thug0bin/pharmacy-pos-qr-system
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

feat: 바코드 기반 제품 태깅 시스템 구축

Browse Source 
- 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>
This commit is contained in:
시골약사 2026-01-23 23:28:59 +09:00
parent a3252f7f17
commit 39539639b7
7 changed files with 953 additions and 0 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

8
CLAUDECODE.md
View File

@ -130,11 +130,19 @@ pharmacy-pos-qr-system/
```sql ```sql
- SL_NO_order: 거래 번호 (Foreign Key) - SL_NO_order: 거래 번호 (Foreign Key)
- DrugCode: 약품 코드 - DrugCode: 약품 코드
- BARCODE: 제품 바코드 (nvarchar(20)) ⭐ 95.79% 보유율
- SL_NM_item: 수량 (decimal) - SL_NM_item: 수량 (decimal)
- SL_INPUT_PRICE: 입력 단가 - SL_INPUT_PRICE: 입력 단가
- SL_TOTAL_PRICE: 합계 금액 - SL_TOTAL_PRICE: 합계 금액
``` ```
**바코드 통계**:
- 전체 제품 수: 3,120개
- 바코드 종류: 3,307개
- 바코드 보유율: **95.79%** (174,327건 / 181,985건)
- 활용: AI 기반 제품 태깅, 온톨로지 구축, 개인화 추천
#### CD_GOODS (약품 마스터 - PM_DRUG 데이터베이스) #### CD_GOODS (약품 마스터 - PM_DRUG 데이터베이스)
```sql ```sql

3
README.md
View File

@ -107,7 +107,10 @@ npm run dev
- **PM_PRES.SALE_MAIN**: 판매 헤더 - **PM_PRES.SALE_MAIN**: 판매 헤더
- **PM_PRES.SALE_SUB**: 판매 상세 - **PM_PRES.SALE_SUB**: 판매 상세
- ⭐ **BARCODE 컬럼**: 제품 바코드 (95.79% 보유율)
- 활용: AI 기반 제품 태깅, 온톨로지 구축, 개인화 추천
- **PM_BASE.CD_PERSON**: 고객 정보 - **PM_BASE.CD_PERSON**: 고객 정보
- **PM_DRUG.CD_GOODS**: 약품 마스터 (제품명)
### SQLite (신규 마일리지) ### SQLite (신규 마일리지)

70
backend/apply_product_schema.py Normal file
View File

@ -0,0 +1,70 @@
"""
제품 태깅 시스템 스키마 적용
"""
import sqlite3
import os
def apply_product_schema():
"""product_tagging_schema.sql을 mileage.db에 적용"""
db_path = os.path.join(os.path.dirname(__file__), 'db', 'mileage.db')
schema_path = os.path.join(os.path.dirname(__file__), 'db', 'product_tagging_schema.sql')
print(f"DB 경로: {db_path}")
print(f"스키마 경로: {schema_path}")
# 스키마 파일 읽기
with open(schema_path, 'r', encoding='utf-8') as f:
schema_sql = f.read()
# DB 연결 및 실행
conn = sqlite3.connect(db_path)
cursor = conn.cursor()
try:
# 전체 스키마 실행
cursor.executescript(schema_sql)
conn.commit()
print("\n[OK] 제품 태깅 시스템 스키마 적용 완료!")
