 통한 유효 기간 설정
• https 및 refresh token 적용을 통한 보안 강화

[OTT]

• OTT 계정 공유 서비스 CRUD

[Recommendation]

• 취향 설문 기반 영화 추천 기능
• 기 추천 영화 목록 바탕 중복 추천 방지
• 동적 쿼리 작성을 통한 영화 필터링 코드 단순화
• Open AI API, TMDB API 를 활용한 영화 추천 및 DB 확장

[Development]

• 상황에 맞는 status code 및 response data 응답
• 예외 처리를 통해 예상치 못한 상황에도 서비스 이용에 문제가 없도록 구현
• Pinia 및 Local Storage 를 활용한 상태 관리
• SPA 구현 및 확장성을 컴포넌트 구조화
• 중복 로직 함수화를 통한 유지보수 편의성 증대

[Search]

• 레벤슈타인 거리 기반 DB 검색
• DB에 존재하는 값 바탕으로 유저 입력값 자동완성

2. ERD

OTTogether ERD

3. Component Structure

4. 구현 기능

Chat GPT 기반 영화 추천	취향 설문
취향 기반 영화 추천	영화 상세 조회
회원가입	로그인/로그아웃
계정 공유 파티 개설	계정 공유 파티 조회
계정 공유 파티 참여	마이 페이지
계정 공유 파티 수정	계정 공유 파티 탈퇴

5. 영화 추천 알고리즘

사용자 취향 기반 영화 추천

• 취향 기반 영화 추천 알고리즘은 필터링에 기반합니다.
• 유저가 입력한 '최근 재미있게 본 영화'로부터 '장르, 감독, 배우' 정보를 추출하고 추가 선택 입력 사항이 있는 경우 이를 포함시킵니다.
• 추출한 정보와 DB 에 저장된 정보를 비교해 레벤슈타인 거리가 가장 짧은 대상이 유저가 입력한 정보의 대상이라고 판단합니다.
• 결과 정보를 바탕으로 (장르, 감독, 배우) => (장르, 감독) => (장르, 배우) => (장르) 순으로 조건을 만족하는 영화를 조회합니다.
• 조회 결과가 5개가 되는 순간 추가 탐색을 하지 않고 추천 영화를 반환합니다.
• 이미 추천 받은 영화가 있는 경우 해당 영화는 제외하고 조회하여 중복 추천을 방지합니다.
  
  

※ 레벤슈타인 거리란?

두 비교군의 삽입, 삭제, 교체 연산에 대한 비용을 계산하여 연산 비용이 높을 수록 다르다고 판단하는 방법

일반적으로 영화 제목, 선호하는 감독, 배우 등의 정보는 입력 시 DB 에 저장된 문자열과 아주 근소한 오차가 존재할 가능성이 높으므로 레벤슈타인 거리를 이용하면 올바른 조회가 가능할 것이라 생각하여 적용

---

AI 영화 추천

• Open AI API 를 활용한 영화 추천
• 유저가 입력한 쿼리에 자체 제작한 프롬프트를 적용해 영화 제목을 리스트 형태로 받고, TMDB API 를 이용해 영화의 ID 및 상세 정보를 조회합니다.
• 현재 자체 DB 에 저장되어 있지 않은 영화인 경우 DB 에 저장 후 반환하고, 저장되어 있는 경우 DB 에서 데이터를 꺼내 반환합니다.
• 이를 통해 AI 기반 추천은 물론 서비스 운영을 지속할 수록 자체 DB 를 확장할 수 있습니다.

설치 및 실행

1. 프로젝트 다운로드

git clone [GITHUB_URL]

2. 패키지 설치

# django 프로젝트(backend) 로 이동 후
pip install -r requirements.txt

// vue 프로젝트(front/movie-recommend) 로 이동 후
npm install

3. .env 파일 생성 및 API 키 작성

django 프로젝트(backend) 바로 아래에 .env 파일을 생성하고 아래와 같이 작성합니다.

