놀러가샵 🗺️

소비특성 분석을 통한 대구시 관광지 추천 시스템

---

프로젝트 개요

대구시 관광객의 체류 시간 감소 및 소비 활동 저조 문제를 해결하기 위해, 리뷰 데이터 기반 클러스터링 + 신한카드 소비 데이터 기반 코사인 유사도 추천 을 결합한 맞춤형 관광지 추천 시스템입니다.

---

파이프라인

데이터 수집
    ↓
리뷰 전처리 & 텍스트 벡터화 (GTR-T5-xl, GTR-T5-large 앙상블)
    ↓
클러스터링 (KMeans, 실루엣 점수 평가)
    ↓
소비 데이터 분석 (업종별 / 성별·연령별 벡터)
    ↓
코사인 유사도 기반 관광지 추천

---

디렉토리 구조

Daegu-tour-recommender/
│
├── 1_preprocessing/
│   └── review_preprocessing.py          # 리뷰 전처리 & 임베딩 & 클러스터링
│
├── 2_data_merge/
│   └── concat_cluster_data.py           # 클러스터 파일에 장소 정보 병합
│
├── 3_recommendation/
│   └── cosine_similarity_recommend.py   # 소비 데이터 기반 추천 모델
│
├── data/                                # 데이터 파일 (Git 제외 - .gitignore 참고)
│   ├── tourish_data.csv
│   ├── cluster_0.xlsx ~ cluster_3.xlsx
│   ├── finish_cluster_0.xlsx ~ finish_cluster_3.xlsx
│   └── 데이터 카드1234.xlsx
│
├── .gitignore
└── README.md

---

설치 방법

pip install -r requirements.txt

주요 라이브러리:

• sentence-transformers — 텍스트 임베딩 (GTR-T5 계열)
• scikit-learn — 클러스터링, 유사도 계산
• pandas, numpy, openpyxl — 데이터 처리
• matplotlib — 시각화

---

1. 전처리: 1_preprocessing/review_preprocessing.py 실행 → cluster_0~3.xlsx 생성
2. 병합: 2_data_merge/concat_cluster_data.py 실행 → finish_cluster_0~3.xlsx 생성
3. 추천: 3_recommendation/cosine_similarity_recommend.py 실행

---

데이터 주의사항

data/ 폴더는 .gitignore에 의해 GitHub에 업로드되지 않습니다. 실제 데이터 파일은 별도로 준비해야 합니다.