발표 대본 자동 생성 및 키워드 추적 시스템

발표 슬라이드와 참고자료를 기반으로 슬라이드별 발표 대본을 자동 생성하고, 생성된 대본이 키워드를 얼마나 커버하는지 추적하는 시스템입니다.

주요 기능

1. 대본 자동 생성 (main.py)

• RAG 기반 참고문서 검색 (LangChain + ChromaDB)
• IBM Watsonx 또는 Upstage Solar LLM 선택 사용
• 슬라이드별 핵심 키워드 추출 (옵션)

2. 키워드 추적 (run_tracker.py)

• 생성된 대본의 키워드 커버리지 분석
• 3가지 매칭 방식:
  • hybrid: token + sentence 결합 (기본, 최고 성능)
  • token: 형태소 기반 매칭 (빠름)
  • sentence: 문장 유사도 기반 매칭 (정확)
• 키워드 정규화: 하이픈/언더스코어를 공백으로 치환 (기본 ON)
• 임베딩 선택:
  • Transformer (로컬, 빠름, 기본값)
  • Upstage API (정확, API 호출 필요)

---

설치

python -m venv .venv
source .venv/bin/activate  # Windows: .venv\Scripts\activate
pip install -r requirements.txt

필수 패키지

• Python 3.11.9
• langchain, langchain-openai, langchain-ibm
• chromadb
• sentence-transformers
• konlpy (한국어 형태소 분석, 옵션)

---

환경 변수 설정 (.env)

# IBM Watsonx
API_KEY=your_ibm_api_key
PROJECT_ID=your_ibm_project_id
IBM_CLOUD_URL=https://us-south.ml.cloud.ibm.com

# Upstage
UPSTAGE_API_KEY=your_upstage_api_key
UPSTAGE_API_URL=https://api.upstage.ai/v1/solar

---

사용법

1단계: 대본 생성

# IBM Watsonx 사용
python main.py --api ibm --extractor y

# Upstage Solar 사용
python main.py --api upstage --extractor y

출력:

• outputs/paper_scripts.md: 슬라이드별 대본
• outputs/paper_keywords.txt: 슬라이드별 키워드

2단계: 키워드 추적

# 기본 (hybrid + 정규화 ON, Transformer 임베딩)
python run_tracker.py

# token 모드 (정규화 OFF 예시)
python run_tracker.py -m token --normalize n

# sentence 모드 + Upstage API
python run_tracker.py -m sentence --api y

출력:

• outputs/paper_coverage_analysis.txt: 슬라이드별 커버리지 분석

---

설정 (config.py)

경로 설정

docs_root = "./docs"           # 문서 폴더
out_dir = "./outputs"           # 결과 저장 폴더

RAG 설정

persist_dir = "./chroma_db"     # 벡터 DB 저장 경로
chunk_size = 400                # 청크 크기
chunk_overlap = 50              # 청크 오버랩
top_k = 3                       # 검색 결과 개수

키워드 추적 설정

lexical_threshold = 0.5         # 토큰 매칭 임계값
semantic_threshold = 0.65       # 문장 유사도 임계값

임베딩 모델

# Transformer (로컬)
transformer_model = "paraphrase-multilingual-MiniLM-L12-v2"

# Upstage (API)
embedding_model = "solar-embedding-1-large"

---

프로젝트 구조

.
├── docs/                       # 문서 폴더
│   ├── paper.pdf              # 발표 슬라이드
│   └── report.pdf             # 참고 문서
├── outputs/                    # 결과 파일
│   ├── paper_scripts.md       # 생성된 대본
│   ├── paper_keywords.txt     # 추출된 키워드
│   └── paper_coverage_analysis.txt  # 커버리지 분석
├── tracker/                    # 키워드 추적 모듈
│   ├── keyword_tracker.py     # 토큰 기반 추적
│   └── sentence_tracker.py    # 문장 유사도 추적
├── main.py                     # 대본 생성
├── run_tracker.py             # 키워드 추적
├── config.py                   # 설정
└── requirements.txt            # 의존성

---

매칭 방식 비교

방식	정확도	속도	특징
token	89%	빠름	형태소 기반, 정확한 단어 매칭
sentence	82%	느림	의미 기반, 문맥 이해
hybrid	95.9%	중간	token + sentence 결합, 기본 정규화(공백 치환)

권장: 프레젠테이션 추적에는 python run_tracker.py (hybrid + 정규화 ON) 사용

---

주요 함수

tracker/keyword_tracker.py

• normalize_text(): 텍스트 정규화
• tokenize_simple_ko_en(): 한영 토큰화
• token_overlap_score(): 토큰 오버랩 점수 계산
• parse_keywords_from_file(): 키워드 파일 파싱
• parse_scripts_by_slide(): 대본 파일 파싱

tracker/sentence_tracker.py

• SentenceMatcher: 문장 유사도 매칭 클래스
• find_matches(): 문장에서 키워드 매칭
• get_coverage_for_slide(): 슬라이드 커버리지 계산

run_tracker.py

• main_analysis(): 키워드 추적 메인 로직

---

라이센스

MIT License