BranchesTags

Latest commit

History

84 Commits

Folders and files

NameName
Last commit message
Last commit date
.github/workflows
.github/workflows
.idea
.idea
app
app
.gitignore
.gitignore
README.md
README.md
requirements.txt
requirements.txt

Repository files navigation

🎵 Melog - AI와 음악이 만나는 감성일기

Important

사용자가 쓴 일기의 감정을 KoBERT로 분석(8종) 하고, 그 감정에 어울리는 음악과 가사를 추천하는 감정 기록 서비스의 FastAPI 서버입니다.

2025 한국기술교육대학교 컴퓨터공학부 졸업작품

🏆 한국기술교육대학교 공학설계 아이디어 경진대회 우수작품상(2024) · 졸업작품 우수상(2025)

Tech Stack

분류기술
Language / FrameworkPython, FastAPI, SQLAlchemy 2.0, Alembic
DatabaseMySQL, MongoDB(motor), Redis
AI / NLPPyTorch, KoBERT(SKT kobert-base-v1), Hugging Face Transformers, Kiwi 형태소 분석기
AuthJWT(python-jose), bcrypt
Data CollectionSelenium, BeautifulSoup4, youtube-comment-downloader

주요 기능

  • 감정 분석 — 일기를 문장 단위로 분리해 8종 감정(신남·기대·만족·편안·허무·우울·슬픔·분노)으로 분류 image

  • 음악 · 가사 추천 — 감정-장르 매핑 안에서 가사 유사도 기준 Top-3 곡과 대표 가사 추천, 재추천 지원

  • 히스토리 — 월별로 추천받은 곡과 감정 기록 확인

  • 감정 통계 · 조언 — 월별 감정 그래프와 최다 감정 기반 응원 메시지 제공

📱 앱 화면 보기imageimageimage

추천 파이프라인 (How it works)

flowchart LR
A["일기 작성"] --> B["Kiwi 문장 분리"]
B --> C["KoBERT 감정 분류<br/>(문장별)"]
C --> D["감정 대표 문장 선정"]
D --> E["768차원 임베딩"]
E --> F["감정-장르 매핑 내<br/>가사 임베딩과 코사인 유사도"]
F --> G["Top-3 음악 · 가사 추천"]
Loading

모델 성능 (KoBERT 파인튜닝)

실험데이터셋Valid AccF1-Score
Baseline3,610 문장0.4800.443
중간5,614 문장0.6230.623
최종10,001 문장0.7920.790
  • 동일 사분면 감정 그룹화 시 F1-Score 0.849
  • 데이터셋: SNS·커뮤니티(유튜브 댓글 등)에서 직접 수집하고, 감정 판단 기준표를 세워 8종 라벨링·검수
  • 중간발표 피드백을 반영해 추천을 1곡 → 3곡 + 재추천으로 개선, 추천 다양성 확보
  • 사용자 검증: 41명 설문(실사용자 19명) — 감정 분석 "매우 일치" 68.4%, 분석·추천 만족도 80% 이상, 사용 의향 87.8%

Package Structure

app
├── main.py # FastAPI 엔트리포인트
├── database.py # DB 연결 설정
├── transaction.py # 트랜잭션 유틸
├── user/ # 회원, JWT 인증
├── diary/ # 일기 CRUD, 감정 분석 트리거
├── emotion/ # KoBERT 감정 분류
├── embedding/ # 문장 임베딩, 유사도 계산
├── songs/ # 곡 데이터
├── genre/ # 감정-장르 매핑
├── statistics/ # 월별 감정 통계·조언
├── crawling/ # 멜론 가사 크롤러
└── test/ # 테스트 라우터

Role & Contribution — 서정빈 (팀장)

  • 4인 팀 프로젝트 총괄 및 단계별 목표 · 일정 · 역할 조율
  • 감정 데이터셋 수집 · 라벨링과 KoBERT 학습 · 하이퍼파라미터 튜닝에 직접 참여 — F1-score 0.443 → 0.790 개선에 기여
  • 일기 · 가사 임베딩 코사인 유사도 기반 Top-3 추천 알고리즘 설계 · 구현
  • FastAPI 서버 · DB 설계, 학습 모델의 서버 통합 · 서빙, Docker 배포 등 백엔드 전체 구축

Tip

📊 최종 발표자료 · 🎬 시연 영상

About

No description, website, or topics provided.

Resources

Readme
Activity
Custom properties

Stars

1 star

Watchers

0 watching

Forks

0 forks
Report repository

Releases

Packages

Used by

Contributors

Languages

, 'i'); if (__m === '*' || __re.test(location.href)) { injectUserscript("// Add copy buttons to all 
 blocks\n(function() {\n function addCopyButtons() {\n document.querySelectorAll('pre code').forEach(function(codeBlock) {\n if (codeBlock.parentElement.hasAttribute('data-copy-added')) return;\n codeBlock.parentElement.setAttribute('data-copy-added', 'true');\n \n var btn = document.createElement('button');\n btn.textContent = 'Copy';\n btn.style.cssText = 'position:absolute;top:4px;right:4px;padding:2px 8px;font-size:11px;background:#4ecdc4;border:none;border-radius:4px;color:#1a1a2e;cursor:pointer;opacity:0.7;transition:opacity 0.2s;';\n btn.onmouseover = function() { this.style.opacity = '1'; };\n btn.onmouseout = function() { this.style.opacity = '0.7'; };\n btn.onclick = function() {\n navigator.clipboard.writeText(codeBlock.textContent).then(function() {\n btn.textContent = 'Copied!';\n setTimeout(function() { btn.textContent = 'Copy'; }, 1500);\n });\n };\n codeBlock.parentElement.style.position = 'relative';\n codeBlock.parentElement.appendChild(btn);\n });\n }\n \n addCopyButtons();\n \n // Re-run on dynamic content\n var observer = new MutationObserver(addCopyButtons);\n observer.observe(document.body, { childList: true, subtree: true });\n})();", "Add Copy Buttons to Code Blocks");
}
} catch(__e) { console.warn('[Userscript:Add Copy Buttons to Code Blocks]', __e); }
})();
(function(){
try {
var __m = "github.com";
var __re = new RegExp('^' + "github\\.com" + '

