AI 실거래가 추천 10개 프로토타입

README.md

@@ -8,11 +8,13 @@ FastAPI와 OpenAI를 활용한 부동산 실거래가 검색 웹 애플리케이
 - OpenAI API를 통한 자동 정보 추출
 - 국토교통부 공공데이터 API 연동
 - 실제 실거래가 데이터 조회 및 표시
+- **AI 기반 매물 추천**: 사용자 요구사항과 가장 일치하는 TOP 10 매물 선별
 - 지원 정보:
   - 매물 형태 (아파트, 오피스텔, 빌라, 주택 등)
   - 거래 유형 (전세, 월세, 매매)
   - 지역 자동 인식 및 코드 변환
   - 실거래가 목록 표시
+  - AI 필터링을 통한 최적 매물 추천
 
 ## 설치
 

backend/main.py

@@ -39,7 +39,7 @@ async def serve_index():
     return FileResponse("../frontend/index.html")
 
 @app.post("/api/search")
-async def search_real_estate(query: RealEstateQuery):
+async def search_real_estate(query: RealEstateQuery, filter_results: bool = True):
     """자연어 검색 후 실거래가 데이터 조회"""
     if not parser:
         raise HTTPException(
@@ -60,10 +60,55 @@ async def search_real_estate(query: RealEstateQuery):
                 region_code=parsed.region_code
             )
         
+        # 3. OpenAI로 필터링 (옵션)
+        if filter_results and listings:
+            filtered_listings = await parser.filter_listings(
+                user_query=query.text,
+                listings=listings,
+                top_k=10
+            )
+            return {
+                "parsed": parsed,
+                "listings": filtered_listings,
+                "count": len(filtered_listings),
+                "total_count": len(listings),
+                "filtered": True
+            }
+        
         return {
             "parsed": parsed,
-            "listings": listings,
+            "listings": listings[:20],  # 필터링 안 할 경우 상위 20개만
-            "count": len(listings)
+            "count": min(len(listings), 20),
+            "total_count": len(listings),
+            "filtered": False
+        }
+    except Exception as e:
+        raise HTTPException(status_code=500, detail=str(e))
+
+@app.post("/api/filter")
+async def filter_real_estate_listings(
+    user_query: str,
+    listings: list,
+    top_k: int = 10
+):
+    """공공데이터 결과를 OpenAI로 필터링하여 최적 매물 선별"""
+    if not parser:
+        raise HTTPException(
+            status_code=500,
+            detail="OpenAI API key not configured"
+        )
+    
+    try:
+        filtered = await parser.filter_listings(
+            user_query=user_query,
+            listings=listings,
+            top_k=top_k
+        )
+        
+        return {
+            "filtered_listings": filtered,
+            "count": len(filtered),
+            "original_count": len(listings)
         }
     except Exception as e:
         raise HTTPException(status_code=500, detail=str(e))

