LG U+ Why Not SW캠프 7기: 1st Project
드디어, 프로젝트의 세계에 발을 들였다.
지난 화요일부터 팀원 구성, 개인의 포지션과 프로젝트 주제를 정하고,
수요일부터 본격적으로 프로젝트를 진행했다.
나는 “진짜 쓸 수 있는 모델”을 만들어보고 싶다는 마음으로 이 프로젝트를 시작했다.
내가 만든 모델이 누군가의 하루에
조금이라도 스며들 수 있으면 좋겠다는 생각으로 시작한 감정 분석 프로젝트.
KoBERT 기반으로 데이터를 다루고, 모델을 학습시키고, 시각화까지 연결해보며
‘나의 분석이 누군가에게 닿는 경험’을 직접 만들어보고 싶었다.
1. 프로젝트 주제
이번 프로젝트의 주제는 감정 분석 기반 추천 서비스 구축이었다.
처음에는 단순히 텍스트 감정 분석만 해보고 싶었는데,
진행하면서 분석 결과를 서비스까지 연결해보고 싶다는 욕심이 생겼다.
“누군가의 하루에 스며드는 모델”이라는 말처럼,
내가 만든 모델이 누군가의 기분을 조금이라도 가볍게 만들어줄 수 있다면 좋겠다는 마음으로 진행했다.
2. 문제 정의
요즘 마음이 힘들 때,
AI와 대화로 외로움을 달래는 사람들이 늘고 있다.
하지만 이 대화는 근본적인 위로나 해결로 이어지지 못하는 경우가 많다.
아래 그래프를 보면 우울감을 겪는 청년들이 꾸준히 늘어나고 있지만,
상담으로 이어지는 비율은 여전히 낮다.
이 현실이 변해야 한다.
출처: 보건복지부 정신건강실태조사(온오프라인 정신 상담 경험)
정서적 고립을 해소하고,
누구나 편하게 감정을 털어놓고
공감받을 수 있는 공간이 필요하다.
이 프로젝트는
감정을 분석하고,
맞춤형 콘텐츠로 작은 위로를 전하는 서비스를
만드는 것에서 시작했다.
3. 프로젝트 정의
마음을 털어놓을 곳이 없을 때,
말 한마디가 위로가 될 수 있다면 얼마나 좋을까.
이 프로젝트는
누구나 쉽게 감정을 털어놓고,
공감과 작은 위로를 받을 수 있는
서비스를 만드는 것을 목표로 시작했다.
1) 프로젝트 개요
(1) 프로젝트명
츄!러스 미
(2) 목표
① 로그인 없이도 바로 시작 가능한 감정 기반 AI 상담 서비스 구축
② 감정 분석 결과를 바탕으로 맞춤형 콘텐츠 추천,
병원·상담사 연계, 커뮤니티 연계까지 이어지는 정서 지원 서비스 설계
(3) 방식
①KoBERT 감정 분석
②감정 맞춤 콘텐츠 추천
③병원/상담사/커뮤니티 연계
④정서적 고립 해소
2) 서비스 필요성
• 우울, 불안, 외로움을 겪는 사람들이 늘어나지만 상담으로 연결되기까지의 장벽이 높음
• 기존 상담 서비스는 예약·회원가입 중심이라 즉각적 위로 제공이 어려움
• 즉각적인 공감과 작은 위로부터, 필요 시 실질적인 상담 연결까지 이어주는 서비스가 필요
3) 핵심 기능 요약
| 기능 | 내용 |
|---|---|
| 🧔AI 감정 상담 | KoBERT 기반 감정 분석, 즉시 공감 대화 제공 |
| 🩷콘텐츠 추천 | 감정별 음악, 영화/드라마 대사, 글귀 추천 |
| 💉병원/상담사 연계 | 위치·증상 기반 병원, 상담사 추천 및 예약 |
| 👨👩👧👦커뮤니티/그룹 상담 | 감정 기반 오픈 그룹 및 익명 커뮤니티 |
| 📖감정 일기 | 일별 감정 기록 및 추적 |
| 📢위기 대응 | 자살 충동·위험 감지 시 즉시 도움 번호 안내 |
| 🏃➡️운동/맛집 추천 | 심리 상태 기반 운동, 음식 추천 |
4) 데이터 및 모델
• 데이터: AI Hub 한국어 감정 데이터셋, 추가 수집 일상 텍스트
• 모델: KoBERT 기반 6가지 감정 분류(행복, 슬픔, 혐오, 두려움, 놀라움, 분노)
• 기반 기술: Pandas, PyTorch, Matplotlib, Colab/VS Code
4. 벤치마킹
우리의 타겟은
취업 준비로 인한 스트레스와 외로움, 우울감을 겪는 20대 청년들이다.
이들에게 ‘로그인 없이 바로 시작할 수 있는 감정 상담 서비스’를 제공하기 위해,
어떤 서비스가 이미 시도되었고 어떤 한계가 있었는지 파악하는 것이 필요했다.