Skip to content
BranchesTags
Latest commit
History
84 Commits
Folders and files
NameName
Last commit message
Last commit date
.github/workflows
.github/workflows
.idea
.idea
app
app
.gitignore
.gitignore
README.md
README.md
requirements.txt
requirements.txt
Repository files navigation
🎵 Melog - AI와 음악이 만나는 감성일기
Important
사용자가 쓴 일기의 감정을 KoBERT로 분석(8종) 하고,
그 감정에 어울리는 음악과 가사를 추천하는 감정 기록 서비스의 FastAPI 서버입니다.
2025 한국기술교육대학교 컴퓨터공학부 졸업작품
🏆 한국기술교육대학교 공학설계 아이디어 경진대회 우수작품상(2024) · 졸업작품 우수상(2025)
Tech Stack
분류기술
Language / FrameworkPython, FastAPI, SQLAlchemy 2.0, Alembic
DatabaseMySQL, MongoDB(motor), Redis
AI / NLPPyTorch, KoBERT(SKT kobert-base-v1), Hugging Face Transformers, Kiwi 형태소 분석기
AuthJWT(python-jose), bcrypt
Data CollectionSelenium, BeautifulSoup4, youtube-comment-downloader
주요 기능
  • 감정 분석 — 일기를 문장 단위로 분리해 8종 감정(신남·기대·만족·편안·허무·우울·슬픔·분노)으로 분류
image
  • 음악 · 가사 추천 — 감정-장르 매핑 안에서 가사 유사도 기준 Top-3 곡과 대표 가사 추천, 재추천 지원
  • 히스토리 — 월별로 추천받은 곡과 감정 기록 확인
  • 감정 통계 · 조언 — 월별 감정 그래프와 최다 감정 기반 응원 메시지 제공
📱 앱 화면 보기imageimageimage
추천 파이프라인 (How it works)
flowchart LR
A["일기 작성"] --> B["Kiwi 문장 분리"]
B --> C["KoBERT 감정 분류<br/>(문장별)"]
C --> D["감정 대표 문장 선정"]
D --> E["768차원 임베딩"]
E --> F["감정-장르 매핑 내<br/>가사 임베딩과 코사인 유사도"]
F --> G["Top-3 음악 · 가사 추천"]

Loading
모델 성능 (KoBERT 파인튜닝)
실험데이터셋Valid AccF1-Score
Baseline3,610 문장0.4800.443
중간5,614 문장0.6230.623
최종10,001 문장0.7920.790
  • 동일 사분면 감정 그룹화 시 F1-Score 0.849
  • 데이터셋: SNS·커뮤니티(유튜브 댓글 등)에서 직접 수집하고, 감정 판단 기준표를 세워 8종 라벨링·검수
  • 중간발표 피드백을 반영해 추천을 1곡 → 3곡 + 재추천으로 개선, 추천 다양성 확보
  • 사용자 검증: 41명 설문(실사용자 19명) — 감정 분석 "매우 일치" 68.4%, 분석·추천 만족도 80% 이상, 사용 의향 87.8%
Package Structure
app
├── main.py # FastAPI 엔트리포인트
├── database.py # DB 연결 설정
├── transaction.py # 트랜잭션 유틸
├── user/ # 회원, JWT 인증
├── diary/ # 일기 CRUD, 감정 분석 트리거
├── emotion/ # KoBERT 감정 분류
├── embedding/ # 문장 임베딩, 유사도 계산
├── songs/ # 곡 데이터
├── genre/ # 감정-장르 매핑
├── statistics/ # 월별 감정 통계·조언
├── crawling/ # 멜론 가사 크롤러
└── test/ # 테스트 라우터

Role & Contribution — 서정빈 (팀장)
  • 4인 팀 프로젝트 총괄 및 단계별 목표 · 일정 · 역할 조율
  • 감정 데이터셋 수집 · 라벨링과 KoBERT 학습 · 하이퍼파라미터 튜닝에 직접 참여 — F1-score 0.443 → 0.790 개선에 기여
  • 일기 · 가사 임베딩 코사인 유사도 기반 Top-3 추천 알고리즘 설계 · 구현
  • FastAPI 서버 · DB 설계, 학습 모델의 서버 통합 · 서빙, Docker 배포 등 백엔드 전체 구축
Tip
📊 최종 발표자료
· 🎬 시연 영상
About
No description, website, or topics provided.
Resources
Readme
Activity
Custom properties
Stars
1 star
Watchers
0 watching
Forks
0 forks
Report repository
Releases
Packages
Used by
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
injectUserscript("// Force GitHub README to respect dark mode\n(function() {\n var style = document.createElement('style');\n style.textContent = '\n .markdown-body {\n color-scheme: dark light;\n }\n .markdown-body pre { background: #161b22 !important; }\n .markdown-body code { background: rgba(110, 118, 129, 0.4) !important; }\n .markdown-body table th, .markdown-body table td { border-color: #30363d !important; }\n .markdown-body img { background: #0d1117; }\n .markdown-body blockquote { border-left-color: #8b949e; }\n .markdown-body hr { border-color: #30363d; }\n ';\n document.head.appendChild(style);\n})();", "GitHub Dark Mode README Fix");
}
} catch(__e) { console.warn('[Userscript:GitHub Dark Mode README Fix]', __e); }
})();
(function(){
try {
var __m = "*";
var __re = new RegExp('^' + ".*" + '

