SKN23기 프로젝트

고객 이탈(재구매 중단)을 머신러닝으로 예측왜 이탈하는지 납득시키기 위해 카테고리 리스크 지수와 고객 리스크 노출(Exposure)이라는 설명 가능한 구조를 만듦Streamlit으로 월별 리스크 급증 카테고리 경보고위험 고객 리스트 / 개별 고객 분석모델 비교(리스크

주제 (무엇을 해결하는 챗봇인지 한 줄)자연어로 “계절/상황/분위기/조건(예: 겨울 감성, 경쾌한 남자 우타이테)”을 입력하면, 문서(RAG) 근거 기반으로 실제 존재하는 곡만 추천하고 유튜브 링크로 바로 재생하게 해주는 음악 추천 챗봇사용 상황 (누가 언제 쓰는지 한

UI → 오케스트레이션 → 도구 호출 → 근거 정리(Evidence) → LLM 생성 → 스키마 검증(Validator) → (필요 시) Repair사용자가 Streamlit에서 질문 + 사진 업로드 후 “분석 실행”을 누르면 다음 순서로 동작한다.main.py : 입

사용자 채팅으로 감정점수를 판단하는 방식핵심은 한 문장을 보고 “감정 하나만 고르는 것”이 아니라, 여러 감정을 점수로 계산하는 구조로 가는 게 좋아.네 서비스에서는 감정이 캐릭터 진화에도 쓰이고, 상담 반응에도 쓰이니까다음처럼 2단 구조로 보는 게 제일 현실적이야.1

감정 몬스터 진화형 AI 채팅 시스템1\. 핵심 아이디어사용자는 처음에는 작고 귀여운 기본 몬스터와 대화를 시작한다.이 몬스터는 아직 성격이 확정되지 않은 초기 상태이고,사용자와 지속적으로 대화를 나누면서 감정 반응과 대화 패턴을 학습한다.대화가 쌓일수록 시스템은 사용

감정 인식과 성장/진화의 연결 기준이 모호함장기 대화 구조에서 기억/세션 관리 방식이 구체적이어야 함AI 기능은 흥미롭지만 게임 요소가 아직 약함긴 대화 UX, 로딩, 성능 문제를 실제 서비스 관점에서 검토해야 함SLLM 자체 운영에 필요한 인프라 현실성도 함께 고려해