1) 벤치마킹 서비스
(1) 마인드그라운드
① 감정 기반 콘텐츠 큐레이션(에세이, 음악, 글귀) 제공
② 콘텐츠 소비 중심으로 실시간 상호작용 한계
(2) 트로스트
① 앱 기반 비대면 심리상담 서비스
② 전문 상담 중심, 즉시 위로/공감 어려움, 진입장벽 높음
(3) Spotify Mood Playlist
① 감정에 따른 음악 추천 플레이리스트 제공
② 음악 제공 중심, 심리 분석/상담 연계 X
(4) ChatGPT, Mind AI 챗봇
① AI와 대화로 외로움 해소 시도
② 근본적 위로 및 문제 해결 한계
2)벤치마킹으로 얻은 인사이트
① 즉시 공감, 바로 위로, 접근성의 중요성
② 단순 콘텐츠 제공을 넘어 사용자 감정 분석 기반 맞춤형 추천의 필요성
③ 필요 시 병원/상담사 연계로 이어지는 실질적 도움
5. 프로젝트 목표 요약
1) 서비스 핵심 기능 (요구사항 정의서 요약)
① 누구나 로그인 없이 바로 시작할 수 있는 AI 감정 상담 서비스
② KoBERT 기반으로 텍스트에서 6가지 감정을 분석하고, 즉시 공감 멘트 제공
③ 분석된 감정에 따라 맞춤형 음악, 영화/드라마 대사, 글귀 추천
④ 필요시 병원/상담사 연결까지 이어져 실질적인 도움 제공
⑤ 감정 일기 기능으로 나의 감정 변화 추이를 시각화하여 확인 가능
⑥ 위기 상황(자살 충동 등)에는 즉각적으로 도움받을 수 있는 번호 안내
2) 기능 요약
| 구분 | 내용 |
|---|---|
| 상담 | KoBERT 기반 AI 감정 분석, 즉시 공감 멘트 제공 |
| 추천 | 감정별 맞춤형 콘텐츠(음악/영화/글귀) 추천 |
| 연계 | 위치·증상 기반 병원/상담사 정보 제공 및 예약 연계 |
| 커뮤니티 | 감정 기반 오픈 그룹 상담/익명 커뮤니티 |
| 기록 | 감정 일기, 감정 추이 시각화 |
| 보안/개인정보 | 로그인 없는 익명 사용, 필요시 선택적 회원 전환 |
| 위기 대응 | 위기 상황 감지 시 도움 번호 즉시 안내 |
3) 개발 및 운영 기준
① 모바일/웹 환경 모두 대응 가능하도록 설계
② 빠르고 안정적인 응답 속도를 유지
③ 개인정보 보호와 보안을 고려한 구조로 개발
4) 서비스 흐름도
츄!러스미 서비스가
사용자의 텍스트 입력부터 감정 분석, 콘텐츠 추천, 상담 연계까지
어떻게 작동하는지 한눈에 볼 수 있는 흐름도이다.
5) 서비스 구성도
츄!러스미 서비스가
어떤 기능으로 구성되어 있는지,
각각의 기능이 어떻게 연결되는지 보여주는 구성도이다.
6. WBS (팀 최종 프로젝트 일정)
| 단계 | 내용 |
|---|---|
| (0) 프로젝트 기획 | 기획서, 벤치마킹, 페르소나 정의, 요구사항 정의서, 서비스 흐름도·구성도·UI 설계, 프로토타입, 발표자료 제작 |
| (1) AWS 환경 개발 | 클러스터링, 병원 위치 좌표 계산, 미디어 DB 크롤링, KoBERT 감정 분석, Rule-Based 진단 분류 |
| (2) 그룹 매칭 상담 개발 | K-Means 기반 사용자 감정/행동 군집화 |
| (3) 병원 위치 정보 | 위치 데이터 수집, 거리 계산, 지도 연동 |
| (4) 미디어·피드백 추천 | GPT+감정분석 기반 추천 모델 학습·배포, 사용자 시나리오 테스트 |
| (5) 감정 분석 서비스 | KoBERT 학습·파인튜닝, 데이터 라벨링, 자동 분류 및 DB 저장, 시각화 대시보드 |
| (6) 진단 서비스 | 자가진단 문항 기반 심리 상태 분류, 시각화 |
| (7) 테스트 | 단위·통합·시스템·성능·사용성 테스트 진행 |
| (8) 발표 | 최종 보고서, 최종 발표 자료 제작 |
7. 날짜별 진행 기록
| 날짜 | 진행 내용 |
|---|---|
| 1일차 | 프로젝트 기획서 작성, 문제 정의, 상세 주제 선정, 벤치마킹, 데이터 조사 |
| 2일차 | 요구사항 정의서 작성, README 파일 초안, 서비스 흐름도/시스템 구성도 제작, UI 샘플 제작 |
| 3일차 | WBS 작성, 프로토타입 제작, 발표 자료 정리 |
8. 어려웠던 점과 해결방안
😮💨 어려웠던 점
① 프로젝트 주제를 구체화하는 과정에서 방향을 잡는 것에 대한 어려움
② 어떤 모델을 사용할지, 어떤 데이터가 필요한지 조사하는 과정의 낯설음
③ 서비스를 실제로 어떻게 연결할 수 있을지 서비스 플로우 구성의 이해도
💡 해결 방법
① 팀원들과 역할을 나누고 구체적인 ‘문제 정의’부터 다시 잡아가며 명확한 방향성 제시
② KoBERT, GPT, 감정 분석 모델 등의 사례를 조사하며 실제 적용 가능성 탐색
③ 기존 서비스 벤치마킹, 사용자 페르소나 작성으로 ‘사용자가 이 서비스를 왜 쓰는가’를 구체화해 서비스 플로우 설계
3일간의 프로젝트를 마치며
아직 모델을 학습해보지 못했고, 데이터도 충분히 만져보지 못했지만,
이번 프로젝트를 통해 ‘서비스 기획부터 모델 조사, 데이터 조사까지 직접 할 수 있다’는
자신감을 얻었다.
이제 다음 단계에서는
직접 데이터를 수집해 보고,
KoBERT, GPT 등 감정 분석 모델을 돌려보며,
서비스와 연결 가능한 간단한 MVP 형태라도 구현해보고 싶다.