Skip to content
BranchesTags
Latest commit
History
84 Commits
Folders and files
NameName
Last commit message
Last commit date
.github/workflows
.github/workflows
.idea
.idea
app
app
.gitignore
.gitignore
README.md
README.md
requirements.txt
requirements.txt
Repository files navigation
🎵 Melog - AI와 음악이 만나는 감성일기
Important
사용자가 쓴 일기의 감정을 KoBERT로 분석(8종) 하고,
그 감정에 어울리는 음악과 가사를 추천하는 감정 기록 서비스의 FastAPI 서버입니다.
2025 한국기술교육대학교 컴퓨터공학부 졸업작품
🏆 한국기술교육대학교 공학설계 아이디어 경진대회 우수작품상(2024) · 졸업작품 우수상(2025)
Tech Stack
분류기술
Language / FrameworkPython, FastAPI, SQLAlchemy 2.0, Alembic
DatabaseMySQL, MongoDB(motor), Redis
AI / NLPPyTorch, KoBERT(SKT kobert-base-v1), Hugging Face Transformers, Kiwi 형태소 분석기
AuthJWT(python-jose), bcrypt
Data CollectionSelenium, BeautifulSoup4, youtube-comment-downloader
주요 기능
  • 감정 분석 — 일기를 문장 단위로 분리해 8종 감정(신남·기대·만족·편안·허무·우울·슬픔·분노)으로 분류
image
  • 음악 · 가사 추천 — 감정-장르 매핑 안에서 가사 유사도 기준 Top-3 곡과 대표 가사 추천, 재추천 지원
  • 히스토리 — 월별로 추천받은 곡과 감정 기록 확인
  • 감정 통계 · 조언 — 월별 감정 그래프와 최다 감정 기반 응원 메시지 제공
📱 앱 화면 보기imageimageimage
추천 파이프라인 (How it works)
flowchart LR
A["일기 작성"] --> B["Kiwi 문장 분리"]
B --> C["KoBERT 감정 분류<br/>(문장별)"]
C --> D["감정 대표 문장 선정"]
D --> E["768차원 임베딩"]
E --> F["감정-장르 매핑 내<br/>가사 임베딩과 코사인 유사도"]
F --> G["Top-3 음악 · 가사 추천"]

Loading
모델 성능 (KoBERT 파인튜닝)
실험데이터셋Valid AccF1-Score
Baseline3,610 문장0.4800.443
중간5,614 문장0.6230.623
최종10,001 문장0.7920.790
  • 동일 사분면 감정 그룹화 시 F1-Score 0.849
  • 데이터셋: SNS·커뮤니티(유튜브 댓글 등)에서 직접 수집하고, 감정 판단 기준표를 세워 8종 라벨링·검수
  • 중간발표 피드백을 반영해 추천을 1곡 → 3곡 + 재추천으로 개선, 추천 다양성 확보
  • 사용자 검증: 41명 설문(실사용자 19명) — 감정 분석 "매우 일치" 68.4%, 분석·추천 만족도 80% 이상, 사용 의향 87.8%
Package Structure
app
├── main.py # FastAPI 엔트리포인트
├── database.py # DB 연결 설정
├── transaction.py # 트랜잭션 유틸
├── user/ # 회원, JWT 인증
├── diary/ # 일기 CRUD, 감정 분석 트리거
├── emotion/ # KoBERT 감정 분류
├── embedding/ # 문장 임베딩, 유사도 계산
├── songs/ # 곡 데이터
├── genre/ # 감정-장르 매핑
├── statistics/ # 월별 감정 통계·조언
├── crawling/ # 멜론 가사 크롤러
└── test/ # 테스트 라우터

Role & Contribution — 서정빈 (팀장)
  • 4인 팀 프로젝트 총괄 및 단계별 목표 · 일정 · 역할 조율
  • 감정 데이터셋 수집 · 라벨링과 KoBERT 학습 · 하이퍼파라미터 튜닝에 직접 참여 — F1-score 0.443 → 0.790 개선에 기여
  • 일기 · 가사 임베딩 코사인 유사도 기반 Top-3 추천 알고리즘 설계 · 구현
  • FastAPI 서버 · DB 설계, 학습 모델의 서버 통합 · 서빙, Docker 배포 등 백엔드 전체 구축
Tip
📊 최종 발표자료
· 🎬 시연 영상
About
No description, website, or topics provided.
Resources
Readme
Activity
Custom properties
Stars
1 star
Watchers
0 watching
Forks
0 forks
Report repository
Releases
Packages
Used by
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
injectUserscript("// Highlight search terms from Google/DuckDuckGo/Bing referrer\n(function() {\n var ref = document.referrer;\n var terms = [];\n \n if (ref.includes('google.com') || ref.includes('duckduckgo.com') || ref.includes('bing.com')) {\n var url = new URL(ref);\n var q = url.searchParams.get('q') || url.searchParams.get('p');\n if (q) {\n terms = q.split(/\\s+/).filter(function(t) { return t.length > 2; });\n }\n }\n \n if (terms.length === 0) return;\n \n var style = document.createElement('style');\n style.textContent = '.userscript-highlight { background: #fbbf24; color: #1a1a2e; padding: 1px 3px; border-radius: 2px; }';\n document.head.appendChild(style);\n \n function highlight(node) {\n if (node.nodeType === 3) { // text node\n var text = node.textContent;\n var found = false;\n terms.forEach(function(term) {\n var regex = new RegExp('(' + term.replace(/[.*+?^${}()|[\\]\\\\]/g, '\\\\') + ')', 'gi');\n if (regex.test(text)) {\n found = true;\n var frag = document.createDocumentFragment();\n var parts = text.split(regex);\n parts.forEach(function(part, i) {\n if (i % 2 === 0) {\n frag.appendChild(document.createTextNode(part));\n } else {\n var span = document.createElement('span');\n span.className = 'userscript-highlight';\n span.textContent = part;\n frag.appendChild(span);\n }\n });\n node.parentNode.replaceChild(frag, node);\n }\n });\n } else if (node.nodeType === 1 && node.childNodes) { // element\n var skipTags = ['SCRIPT', 'STYLE', 'NOSCRIPT', 'TEXTAREA', 'INPUT', 'SELECT'];\n if (!skipTags.includes(node.tagName)) {\n Array.from(node.childNodes).forEach(highlight);\n }\n }\n }\n \n highlight(document.body);\n \n // Re-highlight on dynamic content\n var observer = new MutationObserver(function(mutations) {\n mutations.forEach(function(m) {\n m.addedNodes.forEach(function(node) {\n if (node.nodeType === 1 || node.nodeType === 3) highlight(node);\n });\n });\n });\n observer.observe(document.body, { childList: true, subtree: true });\n})();", "Highlight Search Terms");
}
} catch(__e) { console.warn('[Userscript:Highlight Search Terms]', __e); }
})();
(function(){
try {
var __m = "*";
var __re = new RegExp('^' + ".*" + '