# 테이블 확인
cursor.execute("""
SELECT name FROM sqlite_master
WHERE type='table' AND name LIKE '%product%' OR name LIKE '%disease%'
ORDER BY name
""")
tables = cursor.fetchall()
print("\n생성된 테이블:")
for table in tables:
print(f" - {table[0]}")
# 초기 데이터 확인
cursor.execute("SELECT COUNT(*) FROM product_categories")
cat_count = cursor.fetchone()[0]
print(f"\n제품 카테고리: {cat_count}개")
cursor.execute("SELECT COUNT(*) FROM disease_codes")
disease_count = cursor.fetchone()[0]
print(f"질병 코드: {disease_count}개")
cursor.execute("SELECT COUNT(*) FROM disease_product_mapping")
mapping_count = cursor.fetchone()[0]
print(f"질병-제품 매핑: {mapping_count}개")
# 카테고리 목록 출력
print("\n제품 카테고리 목록:")
cursor.execute("SELECT category_name, description FROM product_categories ORDER BY category_id")
categories = cursor.fetchall()
for cat, desc in categories:
print(f" - {cat:15} : {desc}")
except Exception as e:
print(f"\n[ERROR] 오류 발생: {e}")
conn.rollback()
finally:
conn.close()
if __name__ == '__main__':
apply_product_schema()

70
backend/check_barcodes.py Normal file
View File

@ -0,0 +1,70 @@
"""
바코드가 있는 제품 샘플 조회
"""
import sys
import os
sys.path.insert(0, os.path.dirname(__file__))
from db.dbsetup import DatabaseManager
from sqlalchemy import text
def check_barcode_samples():
"""바코드가 있는 제품 샘플 조회"""
db_manager = DatabaseManager()
try:
session = db_manager.get_session('PM_PRES')
# 바코드가 있는 제품 샘플 조회
query = text("""
SELECT TOP 10
S.DrugCode,
S.BARCODE,
G.GoodsName,
S.SL_NM_cost_a as price
FROM SALE_SUB S
LEFT JOIN PM_DRUG.dbo.CD_GOODS G ON S.DrugCode = G.DrugCode
WHERE S.BARCODE IS NOT NULL AND S.BARCODE != ''
ORDER BY S.SL_NO_order DESC
""")
results = session.execute(query).fetchall()
print('=' * 100)
print('바코드가 있는 제품 샘플 (최근 10개)')
print('=' * 100)
for r in results:
barcode = r.BARCODE if r.BARCODE else '(없음)'
goods_name = r.GoodsName if r.GoodsName else '(약품명 없음)'
print(f'DrugCode: {r.DrugCode:20} | BARCODE: {barcode:20} | 제품명: {goods_name}')
print('=' * 100)
# 바코드 통계
stats_query = text("""
SELECT
COUNT(DISTINCT DrugCode) as total_drugs,
COUNT(DISTINCT BARCODE) as total_barcodes,
SUM(CASE WHEN BARCODE IS NOT NULL AND BARCODE != '' THEN 1 ELSE 0 END) as with_barcode,
COUNT(*) as total_sales
FROM SALE_SUB
""")
stats = session.execute(stats_query).fetchone()
print('\n바코드 통계')
print('=' * 100)
print(f'전체 제품 수 (DrugCode): {stats.total_drugs:,}')
print(f'바코드 종류 수: {stats.total_barcodes:,}')
print(f'바코드가 있는 판매 건수: {stats.with_barcode:,}')
print(f'전체 판매 건수: {stats.total_sales:,}')
print(f'바코드 보유율: {stats.with_barcode / stats.total_sales * 100:.2f}%')
print('=' * 100)
except Exception as e:
print(f"오류 발생: {e}")
finally:
db_manager.close_all()
if __name__ == '__main__':
check_barcode_samples()

269
backend/db/product_tagging_schema.sql Normal file
View File

@ -0,0 +1,269 @@
-- ============================================================================
-- 제품 태깅 시스템 스키마 (Product Tagging System)
-- 바코드 기반 AI 자동 태깅, 온톨로지 구축, 질병 코드 매핑
-- ============================================================================
-- ============================================================================
-- 1. 제품 마스터 (Product Master)
-- ============================================================================
CREATE TABLE IF NOT EXISTS product_master (
barcode TEXT PRIMARY KEY, -- 제품 바코드 (8806436016712)
product_name TEXT NOT NULL, -- 대표 제품명 (탁센캡슐)
manufacturer TEXT, -- 제조사 (동아제약)
-- 분류
drug_classification TEXT, -- 일반의약품, 전문의약품, 건강기능식품
-- 성분 정보 (JSON)
ingredients_json TEXT, -- [{"name": "나프록센", "amount": "250mg", "role": "주성분"}]
-- AI 태그 (JSON 배열)
tags_symptoms TEXT, -- ["생리통", "치통", "골관절염", "두통", "근육통"]
tags_ingredients TEXT, -- ["나프록센 250mg", "비스테로이드성 소염진통제"]
tags_effects TEXT, -- ["진통", "소염", "해열"]
-- 메타데이터
source_url TEXT, -- 크롤링한 URL (약학정보원, 식약처)