OPEN_AI_API_KEY='your_open_ai_api_key'
TMDB_API_TOKEN='your_tmdb_api_token'

4. Migration

# django 프로젝트(backend) 로 이동 후
python manage.py makemigrations
python manage.py migrate
python manage.py loaddata data.json

5. 실행

# django 프로젝트(backend) 로 이동 후
python manage.py runserver

// vue 프로젝트(front/movie-recommend) 로 이동 후
npm run dev

느낀 점

김민주

프론트엔드와 백엔드의 통신을 통해 데이터를 원하는 형태로 화면에 보여주는 방법을 이해할 수 있었습니다. 특히 API 명세서를 활용하여 요청과 응답에 필요한 코드를 작성하면서 서로 소통하고 있다는 것을 느꼈습니다.
백엔드 측에서 보내주는 상태코드를 그저 동작이나 에러 확인용을 넘어서 내부 동작에서도 활용할 수 있다는 것을 알게 되었습니다.
프론트엔드를 혼자 담당하여 프로젝트를 진행하다보니 시간 안에 끝내야한다는 압박감은 있었지만 하나 하나씩 해결해나간다는 마음으로 완성할 수 있었습니다.
상태 코드와 에러메시지를 보면서 에러 또한 하나씩 해결해나가고, 협업하며 성취감을 느낄 수 있던 시간이었습니다. 개발을 하면서 어떤 점을 더 꼼꼼하게 신경쓰고, 어떤 부분에 대해 고민해야하는지 시야를 넓힐 수 있었습니다.

김선민

API 서버를 설계하고 구축하면서 성공적으로 로직을 수행하는 상황 뿐만 아니라 여러 예외 상황들에 대해 고려하고 각 상황에 맞는 응답을 하는 것의 중요성을 배울 수 있는 프로젝트였습니다.
특히 파티 참여와 같이 동일한 400 code 더라도 이미 참여하고 있는 파티라서 참여가 이루어지지 않은 건지, 파티에 인원이 가득 차서 참여가 이루어지지 않은 건지 등을 구분하여 response data 를 구성하였습니다.
이를 통해 유저 입장에서 현재 내가 어떤 문제에 봉착한 상황인지를 인지할 수 있게 하여 유저가 서비스를 이용하는 데 어려움을 덜어줄 수 있다는 점을 배웠습니다.

예상되는 기술적인 질문 2가지

[Frontend]

Q. props란 무엇인가요?

A.

props 는 상위 컴포넌트에서 하위 컴포넌트로 데이터를 전달할 때 사용하는 옵션입니다.

vue 의 데이터 흐름은 위에서 아래로 흐르기 때문에 하위 컴포넌트에서 상위 컴포넌트의 state 를 직접 참조할 수 없습니다.

따라서 props 를 사용하는 것이고 props 통해 state 가 전달되면 전달 받은 컴포넌트의 속성이 됩니다.

Q. Vue 에서 pinia 를 사용하는 이유가 무엇인가요?

A.

pinia 는 전역 상태 뿐만 아니라 개별 컴포넌트에서만 필요한 로컬 상태도 관리할 수 있으며 컴포넌트 간 상태 공유를 쉽게 할 수 있다는 장점이 있습니다.

pinia 는 Vue 3 의 reactive 함수를 사용해 상태를 관리하는데 이를 통해 상태 변화를 실시간으로 추적하고 반응형으로 처리하여 성능 최적하에 용이합니다.

[Backend]

Q. 필터링 쿼리를 만드는 부분에서 Q 객체를 이용했다. QuerySet 에 filter 를 통해서도 필터링이 가능한데 Q 객체를 사용해서 필터링 쿼리를 만든 이유가 무엇인가요?

A.

Q 객체를 이용하면 필터링 조건의 입력에 따라 동적으로 필터링 쿼리를 만들 수 있어 코드가 간결해지고 이로 인해 유지보수도 보다 편리해진다고 생각했습니다.

현재 필터링 조건은 장르, 감독, 배우 3가지인데 각 요소의 입력 여부에 따라 총 8가지 경우의 수가 나올 수 있습니다.

동적으로 쿼리를 만들지 않게 되면 모든 케이스에 대한 분기 처리를 해주어야 하므로 if-elif-else 문이 남발되어 코드가 복잡해질 가능성이 있고, 필터링 요소가 추가되는 경우 기하급수적으로 코드의 복잡도가 높아질 수 있는 문제가 있습니다.

반면 Q 객체를 이용하여 입력이 존재할 때만 필터링 쿼리에 추가하는 방식을 사용하면 필터링 요소가 증가하더라도 손쉽게 이를 구현할 수 있는 장점이 있다고 생각했습니다.