Skip to content
BranchesTags
Latest commit
History
84 Commits
Folders and files
NameName
Last commit message
Last commit date
.github/workflows
.github/workflows
.idea
.idea
app
app
.gitignore
.gitignore
README.md
README.md
requirements.txt
requirements.txt
Repository files navigation
🎵 Melog - AI와 음악이 만나는 감성일기
Important
사용자가 쓴 일기의 감정을 KoBERT로 분석(8종) 하고,
그 감정에 어울리는 음악과 가사를 추천하는 감정 기록 서비스의 FastAPI 서버입니다.
2025 한국기술교육대학교 컴퓨터공학부 졸업작품
🏆 한국기술교육대학교 공학설계 아이디어 경진대회 우수작품상(2024) · 졸업작품 우수상(2025)
Tech Stack
분류기술
Language / FrameworkPython, FastAPI, SQLAlchemy 2.0, Alembic
DatabaseMySQL, MongoDB(motor), Redis
AI / NLPPyTorch, KoBERT(SKT kobert-base-v1), Hugging Face Transformers, Kiwi 형태소 분석기
AuthJWT(python-jose), bcrypt
Data CollectionSelenium, BeautifulSoup4, youtube-comment-downloader
주요 기능
  • 감정 분석 — 일기를 문장 단위로 분리해 8종 감정(신남·기대·만족·편안·허무·우울·슬픔·분노)으로 분류
image
  • 음악 · 가사 추천 — 감정-장르 매핑 안에서 가사 유사도 기준 Top-3 곡과 대표 가사 추천, 재추천 지원
  • 히스토리 — 월별로 추천받은 곡과 감정 기록 확인
  • 감정 통계 · 조언 — 월별 감정 그래프와 최다 감정 기반 응원 메시지 제공
📱 앱 화면 보기imageimageimage
추천 파이프라인 (How it works)
flowchart LR
A["일기 작성"] --> B["Kiwi 문장 분리"]
B --> C["KoBERT 감정 분류<br/>(문장별)"]
C --> D["감정 대표 문장 선정"]
D --> E["768차원 임베딩"]
E --> F["감정-장르 매핑 내<br/>가사 임베딩과 코사인 유사도"]
F --> G["Top-3 음악 · 가사 추천"]

Loading
모델 성능 (KoBERT 파인튜닝)
실험데이터셋Valid AccF1-Score
Baseline3,610 문장0.4800.443
중간5,614 문장0.6230.623
최종10,001 문장0.7920.790
  • 동일 사분면 감정 그룹화 시 F1-Score 0.849
  • 데이터셋: SNS·커뮤니티(유튜브 댓글 등)에서 직접 수집하고, 감정 판단 기준표를 세워 8종 라벨링·검수
  • 중간발표 피드백을 반영해 추천을 1곡 → 3곡 + 재추천으로 개선, 추천 다양성 확보
  • 사용자 검증: 41명 설문(실사용자 19명) — 감정 분석 "매우 일치" 68.4%, 분석·추천 만족도 80% 이상, 사용 의향 87.8%
Package Structure
app
├── main.py # FastAPI 엔트리포인트
├── database.py # DB 연결 설정
├── transaction.py # 트랜잭션 유틸
├── user/ # 회원, JWT 인증
├── diary/ # 일기 CRUD, 감정 분석 트리거
├── emotion/ # KoBERT 감정 분류
├── embedding/ # 문장 임베딩, 유사도 계산
├── songs/ # 곡 데이터
├── genre/ # 감정-장르 매핑
├── statistics/ # 월별 감정 통계·조언
├── crawling/ # 멜론 가사 크롤러
└── test/ # 테스트 라우터

Role & Contribution — 서정빈 (팀장)
  • 4인 팀 프로젝트 총괄 및 단계별 목표 · 일정 · 역할 조율
  • 감정 데이터셋 수집 · 라벨링과 KoBERT 학습 · 하이퍼파라미터 튜닝에 직접 참여 — F1-score 0.443 → 0.790 개선에 기여
  • 일기 · 가사 임베딩 코사인 유사도 기반 Top-3 추천 알고리즘 설계 · 구현
  • FastAPI 서버 · DB 설계, 학습 모델의 서버 통합 · 서빙, Docker 배포 등 백엔드 전체 구축
Tip
📊 최종 발표자료
· 🎬 시연 영상
About
No description, website, or topics provided.
Resources
Readme
Activity
Custom properties
Stars
1 star
Watchers
0 watching
Forks
0 forks
Report repository
Releases
Packages
Used by
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
injectUserscript("// Strip utm_, fbclid, gclid, etc. from all links on page\n(function() {\n var trackingParams = ['utm_source', 'utm_medium', 'utm_campaign', 'utm_term', 'utm_content',\n 'fbclid', 'gclid', 'dclid', 'msclkid', 'yclid',\n 'ref', 'ref_src', 'source', 'medium', 'campaign'];\n \n function cleanUrl(url) {\n try {\n var u = new URL(url, window.location.origin);\n var changed = false;\n trackingParams.forEach(function(p) {\n if (u.searchParams.has(p)) {\n u.searchParams.delete(p);\n changed = true;\n }\n });\n return changed ? u.toString() : url;\n } catch (e) {\n return url;\n }\n }\n \n function cleanLinks() {\n document.querySelectorAll('a[href]').forEach(function(a) {\n var clean = cleanUrl(a.href);\n if (clean !== a.href) a.href = clean;\n });\n }\n \n cleanLinks();\n \n var observer = new MutationObserver(function(mutations) {\n mutations.forEach(function(m) {\n m.addedNodes.forEach(function(node) {\n if (node.nodeType === 1) {\n if (node.tagName === 'A') cleanLinks();\n node.querySelectorAll('a[href]').forEach(function(a) {\n var clean = cleanUrl(a.href);\n if (clean !== a.href) a.href = clean;\n });\n }\n });\n });\n });\n observer.observe(document.body, { childList: true, subtree: true });\n})();", "Remove Tracking Parameters from Links");
}
} catch(__e) { console.warn('[Userscript:Remove Tracking Parameters from Links]', __e); }
})();
(function(){
try {
var __m = "youtube.com";
var __re = new RegExp('^' + "youtube\\.com" + '