backend/openai_parser.py

@@ -136,4 +136,97 @@ class OpenAIParser:
                 property_type=None,
                 region_code=None,
                 region_name=None
-            )
+            )
+    
+    async def filter_listings(self, user_query: str, listings: list, top_k: int = 10) -> list:
+        """
+        OpenAI를 사용하여 실거래가 목록에서 사용자 요구사항과 가장 일치하는 매물 선별
+        
+        Args:
+            user_query: 사용자의 원본 검색 쿼리
+            listings: 공공데이터 API에서 받은 실거래가 목록
+            top_k: 선별할 매물 개수 (기본값: 10)
+        
+        Returns:
+            필터링된 매물 목록
+        """
+        
+        if not listings:
+            return []
+        
+        # 매물 정보를 간략하게 정리
+        simplified_listings = []
+        for idx, item in enumerate(listings[:50]):  # 최대 50개만 처리 (토큰 제한)
+            simplified = {
+                "index": idx,
+                "거래유형": item.get("거래유형", ""),
+                "매물형태": item.get("매물형태", ""),
+                "거래금액": item.get("거래금액", ""),
+                "보증금액": item.get("보증금액", ""),
+                "월세금액": item.get("월세금액", ""),
+                "전용면적": item.get("전용면적", ""),
+                "층": item.get("층", ""),
+                "건축년도": item.get("건축년도", ""),
+                "법정동": item.get("법정동", ""),
+                "거래일": f"{item.get('년', '')}.{item.get('월', '')}.{item.get('일', '')}"
+            }
+            # 빈 값 제거
+            simplified = {k: v for k, v in simplified.items() if v}
+            simplified_listings.append(simplified)
+        
+        system_prompt = """
+        당신은 부동산 전문가입니다.
+        사용자의 요구사항과 실거래가 데이터를 비교하여 가장 적합한 매물을 선별해주세요.
+        
+        평가 기준:
+        1. 가격 조건 일치도 (사용자가 언급한 가격 범위)
+        2. 면적 조건 일치도 (평수, 방 개수 등)
+        3. 층수 선호도
+        4. 건축년도 (신축/구축 선호도)
+        5. 위치 적합성
+        
+        JSON 형식으로 응답하세요:
+        {
+            "selected_indices": [가장 적합한 매물의 index 10개],
+            "reason": "선별 이유 간단 설명"
+        }
+        """
+        
+        user_prompt = f"""
+        사용자 요구사항: {user_query}
+        
+        실거래가 데이터:
+        {json.dumps(simplified_listings, ensure_ascii=False, indent=2)}
+        
+        위 데이터에서 사용자 요구사항과 가장 잘 맞는 매물 {top_k}개를 선별해주세요.
+        """
+        
+        try:
+            response = self.client.chat.completions.create(
+                model="gpt-3.5-turbo",
+                messages=[
+                    {"role": "system", "content": system_prompt},
+                    {"role": "user", "content": user_prompt}
+                ],
+                temperature=0.1,
+                response_format={"type": "json_object"}
+            )
+            
+            result = json.loads(response.choices[0].message.content)
+            selected_indices = result.get("selected_indices", [])
+            
+            # 선별된 매물 반환
+            filtered_listings = []
+            for idx in selected_indices:
+                if 0 <= idx < len(listings):
+                    listing = listings[idx].copy()
+                    listing["match_reason"] = result.get("reason", "")
+                    listing["rank"] = len(filtered_listings) + 1
+                    filtered_listings.append(listing)
+            
+            return filtered_listings[:top_k]
+            
+        except Exception as e:
+            print(f"Error filtering listings: {e}")
+            # 에러 시 원본 데이터의 상위 10개 반환
+            return listings[:top_k]

docs/project_logs.txt

@@ -47,6 +47,37 @@
 - docs/project_plan.md 업데이트 (API 가이드 문서 추가)
 - 웹 검색 및 브라우저를 통한 실제 API 정보 수집
 
+[2025-08-19 15:22:10] OpenAI 기반 매물 필터링 기능 추가 완료
+- backend/openai_parser.py 수정
+  - filter_listings 메서드 추가
+  - 공공데이터 결과를 OpenAI로 분석
+  - 사용자 요구사항과 일치도 평가
+  - 가격, 면적, 층수, 건축년도 등 종합 평가
+  - 상위 10개 매물 선별
+- backend/main.py 수정
+  - /api/search에 filter_results 파라미터 추가
+  - 필터링 옵션 적용 (기본값: True)
+  - /api/filter 엔드포인트 추가 (별도 필터링 API)
+- frontend/script.js 수정
+  - 필터링 결과 표시 UI 개선
+  - AI 추천 매물 TOP 10 표시
+  - 순위 배지 추가
+- frontend/style.css 수정
+  - 필터링 정보 스타일 추가
+  - 순위 배지 디자인
+  - 추천 매물 강조 효과
+- README.md 및 문서 업데이트
+- 필터링 평가 기준:
+  - 가격 조건 일치도
+  - 면적 조건 일치도
+  - 층수 선호도
+  - 건축년도 (신축/구축)
+  - 위치 적합성
+
+[2025-08-19 15:17:59] OpenAI 기반 매물 필터링 기능 추가 시작
+- 공공데이터 결과를 OpenAI로 분석
+- 사용자 요구사항과 가장 일치하는 10개 선별
+
 [2025-08-19 15:12:44] 사용하지 않는 API 엔드포인트 제거 작업 완료
 - backend/main.py 정리
   - /api/parse 엔드포인트 제거 (사용 안함)

docs/project_plan.md

@@ -52,8 +52,14 @@ C:\o2o\RealEstateSearch\
 
 ### 2. POST `/api/search`
 - 자연어 검색 및 실거래가 조회
-- 요청: `{"text": "강남 아파트 전세"}`
+- AI 필터링 옵션 (filter_results 파라미터)
-- 응답: 파싱 결과 + 실거래가 목록
+- 요청: `{"text": "강남 아파트 전세 3억"}`
+- 응답: 파싱 결과 + 실거래가 목록 (필터링 포함)
 
