release

vector/app/utils/category_utils.py

@@ -1,4 +1,4 @@
-# app/utils/category_utils.py (수정된 버전)
+# app/utils/category_utils.py
 import re
 from typing import Optional
 
@@ -98,37 +98,6 @@ def extract_main_category(category_name: str) -> str:
     
     return ""
 
-def build_search_query(region: str, food_category: str) -> str:
-    """
-    검색 쿼리를 구성합니다. (수정된 버전 - 지역 정보 제외)
-    
-    Args:
-        region: 지역 (사용하지 않음)
-        food_category: 음식 카테고리
-        
-    Returns:
-        검색 쿼리 문자열 (음식 카테고리만 포함)
-    """
-    # 콤마와 슬래시를 공백으로 변경하여 검색 키워드 생성
-    search_keywords = food_category.replace(',', ' ').replace('/', ' ')
-    
-    # 불필요한 단어 제거
-    stop_words = ['음식점', '요리', '전문점', '맛집']
-    keywords = []
-    
-    for keyword in search_keywords.split():
-        keyword = keyword.strip()
-        if keyword and keyword not in stop_words:
-            keywords.append(keyword)
-    
-    # 키워드가 없으면 기본 검색어 사용
-    if not keywords:
-        keywords = ['음식점']
-    
-    # 🔧 지역 정보는 포함하지 않고 음식 키워드만 반환
-    query = ' '.join(keywords)
-    return query.strip()
-
 def clean_food_category_for_search(food_category: str) -> str:
     """
     음식 카테고리를 검색용 키워드로 정리합니다.
@@ -158,4 +127,4 @@ def clean_food_category_for_search(food_category: str) -> str:
     if not keywords:
         return "음식점"
     
-    return ' '.join(keywords)
+    return ' '.join(keywords)

vector/app/utils/data_utils.py

@@ -52,59 +52,46 @@ def generate_review_summary(reviews: List[Dict[str, Any]]) -> Dict[str, Any]:
     if not reviews:
         return {
             "total_reviews": 0,
-            "average_rating": 0.0,
+            "average_rating": 0,
             "rating_distribution": {},
-            "common_keywords": [],
-            "sentiment_summary": {
-                "positive": 0,
-                "neutral": 0,
-                "negative": 0
-            }
+            "total_likes": 0,
+            "common_keywords": []
         }
     
-    # 기본 통계
+    # 기본 통계 계산
     total_reviews = len(reviews)
-    ratings = [review.get('rating', 0) for review in reviews if review.get('rating', 0) > 0]
-    average_rating = sum(ratings) / len(ratings) if ratings else 0.0
+    total_rating = sum(review.get('rating', 0) for review in reviews)
+    average_rating = total_rating / total_reviews if total_reviews > 0 else 0
+    total_likes = sum(review.get('likes', 0) for review in reviews)
     
-    # 별점 분포
+    # 별점 분포 계산
     rating_distribution = {}
-    for rating in ratings:
-        rating_distribution[str(rating)] = rating_distribution.get(str(rating), 0) + 1
+    for review in reviews:
+        rating = review.get('rating', 0)
+        rating_distribution[rating] = rating_distribution.get(rating, 0) + 1
     
-    # 키워드 추출 (badges 기반)
-    keyword_counts = {}
+    # 공통 키워드 추출 (배지 기준)
+    keyword_count = {}
     for review in reviews:
         badges = review.get('badges', [])
         for badge in badges:
-            keyword_counts[badge] = keyword_counts.get(badge, 0) + 1
+            keyword_count[badge] = keyword_count.get(badge, 0) + 1
     
-    # 상위 키워드 추출
-    common_keywords = sorted(keyword_counts.items(), key=lambda x: x[1], reverse=True)[:10]
+    # 상위 10개 키워드
+    common_keywords = sorted(keyword_count.items(), key=lambda x: x[1], reverse=True)[:10]
     common_keywords = [keyword for keyword, count in common_keywords]
     
-    # 감정 분석 (간단한 별점 기반)
-    sentiment_summary = {
-        "positive": len([r for r in ratings if r >= 4]),
-        "neutral": len([r for r in ratings if r == 3]),
-        "negative": len([r for r in ratings if r <= 2])
-    }
-    
     return {
         "total_reviews": total_reviews,
         "average_rating": round(average_rating, 2),
         "rating_distribution": rating_distribution,
-        "common_keywords": common_keywords,
-        "sentiment_summary": sentiment_summary,
-        "has_recent_reviews": any(
-            review.get('date', '') >= datetime.now().strftime('%Y.%m.%d')
-            for review in reviews[-10:]  # 최근 10개 리뷰 확인
-        )
+        "total_likes": total_likes,
+        "common_keywords": common_keywords
     }
 
 def extract_text_for_embedding(store_info: Dict[str, Any], reviews: List[Dict[str, Any]]) -> str:
     """
-    임베딩을 위한 텍스트를 추출합니다.
+    Vector DB 임베딩을 위한 텍스트를 추출합니다.
     
     Args:
         store_info: 가게 정보
@@ -191,4 +178,4 @@ def is_duplicate_store(metadata1: Dict[str, Any], metadata2: Dict[str, Any]) ->
     if name1 and name2 and addr1 and addr2:
         return name1 == name2 and addr1 == addr2
     
-    return False
+    return False