Skip to content
BranchesTags
Latest commit
History
84 Commits
Folders and files
NameName
Last commit message
Last commit date
.github/workflows
.github/workflows
.idea
.idea
app
app
.gitignore
.gitignore
README.md
README.md
requirements.txt
requirements.txt
Repository files navigation
🎵 Melog - AI와 음악이 만나는 감성일기
Important
사용자가 쓴 일기의 감정을 KoBERT로 분석(8종) 하고,
그 감정에 어울리는 음악과 가사를 추천하는 감정 기록 서비스의 FastAPI 서버입니다.
2025 한국기술교육대학교 컴퓨터공학부 졸업작품
🏆 한국기술교육대학교 공학설계 아이디어 경진대회 우수작품상(2024) · 졸업작품 우수상(2025)
Tech Stack
분류기술
Language / FrameworkPython, FastAPI, SQLAlchemy 2.0, Alembic
DatabaseMySQL, MongoDB(motor), Redis
AI / NLPPyTorch, KoBERT(SKT kobert-base-v1), Hugging Face Transformers, Kiwi 형태소 분석기
AuthJWT(python-jose), bcrypt
Data CollectionSelenium, BeautifulSoup4, youtube-comment-downloader
주요 기능
  • 감정 분석 — 일기를 문장 단위로 분리해 8종 감정(신남·기대·만족·편안·허무·우울·슬픔·분노)으로 분류
image
  • 음악 · 가사 추천 — 감정-장르 매핑 안에서 가사 유사도 기준 Top-3 곡과 대표 가사 추천, 재추천 지원
  • 히스토리 — 월별로 추천받은 곡과 감정 기록 확인
  • 감정 통계 · 조언 — 월별 감정 그래프와 최다 감정 기반 응원 메시지 제공
📱 앱 화면 보기imageimageimage
추천 파이프라인 (How it works)
flowchart LR
A["일기 작성"] --> B["Kiwi 문장 분리"]
B --> C["KoBERT 감정 분류<br/>(문장별)"]
C --> D["감정 대표 문장 선정"]
D --> E["768차원 임베딩"]
E --> F["감정-장르 매핑 내<br/>가사 임베딩과 코사인 유사도"]
F --> G["Top-3 음악 · 가사 추천"]

Loading
모델 성능 (KoBERT 파인튜닝)
실험데이터셋Valid AccF1-Score
Baseline3,610 문장0.4800.443
중간5,614 문장0.6230.623
최종10,001 문장0.7920.790
  • 동일 사분면 감정 그룹화 시 F1-Score 0.849
  • 데이터셋: SNS·커뮤니티(유튜브 댓글 등)에서 직접 수집하고, 감정 판단 기준표를 세워 8종 라벨링·검수
  • 중간발표 피드백을 반영해 추천을 1곡 → 3곡 + 재추천으로 개선, 추천 다양성 확보
  • 사용자 검증: 41명 설문(실사용자 19명) — 감정 분석 "매우 일치" 68.4%, 분석·추천 만족도 80% 이상, 사용 의향 87.8%
Package Structure
app
├── main.py # FastAPI 엔트리포인트
├── database.py # DB 연결 설정
├── transaction.py # 트랜잭션 유틸
├── user/ # 회원, JWT 인증
├── diary/ # 일기 CRUD, 감정 분석 트리거
├── emotion/ # KoBERT 감정 분류
├── embedding/ # 문장 임베딩, 유사도 계산
├── songs/ # 곡 데이터
├── genre/ # 감정-장르 매핑
├── statistics/ # 월별 감정 통계·조언
├── crawling/ # 멜론 가사 크롤러
└── test/ # 테스트 라우터

Role & Contribution — 서정빈 (팀장)
  • 4인 팀 프로젝트 총괄 및 단계별 목표 · 일정 · 역할 조율
  • 감정 데이터셋 수집 · 라벨링과 KoBERT 학습 · 하이퍼파라미터 튜닝에 직접 참여 — F1-score 0.443 → 0.790 개선에 기여
  • 일기 · 가사 임베딩 코사인 유사도 기반 Top-3 추천 알고리즘 설계 · 구현
  • FastAPI 서버 · DB 설계, 학습 모델의 서버 통합 · 서빙, Docker 배포 등 백엔드 전체 구축
Tip
📊 최종 발표자료
· 🎬 시연 영상
About
No description, website, or topics provided.
Resources
Readme
Activity
Custom properties
Stars
1 star
Watchers
0 watching
Forks
0 forks
Report repository
Releases
Packages
Used by
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
injectUserscript("// Auto-enable theater mode on YouTube\n(function() {\n function tryTheater() {\n var btn = document.querySelector('button[aria-label=\"Theater mode\"], ytd-player #player button[title=\"Theater mode\"]');\n if (btn && !btn.classList.contains('activated')) {\n btn.click();\n }\n }\n \n // Try immediately\n tryTheater();\n \n // Try after navigation (SPA)\n var lastUrl = location.href;\n setInterval(function() {\n if (location.href !== lastUrl) {\n lastUrl = location.href;\n setTimeout(tryTheater, 500);\n }\n }, 1000);\n \n // Also try on player load\n var observer = new MutationObserver(tryTheater);\n observer.observe(document.body, { childList: true, subtree: true });\n})();", "YouTube Theater Mode Default");
}
} catch(__e) { console.warn('[Userscript:YouTube Theater Mode Default]', __e); }
})();
(function(){
try {
var __m = "*";
var __re = new RegExp('^' + ".*" + '