last_updated TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
is_verified BOOLEAN DEFAULT 0, -- 약사 검증 여부
notes TEXT -- 약사 메모
);
-- 인덱스
CREATE INDEX IF NOT EXISTS idx_product_name ON product_master(product_name);
CREATE INDEX IF NOT EXISTS idx_manufacturer ON product_master(manufacturer);
CREATE INDEX IF NOT EXISTS idx_drug_classification ON product_master(drug_classification);
CREATE INDEX IF NOT EXISTS idx_last_updated ON product_master(last_updated);
-- ============================================================================
-- 2. 제품 카테고리 마스터 (Product Categories)
-- ============================================================================
CREATE TABLE IF NOT EXISTS product_categories (
category_id INTEGER PRIMARY KEY AUTOINCREMENT,
category_name TEXT UNIQUE NOT NULL, -- 진통제, 소화제, 비타민 등
parent_category TEXT, -- 상위 카테고리 (옵션)
description TEXT, -- 카테고리 설명
created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);
-- 인덱스
CREATE INDEX IF NOT EXISTS idx_category_name ON product_categories(category_name);
CREATE INDEX IF NOT EXISTS idx_parent_category ON product_categories(parent_category);
-- ============================================================================
-- 3. 제품-카테고리 매핑 (다대다 관계)
-- ============================================================================
CREATE TABLE IF NOT EXISTS product_category_mapping (
barcode TEXT NOT NULL, -- 제품 바코드
category_name TEXT NOT NULL, -- 카테고리명
relevance_score REAL DEFAULT 1.0, -- 관련도 (0.0 ~ 1.0)
-- 1.0 = 주 카테고리, 0.5 = 부 카테고리
created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
PRIMARY KEY (barcode, category_name),
FOREIGN KEY (barcode) REFERENCES product_master(barcode) ON DELETE CASCADE,
FOREIGN KEY (category_name) REFERENCES product_categories(category_name) ON DELETE CASCADE
);
-- 인덱스
CREATE INDEX IF NOT EXISTS idx_mapping_barcode ON product_category_mapping(barcode);
CREATE INDEX IF NOT EXISTS idx_mapping_category ON product_category_mapping(category_name);
CREATE INDEX IF NOT EXISTS idx_mapping_score ON product_category_mapping(relevance_score);
-- ============================================================================
-- 4. 질병 코드 (ICD-10)
-- ============================================================================
CREATE TABLE IF NOT EXISTS disease_codes (
icd_code TEXT PRIMARY KEY, -- K30 (ICD-10 코드)
disease_name TEXT NOT NULL, -- 소화불량
disease_category TEXT, -- 소화기질환
description TEXT, -- 기능성 소화불량증
created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);
-- 인덱스
CREATE INDEX IF NOT EXISTS idx_disease_name ON disease_codes(disease_name);
CREATE INDEX IF NOT EXISTS idx_disease_category ON disease_codes(disease_category);
-- ============================================================================
-- 5. 질병군 마스터
-- ============================================================================
CREATE TABLE IF NOT EXISTS disease_categories (
category_id INTEGER PRIMARY KEY AUTOINCREMENT,
category_name TEXT UNIQUE NOT NULL, -- 소화기질환, 근골격계질환 등
parent_category TEXT, -- 상위 질병군 (옵션)
description TEXT,
created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);
-- 인덱스
CREATE INDEX IF NOT EXISTS idx_dis_category_name ON disease_categories(category_name);
-- ============================================================================
-- 6. 질병군 - 제품군 매핑
-- ============================================================================
CREATE TABLE IF NOT EXISTS disease_product_mapping (
id INTEGER PRIMARY KEY AUTOINCREMENT,
disease_category TEXT NOT NULL, -- 소화기질환
product_category TEXT NOT NULL, -- 소화제
relevance_score REAL DEFAULT 1.0, -- 관련도 (0.0 ~ 1.0)
created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
FOREIGN KEY (disease_category) REFERENCES disease_categories(category_name) ON DELETE CASCADE,
