feat: 바코드 기반 제품 태깅 시스템 구축

- product_master 테이블: 제품 마스터 (바코드, 이름, 성분, 태그) - product_categories: 제품 카테고리 22개 (진통제, 소화제 등) - product_category_mapping: 다대다 매핑 (하나의 제품이 여러 카테고리) - disease_codes: 질병 코드 ICD-10 12개 - disease_product_mapping: 질병-제품 매핑 - 샘플 제품 3개 추가 (탁센, 베아제, 마그비맥스) - BARCODE 컬럼 95.79% 보유율 확인 - 온톨로지 기반 추천 시스템 설계 문서 Co-Authored-By: Claude Sonnet 4.5 <noreply@anthropic.com>
2026-01-23 23:28:59 +09:00
parent a3252f7f17
commit 39539639b7
7 changed files with 953 additions and 0 deletions
--- a/docs/PRODUCT_TAGGING_SYSTEM.md
+++ b/docs/PRODUCT_TAGGING_SYSTEM.md
@@ -0,0 +1,396 @@
+# 바코드 기반 제품 태깅 시스템 설계
+
+## 목표
+
+바코드를 기준으로 약품 정보를 AI로 자동 태깅하여 온톨로지 기반 추천 시스템 구축
+
+## 배경
+
+- **문제**: 약국마다 동일 제품의 이름이 다르게 저장됨 (예: "탁센", "탁센정", "Taxen")
+- **해결**: 바코드는 제품 껍데기에 인쇄되어 전국 동일 → 바코드 기준 마스터 데이터 구축
+- **현황**: SALE_SUB.BARCODE 컬럼 존재, 95.79% 판매 건수에 바코드 있음
+
+## 시스템 구조
+
+### 1. 데이터 구조
+
+#### SQLite - product_master 테이블
+
+```sql
+CREATE TABLE product_master (
+    barcode TEXT PRIMARY KEY,              -- 바코드 (8806449141111)
+    product_name TEXT NOT NULL,            -- 대표 제품명 (마그비맥스)
+
+    -- 기본 정보
+    category TEXT,                         -- 분류 (일반의약품, 전문의약품, 건강기능식품)
+    manufacturer TEXT,                     -- 제조사
+    ingredients_json TEXT,                 -- 성분 정보 (JSON)
+
+    -- AI 태깅 (JSON)
+    tags_symptoms TEXT,                    -- 증상 태그 ["피로회복", "구내염", "육체피로"]
+    tags_ingredients TEXT,                 -- 성분 태그 ["메코발라민 1mg", "UDCA 60mg", "타우린 100mg"]
+    tags_effects TEXT,                     -- 효능 태그 ["활성비타민 5종", "간 기능 개선"]
+
+    -- 온톨로지 (계층 구조)
+    ontology_json TEXT,                    -- 온톨로지 구조 (JSON)
+
+    -- 메타데이터
+    source_url TEXT,                       -- 크롤링한 URL
+    last_updated TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
+    is_verified BOOLEAN DEFAULT 0          -- 약사 검증 여부
+);
+
+-- 인덱스
+CREATE INDEX idx_product_name ON product_master(product_name);
+CREATE INDEX idx_category ON product_master(category);
+```
+
+#### JSON 구조 예시
+
+**탁센 (Taxen)**
+```json
+{
+  "barcode": "8806436016712",
+  "product_name": "탁센캡슐",
+  "category": "일반의약품",
+  "manufacturer": "동아제약",
+
+  "ingredients": [
+    {"name": "나프록센", "amount": "250mg", "role": "주성분"}
+  ],
+
+  "tags_symptoms": ["생리통", "치통", "골관절염", "두통", "근육통"],
+  "tags_ingredients": ["나프록센 250mg", "비스테로이드성 소염진통제"],
+  "tags_effects": ["진통", "소염", "해열"],
+
+  "ontology": {
+    "class": "진통소염제",
+    "subclass": "비스테로이드성 소염진통제",
+    "mechanism": "COX 억제",
+    "targets": ["관절염", "통증", "염증"],
+    "relations": {
+      "similar_to": ["이부프로펜", "디클로페낙"],
+      "alternative_for": ["생리통약", "두통약"],
+      "contraindications": ["위장장애", "임신말기", "아스피린 알레르기"]
+    }
+  }
+}
+```
+
+**마그비맥스**
+```json
+{
+  "barcode": "8806265019618",
+  "product_name": "마그비맥스",
+  "category": "일반의약품",
+  "manufacturer": "일양약품",
+
+  "ingredients": [
+    {"name": "메코발라민", "amount": "1mg", "role": "비타민B12"},
+    {"name": "UDCA", "amount": "60mg", "role": "간 기능 개선"},
+    {"name": "타우린", "amount": "100mg", "role": "피로회복"},
+    {"name": "피리독신", "amount": "50mg", "role": "비타민B6"},
+    {"name": "티아민", "amount": "50mg", "role": "비타민B1"}
+  ],
+
+  "tags_symptoms": ["피로회복", "구내염", "육체피로", "신경통", "근육통"],
+  "tags_ingredients": [
+    "메코발라민 1mg",
+    "UDCA 60mg",
+    "타우린 100mg",
+    "활성비타민 5종"
+  ],
+  "tags_effects": ["간 기능 개선", "신경계 보호", "에너지 대사"],
+
+  "ontology": {
+    "class": "비타민제",
+    "subclass": "복합비타민",
+    "mechanism": "비타민B군 보충",
+    "targets": ["피로", "간기능", "신경계"],
+    "relations": {
+      "similar_to": ["박카스", "활명수", "우루사"],