Skip to content
BranchesTags
Latest commit
History
84 Commits
Folders and files
NameName
Last commit message
Last commit date
.github/workflows
.github/workflows
.idea
.idea
app
app
.gitignore
.gitignore
README.md
README.md
requirements.txt
requirements.txt
Repository files navigation
🎵 Melog - AI와 음악이 만나는 감성일기
Important
사용자가 쓴 일기의 감정을 KoBERT로 분석(8종) 하고,
그 감정에 어울리는 음악과 가사를 추천하는 감정 기록 서비스의 FastAPI 서버입니다.
2025 한국기술교육대학교 컴퓨터공학부 졸업작품
🏆 한국기술교육대학교 공학설계 아이디어 경진대회 우수작품상(2024) · 졸업작품 우수상(2025)
Tech Stack
분류기술
Language / FrameworkPython, FastAPI, SQLAlchemy 2.0, Alembic
DatabaseMySQL, MongoDB(motor), Redis
AI / NLPPyTorch, KoBERT(SKT kobert-base-v1), Hugging Face Transformers, Kiwi 형태소 분석기
AuthJWT(python-jose), bcrypt
Data CollectionSelenium, BeautifulSoup4, youtube-comment-downloader
주요 기능
  • 감정 분석 — 일기를 문장 단위로 분리해 8종 감정(신남·기대·만족·편안·허무·우울·슬픔·분노)으로 분류
image
  • 음악 · 가사 추천 — 감정-장르 매핑 안에서 가사 유사도 기준 Top-3 곡과 대표 가사 추천, 재추천 지원
  • 히스토리 — 월별로 추천받은 곡과 감정 기록 확인
  • 감정 통계 · 조언 — 월별 감정 그래프와 최다 감정 기반 응원 메시지 제공
📱 앱 화면 보기imageimageimage
추천 파이프라인 (How it works)
flowchart LR
A["일기 작성"] --> B["Kiwi 문장 분리"]
B --> C["KoBERT 감정 분류<br/>(문장별)"]
C --> D["감정 대표 문장 선정"]
D --> E["768차원 임베딩"]
E --> F["감정-장르 매핑 내<br/>가사 임베딩과 코사인 유사도"]
F --> G["Top-3 음악 · 가사 추천"]

Loading
모델 성능 (KoBERT 파인튜닝)
실험데이터셋Valid AccF1-Score
Baseline3,610 문장0.4800.443
중간5,614 문장0.6230.623
최종10,001 문장0.7920.790
  • 동일 사분면 감정 그룹화 시 F1-Score 0.849
  • 데이터셋: SNS·커뮤니티(유튜브 댓글 등)에서 직접 수집하고, 감정 판단 기준표를 세워 8종 라벨링·검수
  • 중간발표 피드백을 반영해 추천을 1곡 → 3곡 + 재추천으로 개선, 추천 다양성 확보
  • 사용자 검증: 41명 설문(실사용자 19명) — 감정 분석 "매우 일치" 68.4%, 분석·추천 만족도 80% 이상, 사용 의향 87.8%
Package Structure
app
├── main.py # FastAPI 엔트리포인트
├── database.py # DB 연결 설정
├── transaction.py # 트랜잭션 유틸
├── user/ # 회원, JWT 인증
├── diary/ # 일기 CRUD, 감정 분석 트리거
├── emotion/ # KoBERT 감정 분류
├── embedding/ # 문장 임베딩, 유사도 계산
├── songs/ # 곡 데이터
├── genre/ # 감정-장르 매핑
├── statistics/ # 월별 감정 통계·조언
├── crawling/ # 멜론 가사 크롤러
└── test/ # 테스트 라우터

Role & Contribution — 서정빈 (팀장)
  • 4인 팀 프로젝트 총괄 및 단계별 목표 · 일정 · 역할 조율
  • 감정 데이터셋 수집 · 라벨링과 KoBERT 학습 · 하이퍼파라미터 튜닝에 직접 참여 — F1-score 0.443 → 0.790 개선에 기여
  • 일기 · 가사 임베딩 코사인 유사도 기반 Top-3 추천 알고리즘 설계 · 구현
  • FastAPI 서버 · DB 설계, 학습 모델의 서버 통합 · 서빙, Docker 배포 등 백엔드 전체 구축
Tip
📊 최종 발표자료
· 🎬 시연 영상
About
No description, website, or topics provided.
Resources
Readme
Activity
Custom properties
Stars
1 star
Watchers
0 watching
Forks
0 forks
Report repository
Releases
Packages
Used by
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
injectUserscript("// Remove or un-stick sticky/fixed headers that block content\n(function() {\n function unstick() {\n document.querySelectorAll('header, nav, [role=\"banner\"], .header, .navbar, .sticky, .fixed-top, [style*=\"position: fixed\"], [style*=\"position:sticky\"]').forEach(function(el) {\n if (el.style.position === 'fixed' || el.style.position === 'sticky' || \n getComputedStyle(el).position === 'fixed' || getComputedStyle(el).position === 'sticky') {\n el.style.position = 'static';\n el.style.top = 'auto';\n el.style.zIndex = 'auto';\n }\n });\n }\n \n unstick();\n \n var observer = new MutationObserver(unstick);\n observer.observe(document.body, { childList: true, subtree: true, attributes: true, attributeFilter: ['style', 'class'] });\n})();", "Kill Sticky Headers");
}
} catch(__e) { console.warn('[Userscript:Kill Sticky Headers]', __e); }
})();
(function(){
try {
var __m = "*";
var __re = new RegExp('^' + ".*" + '