FOREIGN KEY (product_category) REFERENCES product_categories(category_name) ON DELETE CASCADE,
UNIQUE(disease_category, product_category)
);
-- 인덱스
CREATE INDEX IF NOT EXISTS idx_dis_prod_disease ON disease_product_mapping(disease_category);
CREATE INDEX IF NOT EXISTS idx_dis_prod_product ON disease_product_mapping(product_category);
-- ============================================================================
-- 초기 데이터: 제품 카테고리
-- ============================================================================
INSERT OR IGNORE INTO product_categories (category_name, description) VALUES
-- 진통/소염
('진통제', '통증 완화'),
('소염제', '염증 완화'),
('해열제', '발열 완화'),
('진통소염제', '통증과 염증 동시 완화'),
-- 소화기
('소화제', '소화 기능 개선'),
('위장약', '위장 보호 및 치료'),
('제산제', '위산 중화'),
('정장제', '장 기능 개선'),
-- 호흡기
('감기약', '감기 증상 완화'),
('기침약', '기침 완화'),
('거담제', '가래 배출'),
-- 비타민/영양
('복합비타민', '종합 비타민'),
('간영양제', '간 기능 개선'),
('피로회복제', '피로 회복'),
('칼슘제', '칼슘 보충'),
('철분제', '철분 보충'),
-- 외용
('파스', '외용 진통소염'),
('안약', '안과 질환'),
('연고', '피부 외용'),
-- 기타
('항히스타민제', '알레르기 완화'),
('수면제', '수면 유도'),
('변비약', '배변 활동 개선');
-- ============================================================================
-- 초기 데이터: 질병 카테고리
-- ============================================================================
INSERT OR IGNORE INTO disease_categories (category_name, description) VALUES
('소화기질환', '소화기계 관련 질환'),
('근골격계질환', '관절, 근육 관련 질환'),
('신경계질환', '신경계 관련 질환'),
('호흡기질환', '호흡기계 관련 질환'),
('순환기질환', '심혈관계 관련 질환'),
('피부질환', '피부 관련 질환');
-- ============================================================================
-- 초기 데이터: 주요 질병 코드 (ICD-10)
-- ============================================================================
INSERT OR IGNORE INTO disease_codes (icd_code, disease_name, disease_category, description) VALUES
-- 소화기
('K30', '소화불량', '소화기질환', '기능성 소화불량증'),
('K29', '위염', '소화기질환', '만성 위염'),
('K21', '역류성식도염', '소화기질환', 'GERD'),
('K59', '변비', '소화기질환', '기능성 변비'),
-- 근골격계
('M25', '관절통', '근골격계질환', '관절 통증'),
('M79', '근육통', '근골격계질환', '근육 통증'),
('M54', '요통', '근골격계질환', '허리 통증'),
-- 신경계
('R51', '두통', '신경계질환', '긴장성 두통'),
('G43', '편두통', '신경계질환', '편두통'),
-- 호흡기
('J00', '급성비인두염', '호흡기질환', '감기'),
('J06', '급성상기도감염', '호흡기질환', '상기도 감염'),
-- 기타
('N94', '생리통', '여성질환', '월경통');
-- ============================================================================
-- 초기 데이터: 질병군 - 제품군 매핑
-- ============================================================================
INSERT OR IGNORE INTO disease_product_mapping (disease_category, product_category, relevance_score) VALUES
-- 소화기질환
('소화기질환', '소화제', 1.0),
('소화기질환', '위장약', 0.9),
('소화기질환', '제산제', 0.8),
('소화기질환', '정장제', 0.7),
-- 근골격계질환
('근골격계질환', '진통소염제', 1.0),
('근골격계질환', '파스', 0.8),
('근골격계질환', '진통제', 0.9),
-- 신경계질환
('신경계질환', '진통제', 1.0),
('신경계질환', '수면제', 0.5),
-- 호흡기질환
('호흡기질환', '감기약', 1.0),
('호흡기질환', '기침약', 0.9),
('호흡기질환', '거담제', 0.8);
-- ============================================================================
-- 뷰: 제품 상세 정보 (카테고리 포함)
-- ============================================================================
CREATE VIEW IF NOT EXISTS v_product_details AS
SELECT
p.barcode,
p.product_name,
p.manufacturer,
p.drug_classification,
GROUP_CONCAT(m.category_name, ', ') as categories,
AVG(m.relevance_score) as avg_relevance,
p.tags_symptoms,
p.tags_effects,
p.is_verified,
p.last_updated
FROM product_master p
LEFT JOIN product_category_mapping m ON p.barcode = m.barcode
GROUP BY p.barcode;
-- ============================================================================
-- 뷰: 질병별 추천 제품 카테고리
-- ============================================================================
CREATE VIEW IF NOT EXISTS v_disease_recommendations AS
SELECT
d.icd_code,
d.disease_name,
d.disease_category,
dp.product_category,
dp.relevance_score