+      "alternative_for": ["피로회복제", "간 영양제"],
+      "synergistic_with": ["밀크씨슬", "실리마린"],
+      "contraindications": []
+    }
+  }
+}
+```
+
+### 2. AI 자동 태깅 시스템
+
+#### 2.1 데이터 소스
+
+1. **약학정보원 (KPIS)**: https://www.health.kr
+   - 의약품 검색 → 바코드로 검색
+   - 효능, 성분, 용법 크롤링
+
+2. **식약처 의약품안전나라**: https://nedrug.mfds.go.kr
+   - 허가 정보, 성분, 효능효과
+   - API 사용 가능 (공공데이터포털)
+
+3. **건강보험심사평가원**: https://www.hira.or.kr
+   - 약가 정보, 성분코드
+
+4. **제품 인서트 이미지 OCR**
+   - PIL + Tesseract OCR
+   - 제품 박스 사진에서 성분 추출
+
+#### 2.2 AI 태깅 프로세스
+
+```python
+def ai_tag_product(barcode):
+    """
+    바코드로 제품 자동 태깅
+
+    1. 웹 크롤링으로 제품 정보 수집
+    2. OpenAI GPT-4o로 정보 분석 및 태깅
+    3. 온톨로지 구조 생성
+    4. SQLite에 저장
+    """
+
+    # Step 1: 웹 크롤링
+    product_info = crawl_product_info(barcode)
+
+    # Step 2: OpenAI 프롬프트
+    prompt = f"""
+    다음 약품 정보를 분석하여 JSON 형식으로 태깅해주세요.
+
+    제품명: {product_info['name']}
+    성분: {product_info['ingredients']}
+    효능: {product_info['effects']}
+
+    다음 형식으로 반환:
+    {{
+      "tags_symptoms": ["증상1", "증상2", ...],
+      "tags_ingredients": ["성분명 용량", ...],
+      "tags_effects": ["효능1", "효능2", ...],
+      "ontology": {{
+        "class": "약품 분류",
+        "subclass": "세부 분류",
+        "mechanism": "작용 기전",
+        "targets": ["대상 증상", ...],
+        "relations": {{
+          "similar_to": ["유사 제품", ...],
+          "alternative_for": ["대체 가능 용도", ...],
+          "synergistic_with": ["시너지 제품", ...],
+          "contraindications": ["금기사항", ...]
+        }}
+      }}
+    }}
+    """
+
+    # Step 3: OpenAI 호출
+    analysis = call_openai(prompt)
+
+    # Step 4: DB 저장
+    save_to_product_master(barcode, analysis)
+```
+
+#### 2.3 크롤링 구현
+
+```python
+import requests
+from bs4 import BeautifulSoup
+
+def crawl_kpis(barcode):
+    """약학정보원에서 제품 정보 크롤링"""
+    url = f"https://www.health.kr/searchDrug/result_drug.asp?barcode={barcode}"
+    response = requests.get(url)
+    soup = BeautifulSoup(response.text, 'html.parser')
+
+    return {
+        "name": soup.select_one('.drug-name').text,
+        "ingredients": soup.select('.ingredient'),
+        "effects": soup.select_one('.effect').text,
+        "manufacturer": soup.select_one('.maker').text
+    }
+
+def crawl_nedrug(barcode):
+    """식약처 의약품안전나라 API"""
+    api_key = os.getenv('NEDRUG_API_KEY')
+    url = f"https://apis.data.go.kr/1471000/DrugPrdtPrmsnInfoService05/getDrugPrdtPrmsnInq05"
+    params = {
+        "serviceKey": api_key,
+        "bar_code": barcode,
+        "type": "json"
+    }
+    response = requests.get(url, params=params)
+    return response.json()
+```
+
+### 3. API 엔드포인트
+
+#### 3.1 제품 태깅 API
+
+```python
+@app.route('/api/product/tag/<barcode>', methods=['POST'])
+def tag_product(barcode):
+    """
+    바코드로 제품 자동 태깅
+
+    Returns:
+        {
+            "success": true,
+            "product": {...},
+            "tags": {...},
+            "ontology": {...}
+        }
+    """
+```
+
+#### 3.2 제품 조회 API
+
+```python
+@app.route('/api/product/<barcode>', methods=['GET'])
+def get_product(barcode):
+    """
+    바코드로 제품 정보 조회
+
+    Returns:
+        {
+            "success": true,
+            "product": {...},
+            "recommendations": [...]  # 온톨로지 기반 추천
+        }
+    """
+```
+
+#### 3.3 유사 제품 추천 API
+
+```python
+@app.route('/api/product/<barcode>/recommendations', methods=['GET'])
+def get_recommendations(barcode):
+    """
+    온톨로지 기반 유사/대체 제품 추천
+
+    Returns:
+        {
+            "similar_products": [...],
+            "alternative_products": [...],
+            "synergistic_products": [...]