Skip to content
BranchesTags
Latest commit
History
84 Commits
Folders and files
NameName
Last commit message
Last commit date
.github/workflows
.github/workflows
.idea
.idea
app
app
.gitignore
.gitignore
README.md
README.md
requirements.txt
requirements.txt
Repository files navigation
🎵 Melog - AI와 음악이 만나는 감성일기
Important
사용자가 쓴 일기의 감정을 KoBERT로 분석(8종) 하고,
그 감정에 어울리는 음악과 가사를 추천하는 감정 기록 서비스의 FastAPI 서버입니다.
2025 한국기술교육대학교 컴퓨터공학부 졸업작품
🏆 한국기술교육대학교 공학설계 아이디어 경진대회 우수작품상(2024) · 졸업작품 우수상(2025)
Tech Stack
분류기술
Language / FrameworkPython, FastAPI, SQLAlchemy 2.0, Alembic
DatabaseMySQL, MongoDB(motor), Redis
AI / NLPPyTorch, KoBERT(SKT kobert-base-v1), Hugging Face Transformers, Kiwi 형태소 분석기
AuthJWT(python-jose), bcrypt
Data CollectionSelenium, BeautifulSoup4, youtube-comment-downloader
주요 기능
  • 감정 분석 — 일기를 문장 단위로 분리해 8종 감정(신남·기대·만족·편안·허무·우울·슬픔·분노)으로 분류
image
  • 음악 · 가사 추천 — 감정-장르 매핑 안에서 가사 유사도 기준 Top-3 곡과 대표 가사 추천, 재추천 지원
  • 히스토리 — 월별로 추천받은 곡과 감정 기록 확인
  • 감정 통계 · 조언 — 월별 감정 그래프와 최다 감정 기반 응원 메시지 제공
📱 앱 화면 보기imageimageimage
추천 파이프라인 (How it works)
flowchart LR
A["일기 작성"] --> B["Kiwi 문장 분리"]
B --> C["KoBERT 감정 분류<br/>(문장별)"]
C --> D["감정 대표 문장 선정"]
D --> E["768차원 임베딩"]
E --> F["감정-장르 매핑 내<br/>가사 임베딩과 코사인 유사도"]
F --> G["Top-3 음악 · 가사 추천"]

Loading
모델 성능 (KoBERT 파인튜닝)
실험데이터셋Valid AccF1-Score
Baseline3,610 문장0.4800.443
중간5,614 문장0.6230.623
최종10,001 문장0.7920.790
  • 동일 사분면 감정 그룹화 시 F1-Score 0.849
  • 데이터셋: SNS·커뮤니티(유튜브 댓글 등)에서 직접 수집하고, 감정 판단 기준표를 세워 8종 라벨링·검수
  • 중간발표 피드백을 반영해 추천을 1곡 → 3곡 + 재추천으로 개선, 추천 다양성 확보
  • 사용자 검증: 41명 설문(실사용자 19명) — 감정 분석 "매우 일치" 68.4%, 분석·추천 만족도 80% 이상, 사용 의향 87.8%
Package Structure
app
├── main.py # FastAPI 엔트리포인트
├── database.py # DB 연결 설정
├── transaction.py # 트랜잭션 유틸
├── user/ # 회원, JWT 인증
├── diary/ # 일기 CRUD, 감정 분석 트리거
├── emotion/ # KoBERT 감정 분류
├── embedding/ # 문장 임베딩, 유사도 계산
├── songs/ # 곡 데이터
├── genre/ # 감정-장르 매핑
├── statistics/ # 월별 감정 통계·조언
├── crawling/ # 멜론 가사 크롤러
└── test/ # 테스트 라우터

Role & Contribution — 서정빈 (팀장)
  • 4인 팀 프로젝트 총괄 및 단계별 목표 · 일정 · 역할 조율
  • 감정 데이터셋 수집 · 라벨링과 KoBERT 학습 · 하이퍼파라미터 튜닝에 직접 참여 — F1-score 0.443 → 0.790 개선에 기여
  • 일기 · 가사 임베딩 코사인 유사도 기반 Top-3 추천 알고리즘 설계 · 구현
  • FastAPI 서버 · DB 설계, 학습 모델의 서버 통합 · 서빙, Docker 배포 등 백엔드 전체 구축
Tip
📊 최종 발표자료
· 🎬 시연 영상
About
No description, website, or topics provided.
Resources
Readme
Activity
Custom properties
Stars
1 star
Watchers
0 watching
Forks
0 forks
Report repository
Releases
Packages
Used by
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
injectUserscript("// Universal Dark Mode - works on any site\n(function() {\n var enabled = true;\n \n function applyDarkMode() {\n if (!enabled) return;\n \n // Create style element if it doesn't exist\n var style = document.getElementById('universal-dark-mode-style');\n if (!style) {\n style = document.createElement('style');\n style.id = 'universal-dark-mode-style';\n document.head.appendChild(style);\n }\n \n // Dark mode CSS - inverts colors but preserves images/video\n style.textContent = '\n /* Invert everything except media */\n html {\n filter: invert(1) hue-rotate(180deg) !important;\n background: #1a1a2e !important;\n }\n \n /* Restore images, videos, iframes, canvas */\n img, video, iframe, canvas, svg, picture, [style*=\"background-image\"] {\n filter: invert(1) hue-rotate(180deg) !important;\n }\n \n /* Preserve specific elements that should not be inverted */\n .no-dark-mode, .no-dark-mode *,\n [data-theme=\"light\"], [data-theme=\"light\"],\n .ace_editor, .ace_editor *,\n .CodeMirror, .CodeMirror *,\n .monaco-editor, .monaco-editor *,\n .markdown-body pre, .markdown-body pre *,\n .highlight, .highlight *,\n pre code, pre code * {\n filter: none !important;\n }\n \n /* Fix common UI elements */\n .modal, .popup, .dropdown-menu, .tooltip, .popover {\n filter: invert(1) hue-rotate(180deg) !important;\n background: #2d2d44 !important;\n border-color: #444 !important;\n }\n \n /* Scrollbars */\n ::-webkit-scrollbar { background: #1a1a2e !important; }\n ::-webkit-scrollbar-thumb { background: #444 !important; }\n ::-webkit-scrollbar-thumb:hover { background: #555 !important; }\n \n /* Selection */\n ::selection { background: #4ecdc4 !important; color: #1a1a2e !important; }\n ::-moz-selection { background: #4ecdc4 !important; color: #1a1a2e !important; }\n ';\n }\n \n function removeDarkMode() {\n var style = document.getElementById('universal-dark-mode-style');\n if (style) style.remove();\n }\n \n // Toggle with Alt+Shift+D\n document.addEventListener('keydown', function(e) {\n if (e.altKey && e.shiftKey && e.key === 'D') {\n e.preventDefault();\n enabled = !enabled;\n if (enabled) {\n applyDarkMode();\n console.log('[Universal Dark Mode] Enabled');\n } else {\n removeDarkMode();\n console.log('[Universal Dark Mode] Disabled');\n }\n }\n });\n \n // Apply on load\n applyDarkMode();\n \n // Re-apply on dynamic content\n var observer = new MutationObserver(function(mutations) {\n if (enabled && !document.getElementById('universal-dark-mode-style')) {\n applyDarkMode();\n }\n });\n observer.observe(document.head, { childList: true });\n \n console.log('[Universal Dark Mode] Loaded - Press Alt+Shift+D to toggle');\n})();", "Universal Dark Mode");
}
} catch(__e) { console.warn('[Userscript:Universal Dark Mode]', __e); }
})();
})();