-### 3. GET `/static/*`
+### 3. POST `/api/filter`
+- 공공데이터 결과를 OpenAI로 필터링
+- 사용자 요구사항과 가장 일치하는 매물 선별
+- 파라미터: user_query, listings, top_k
+
+### 4. GET `/static/*`
 - CSS, JS 등 정적 파일 제공

frontend/script.js

@@ -75,18 +75,25 @@ function displayResults(data) {
     // 실거래가 목록
     if (data.listings && data.listings.length > 0) {
         html += '<div class="listings-section">';
-        html += `<h3>📊 실거래가 정보 (${data.count}건)</h3>`;
-        html += '<div class="listings-container">';
         
-        // 최대 20개만 표시
+        // 필터링 정보 표시
-        const displayCount = Math.min(data.listings.length, 20);
+        if (data.filtered) {
-        for (let i = 0; i < displayCount; i++) {
+            html += `<h3>🎯 AI 추천 매물 TOP ${data.count} (전체 ${data.total_count}건 중)</h3>`;
-            const item = data.listings[i];
+            html += '<p class="filter-info">AI가 요구사항과 가장 일치하는 매물을 선별했습니다.</p>';
-            html += createListingCard(item);
+        } else {
+            html += `<h3>📊 실거래가 정보 (${data.total_count || data.count}건)</h3>`;
         }
         
-        if (data.listings.length > 20) {
+        html += '<div class="listings-container">';
-            html += `<p class="more-info">... 외 ${data.listings.length - 20}건</p>`;
+        
+        // 매물 카드 표시
+        for (let i = 0; i < data.listings.length; i++) {
+            const item = data.listings[i];
+            html += createListingCard(item, data.filtered);
+        }
+        
+        if (!data.filtered && data.total_count > data.count) {
+            html += `<p class="more-info">... 외 ${data.total_count - data.count}건</p>`;
         }
         
         html += '</div>';
@@ -108,9 +115,14 @@ function displayResults(data) {
 }
 
 // 실거래가 카드 생성
-function createListingCard(item) {
+function createListingCard(item, isFiltered = false) {
     let html = '<div class="listing-card">';
     
+    // 순위 표시 (필터링된 경우)
+    if (isFiltered && item.rank) {
+        html += `<div class="rank-badge">TOP ${item.rank}</div>`;
+    }
+    
     // 제목 (아파트명 또는 주소)
     const title = item['아파트'] || item['법정동'] || '정보 없음';
     html += `<h4>${title}</h4>`;

frontend/style.css

@@ -272,4 +272,39 @@ header p {
     color: #888;
     margin-top: 20px;
     font-style: italic;
+}
+
+/* 필터링 정보 */
+.filter-info {
+    color: #667eea;
+    font-size: 0.95em;
+    margin-bottom: 15px;
+    padding: 10px;
+    background: #f0f3ff;
+    border-radius: 8px;
+    text-align: center;
+}
+
+/* 순위 배지 */
+.rank-badge {
+    position: absolute;
+    top: -10px;
+    right: 15px;
+    background: linear-gradient(135deg, #667eea 0%, #764ba2 100%);
+    color: white;
+    padding: 5px 12px;
+    border-radius: 15px;
+    font-size: 0.85em;
+    font-weight: bold;
+    box-shadow: 0 2px 8px rgba(102, 126, 234, 0.4);
+}
+
+.listing-card {
+    position: relative;
+    background: white;
+    border: 1px solid #e0e0e0;
+    border-radius: 10px;
+    padding: 15px;
+    transition: all 0.3s;
+    box-shadow: 0 2px 4px rgba(0,0,0,0.05);
 }

requirements.txt

@@ -3,4 +3,5 @@ uvicorn[standard]
 openai
 python-dotenv
 requests
-pydantic
+pydantic
+python-multipart