BITAmin AI Chatbot

비타민 동아리원을 위한 RAG 기반 AI 챗봇 서비스

1. 프로젝트 소개

3가지 카테고리로 나뉘어 각각 특화된 정보를 제공합니다: 멤버: 동아리원 정보, 운영진 구성, 커리큘럼 등 활동: 공모전, 대외활동, 강의 추천 등 프로젝트: 비타민에서 진행한 프로젝트 정보 1-1. 멤버 정보 검색 비타민 동아리원 정보 조회 운영진 구성 및 역할 확인 기수별 멤버 정보 커리큘럼/세션 정보 동아리에서 진행되는 활동(OT, 소모임, 스터디) 1-2. 활동 정보 검색 공모전 정보 검색 및 추천 대외활동 정보 제공 온라인 강의 추천 (인프런, 캐글 등) 분야별 맞춤 추천

1-3. 프로젝트 정보 검색 비타민 프로젝트 히스토리 기수별/분야별 프로젝트 검색 프로젝트 상세 정보 (기술 스택, 팀 구성 등) 1-4. 데이터 출처 멤버 정보: 비타민 내부 데이터 공모전/대외활동: 데이콘, 링커리어, 공공데이터포털, LH COMPAS 등 강의 정보: 인프런, 캐글 프로젝트 정보: 비타민 프로젝트 아카이브

2. RAG 기법

2-1. Hybrid Retrieval (하이브리드 검색) 모든 카테고리에서 BM25 + Vector Search (FAISS) 를 결합한 하이브리드 검색 방식을 사용합니다.

검색 방식	특징
BM25	키워드 기반 검색, 정확한 용어 매칭에 강점
Vector Search (FAISS)	의미 기반 검색, 유사한 의미를 가진 문서 검색에 강점

2-2. 동적 가중치 조정 질문의 의도를 분석하여 BM25와 Vector Search의 가중치를 동적으로 조정합니다.

예시:
- 멤버 관련 질문 → Vector 비중 증가 (의미 기반 검색 강화)
- 특정 키워드 검색 → BM25 비중 증가 (정확한 매칭 강화)

2-3. Query Intent Classification

• 의미 기반 주제 분류: OpenAI Embedding을 활용하여 질문을 카테고리별로 분류
• 질문 유형 분류기: 질문 유형(추천, 정보 조회 등)에 따른 맞춤 응답 생성

2-4. 메타데이터 필터링 질문 의도에 따라 문서 타입(공모전, 대외활동, 강의 등)으로 필터링하여 정확도 향상

3. 팀원 및 담당 파트

담당 파트	팀원	GitHub
멤버 RAG, Streamlit 구현	장민지	@GitHub
활동/공모전 RAG	백진웅	@GitHub
프로젝트 RAG	조혜림	@GitHub

4. 서비스 화면

4-1. 멤버 카테고리

4-2. 활동 카테고리

4-3. 프로젝트 카테고리