Skip to content
BranchesTags
Latest commit
History
84 Commits
Folders and files
NameName
Last commit message
Last commit date
.github/workflows
.github/workflows
.idea
.idea
app
app
.gitignore
.gitignore
README.md
README.md
requirements.txt
requirements.txt
Repository files navigation
🎵 Melog - AI와 음악이 만나는 감성일기
Important
사용자가 쓴 일기의 감정을 KoBERT로 분석(8종) 하고,
그 감정에 어울리는 음악과 가사를 추천하는 감정 기록 서비스의 FastAPI 서버입니다.
2025 한국기술교육대학교 컴퓨터공학부 졸업작품
🏆 한국기술교육대학교 공학설계 아이디어 경진대회 우수작품상(2024) · 졸업작품 우수상(2025)
Tech Stack
분류기술
Language / FrameworkPython, FastAPI, SQLAlchemy 2.0, Alembic
DatabaseMySQL, MongoDB(motor), Redis
AI / NLPPyTorch, KoBERT(SKT kobert-base-v1), Hugging Face Transformers, Kiwi 형태소 분석기
AuthJWT(python-jose), bcrypt
Data CollectionSelenium, BeautifulSoup4, youtube-comment-downloader
주요 기능
  • 감정 분석 — 일기를 문장 단위로 분리해 8종 감정(신남·기대·만족·편안·허무·우울·슬픔·분노)으로 분류
image
  • 음악 · 가사 추천 — 감정-장르 매핑 안에서 가사 유사도 기준 Top-3 곡과 대표 가사 추천, 재추천 지원
  • 히스토리 — 월별로 추천받은 곡과 감정 기록 확인
  • 감정 통계 · 조언 — 월별 감정 그래프와 최다 감정 기반 응원 메시지 제공
📱 앱 화면 보기imageimageimage
추천 파이프라인 (How it works)
flowchart LR
A["일기 작성"] --> B["Kiwi 문장 분리"]
B --> C["KoBERT 감정 분류<br/>(문장별)"]
C --> D["감정 대표 문장 선정"]
D --> E["768차원 임베딩"]
E --> F["감정-장르 매핑 내<br/>가사 임베딩과 코사인 유사도"]
F --> G["Top-3 음악 · 가사 추천"]

Loading
모델 성능 (KoBERT 파인튜닝)
실험데이터셋Valid AccF1-Score
Baseline3,610 문장0.4800.443
중간5,614 문장0.6230.623
최종10,001 문장0.7920.790
  • 동일 사분면 감정 그룹화 시 F1-Score 0.849
  • 데이터셋: SNS·커뮤니티(유튜브 댓글 등)에서 직접 수집하고, 감정 판단 기준표를 세워 8종 라벨링·검수
  • 중간발표 피드백을 반영해 추천을 1곡 → 3곡 + 재추천으로 개선, 추천 다양성 확보
  • 사용자 검증: 41명 설문(실사용자 19명) — 감정 분석 "매우 일치" 68.4%, 분석·추천 만족도 80% 이상, 사용 의향 87.8%
Package Structure
app
├── main.py # FastAPI 엔트리포인트
├── database.py # DB 연결 설정
├── transaction.py # 트랜잭션 유틸
├── user/ # 회원, JWT 인증
├── diary/ # 일기 CRUD, 감정 분석 트리거
├── emotion/ # KoBERT 감정 분류
├── embedding/ # 문장 임베딩, 유사도 계산
├── songs/ # 곡 데이터
├── genre/ # 감정-장르 매핑
├── statistics/ # 월별 감정 통계·조언
├── crawling/ # 멜론 가사 크롤러
└── test/ # 테스트 라우터

Role & Contribution — 서정빈 (팀장)
  • 4인 팀 프로젝트 총괄 및 단계별 목표 · 일정 · 역할 조율
  • 감정 데이터셋 수집 · 라벨링과 KoBERT 학습 · 하이퍼파라미터 튜닝에 직접 참여 — F1-score 0.443 → 0.790 개선에 기여
  • 일기 · 가사 임베딩 코사인 유사도 기반 Top-3 추천 알고리즘 설계 · 구현
  • FastAPI 서버 · DB 설계, 학습 모델의 서버 통합 · 서빙, Docker 배포 등 백엔드 전체 구축
Tip
📊 최종 발표자료
· 🎬 시연 영상
About
No description, website, or topics provided.
Resources
Readme
Activity
Custom properties
Stars
1 star
Watchers
0 watching
Forks
0 forks
Report repository
Releases
Packages
Used by
Contributors
Languages