+        }
+    """
+```
+
+### 4. 온톨로지 기반 추천 로직
+
+```python
+def recommend_products(user_id, current_barcode):
+    """
+    온톨로지 기반 제품 추천
+
+    1. 사용자 구매 이력 분석
+    2. 현재 제품의 온톨로지 확인
+    3. 유사/대체/시너지 제품 검색
+    4. 사용자 맞춤 추천
+    """
+
+    # 사용자 구매 패턴
+    user_purchases = get_user_purchase_history(user_id)
+
+    # 현재 제품 온톨로지
+    product = get_product_master(current_barcode)
+    ontology = product['ontology']
+
+    # 추천 알고리즘
+    recommendations = []
+
+    # 1. 유사 제품 (similar_to)
+    for similar_barcode in ontology['relations']['similar_to']:
+        recommendations.append({
+            "barcode": similar_barcode,
+            "reason": "유사 제품",
+            "score": 0.8
+        })
+
+    # 2. 대체 제품 (alternative_for)
+    for alt_category in ontology['relations']['alternative_for']:
+        alt_products = search_by_category(alt_category)
+        recommendations.extend(alt_products)
+
+    # 3. 시너지 제품 (synergistic_with)
+    for synergy_barcode in ontology['relations']['synergistic_with']:
+        recommendations.append({
+            "barcode": synergy_barcode,
+            "reason": "함께 복용 시 효과적",
+            "score": 0.9
+        })
+
+    return recommendations
+```
+
+### 5. Vector Database 활용 (선택)
+
+고급 검색을 위해 Vector DB(Pinecone, Weaviate, ChromaDB) 사용 가능:
+
+```python
+# 제품 임베딩 생성
+from openai import OpenAI
+
+def create_product_embedding(product):
+    """제품 정보를 벡터로 변환"""
+    text = f"{product['name']} {' '.join(product['tags_symptoms'])} {' '.join(product['tags_ingredients'])}"
+
+    client = OpenAI()
+    response = client.embeddings.create(
+        input=text,
+        model="text-embedding-3-small"
+    )
+
+    return response.data[0].embedding
+
+# 유사 제품 검색
+def search_similar_products(query_embedding, top_k=10):
+    """벡터 유사도 기반 제품 검색"""
+    # ChromaDB 사용 예시
+    results = collection.query(
+        query_embeddings=[query_embedding],
+        n_results=top_k
+    )
+    return results
+```
+
+## 구현 단계
+
+### Phase 1: 데이터 수집 (1주)
+- [ ] product_master 테이블 생성
+- [ ] 약학정보원 크롤러 구현
+- [ ] 식약처 API 연동
+- [ ] 100개 인기 제품 수동 태깅
+
+### Phase 2: AI 태깅 (1주)
+- [ ] OpenAI 태깅 API 구현
+- [ ] 배치 태깅 스크립트
+- [ ] 전체 제품 자동 태깅
+
+### Phase 3: 온톨로지 구축 (1주)
+- [ ] 제품 분류 체계 구축
+- [ ] 관계 정의 (유사/대체/시너지)
+- [ ] 추천 알고리즘 구현
+
+### Phase 4: 검증 및 개선 (1주)
+- [ ] 약사 검증 UI
+- [ ] 오류 수정 시스템
+- [ ] 성능 최적화
+
+## 예상 비용
+
+- **OpenAI API**: GPT-4o-mini 사용 시 3,000개 제품 × $0.002 = $6
+- **웹 크롤링**: 무료 (공공데이터)
+- **Vector DB**: ChromaDB (로컬) 사용 시 무료
+
+## 기대 효과
+
+1. **개인화 추천**: 고객 구매 패턴 + 온톨로지 → 정확한 제품 추천
+2. **재구매 유도**: "지난번 구매한 탁센과 유사한 제품"
+3. **크로스셀**: "마그비맥스와 함께 복용하면 좋은 밀크씨슬"
+4. **약사 상담 지원**: 대체 제품 즉시 검색
+5. **재고 관리**: 유사 제품 재고 확인
+
+## 참고 자료
+
+- 약학정보원: https://www.health.kr
+- 식약처 의약품안전나라: https://nedrug.mfds.go.kr
+- 공공데이터포털 API: https://www.data.go.kr
+- OpenAI Embeddings: https://platform.openai.com/docs/guides/embeddings