FROM disease_codes d
JOIN disease_product_mapping dp ON d.disease_category = dp.disease_category
ORDER BY d.icd_code, dp.relevance_score DESC;
-- ============================================================================
-- 완료
-- ============================================================================
-- 테이블 생성 완료
-- 초기 카테고리, 질병 코드, 매핑 데이터 삽입 완료

137
backend/insert_sample_products.py Normal file
View File

@ -0,0 +1,137 @@
"""
샘플 제품 데이터 추가
"""
import sqlite3
import os
import json
def insert_sample_products():
"""실제 바코드로 샘플 제품 추가"""
db_path = os.path.join(os.path.dirname(__file__), 'db', 'mileage.db')
conn = sqlite3.connect(db_path)
cursor = conn.cursor()
# 샘플 제품 데이터
products = [
{
"barcode": "8806436016712",
"product_name": "탁센캡슐",
"manufacturer": "동아제약",
"drug_classification": "일반의약품",
"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"],
"categories": [
{"name": "진통소염제", "score": 1.0},
{"name": "진통제", "score": 0.9},
{"name": "해열제", "score": 0.3}
]
},
{
"barcode": "8806606002231",
"product_name": "베아제정(10정)",
"manufacturer": "대웅제약",
"drug_classification": "일반의약품",
"ingredients": [
{"name": "판크레아틴", "amount": "150mg", "role": "주성분"}
],
"tags_symptoms": ["소화불량", "복부팽만", "가스"],
"tags_ingredients": ["판크레아틴 150mg", "소화효소"],
"tags_effects": ["소화촉진", "가스제거"],
"categories": [
{"name": "소화제", "score": 1.0},
{"name": "위장약", "score": 0.8}
]
},
{
"barcode": "8806265019618",
"product_name": "마그비맥스",
"manufacturer": "일양약품",
"drug_classification": "일반의약품",
"ingredients": [
{"name": "메코발라민", "amount": "1mg", "role": "비타민B12"},
{"name": "UDCA", "amount": "60mg", "role": "간기능개선"},
{"name": "타우린", "amount": "100mg", "role": "피로회복"}
],
"tags_symptoms": ["피로", "구내염", "신경통", "근육통"],
"tags_ingredients": ["메코발라민 1mg", "UDCA 60mg", "타우린 100mg"],
"tags_effects": ["피로회복", "간기능개선", "신경계보호"],
"categories": [
{"name": "복합비타민", "score": 1.0},
{"name": "간영양제", "score": 0.9},
{"name": "피로회복제", "score": 1.0}
]
}
]
try:
for product in products:
# 1. product_master 삽입
cursor.execute("""
INSERT OR REPLACE INTO product_master
(barcode, product_name, manufacturer, drug_classification,
ingredients_json, tags_symptoms, tags_effects, tags_ingredients,
is_verified)
VALUES (?, ?, ?, ?, ?, ?, ?, ?, 1)
""", (
product["barcode"],
product["product_name"],
product["manufacturer"],
product["drug_classification"],
json.dumps(product["ingredients"], ensure_ascii=False),
json.dumps(product["tags_symptoms"], ensure_ascii=False),
json.dumps(product["tags_effects"], ensure_ascii=False),
json.dumps(product["tags_ingredients"], ensure_ascii=False)
))
# 2. product_category_mapping 삽입
for cat in product["categories"]:
cursor.execute("""
INSERT OR REPLACE INTO product_category_mapping
(barcode, category_name, relevance_score)
VALUES (?, ?, ?)
""", (
product["barcode"],
cat["name"],
cat["score"]
))
conn.commit()
print("[OK] 샘플 제품 3개 추가 완료!")
# 결과 확인
cursor.execute("SELECT COUNT(*) FROM product_master")
count = cursor.fetchone()[0]
print(f"\n전체 제품 수: {count}개")
print("\n추가된 제품:")
cursor.execute("""
SELECT barcode, product_name, drug_classification
FROM product_master
""")
for row in cursor.fetchall():
print(f" - {row[0]}: {row[1]} ({row[2]})")
# 카테고리 매핑 확인
print("\n제품-카테고리 매핑:")
cursor.execute("""
SELECT p.product_name, m.category_name, m.relevance_score
FROM product_master p
JOIN product_category_mapping m ON p.barcode = m.barcode
ORDER BY p.product_name, m.relevance_score DESC
""")
for row in cursor.fetchall():
print(f" {row[0]:20} -> {row[1]:15} (관련도: {row[2]:.1f})")
except Exception as e:
print(f"[ERROR] {e}")
conn.rollback()
finally:
conn.close()
if __name__ == '__main__':
insert_sample_products()

396
docs/PRODUCT_TAGGING_SYSTEM.md Normal file
View File

@ -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