API_LIST

Python FLASK API

음성 인식 챗봇 API 구현.

사전에 학습된 임베딩, 인텐트, 엔티티 모델 사용.

사전에 학습된 임베딩, 인텐트, 엔티티 모델을 로드하여 객체화.

Python Flask 기반의 Flask restx 를 활용하여 음성인식 chatbot_api를 제작.

• API 사용시 클라이언트로부터 입력받는 내용 (http/body)

{"chatString":"사용자 명령어 stt 결과"}

• API 요청 예시 :

이때 chatString 내용을 각각 KoBERT 모델, 및 임베딩 → 엔티티 모델에 입력하여 모델 예측 결과를 도출

• API 에서 클라이언트로 보내는 return 값

{
            'chatString':chatString (클라이언트에서 요청한 명렁어 스트링),
            'intent':intent_result(명령어 의도분류 결과),
            'entity':entity_result(명령어 엔티티 분류 결과),
            'text':text(명령어 임베딩 결과)
}

추천 시스템 API 구현.

태환님이 작성 및 제작하신 함수들을 API화.

현재 서비스중인 프로그램의 데이터베이스에서 현재 존재하는 레시피 데이터, 사용자 평점 데이터를 추출하여 이를 기반으로 유사도 테이블 형성 및 추천 리스트를 생성하는 함수들을 API 를 통해 접근 가능하도록 설계함.

음성인식과 동일한 Python Flask 기반의 Flask restx 를 활용하여 recommend_api를 제작.

• API 사용시 클라이언트로부터 입력받는 내용 (http/body)

{"last_ID" : 0,"user_ID" : 3,"type" : 0,"num" : 5}

last_ID : 사용자가 마지막으로 사용한 아이템에 대한 고유 ID값 → content 기반 추천 시스템에 사용.

user_ID : 사용자 고유 ID 값 → collaborate_filtering 기반 추천시스템에 사용.

type : 추천 시스템의 type을 결정하는 값 (content 기반 시스템의 2가지 종류중 1택)

num : 사용자가 요청하는 추천 리스트의 갯수.

• API 에서 클라이언트로 보내는 return 값

{
            'content_base':content_result (content 기반 추천 ID 리스트 : int arr),
            'user_base':user_result (collaborate_filtering 기반 추천 ID 리스트 : int arr),
            'num':request_num (사용자가 요청한 추천 리스트 갯수)
}