카테고리 없음

언어모델 기반 대출 승인 여부 판단 데모사이트 설계

quantumai 2025. 1. 7. 10:53

언어모델 기반 대출 승인 여부 판단 데모사이트 설계

1. 페이지 구성

1.1 메인 페이지

  • 목적: 사용자에게 데모의 핵심 목표와 기능을 소개.
  • 구성 요소:
    • 제목: "언어모델 기반 대출 승인 솔루션 데모"
    • 설명: "대출 승인 여부를 데이터와 AI 분석으로 체험해 보세요."
    • 버튼: "데모 시작하기" → 데이터 입력 페이지로 이동.

1.2 데이터 입력 페이지

  • 목적: 대출 신청 데이터를 입력받아 분석에 활용.
  • 구성 요소:
    • 폼 필드:
      • 소득 (입력 필드): 숫자 입력.
      • 부채 비율 (입력 필드): 숫자 입력.
      • 소비 성향 (텍스트 입력): 자유 텍스트(예: 월 지출 내역 설명).
      • 대출 목적 (텍스트 입력): 자유 텍스트(예: "교육비", "사업 확장").
    • 샘플 데이터 버튼: "샘플 데이터 사용" → 미리 정의된 샘플 데이터 자동 입력.
    • 제출 버튼: "분석 시작하기" → 백엔드 API 호출.

1.3 분석 진행 중 페이지

  • 목적: 사용자가 결과를 기다리는 동안 진행 상태를 표시.
  • 구성 요소:
    • 로딩 애니메이션: "데이터를 분석 중입니다..."
    • 설명: "귀하의 데이터를 분석하고 대출 승인 여부를 계산 중입니다."

1.4 결과 페이지

  • 목적: 대출 승인 결과와 분석 요약 제공.
  • 구성 요소:
    • 대출 결과:
      • 승인: "축하합니다! 대출이 승인되었습니다."
      • 거절: "죄송합니다. 대출이 거절되었습니다."
      • 추가 검토 필요: "추가 검토가 필요합니다."
    • 분석 요약:
      • 소득 평가: "소득 안정성: 높은 수준."
      • 부채 비율 평가: "부채 비율: 적정 수준."
      • 소비 성향 분석: "소비 성향: 안정적."
    • 개선 제안 (거절 시):
      • "부채 비율을 10% 낮추면 대출 승인이 가능합니다."
    • 버튼: "다시 시도하기" → 데이터 입력 페이지로 이동.

2. 핵심 로직

2.1 데이터 입력 검증

  1. 소득, 부채 비율 등 숫자 입력의 유효성 검사.
  2. 텍스트 필드의 글자 수 제한 및 필수 입력 확인.

2.2 데이터 처리 로직

  1. 정형 데이터 분석:
    • 소득/부채 비율 계산.
    • 신용 점수 생성(정규화된 가중치 적용).
  2. 비정형 데이터 분석:
    • 소비 성향과 대출 목적의 텍스트를 언어모델에 전달.
    • 언어모델에서 다음 분석 결과 반환:
      • 소비 안정성 점수 (0~100).
      • 대출 목적 신뢰도 (0~100).
  3. 최종 평가 로직:
    • 정형 점수와 비정형 점수를 조합한 가중 평균 계산.
    • 임계값을 기준으로 승인/거절/추가 검토로 분류.

2.3 결과 생성 로직

  • 승인/거절 여부에 따라 다음 결과 생성:
    • 승인: "귀하의 소득과 소비 성향이 안정적으로 평가되었습니다."
    • 거절: "부채 비율이 기준을 초과하였습니다."
    • 추가 검토 필요: "일부 데이터를 재검토할 필요가 있습니다."

3. 아키텍처 설계

3.1 프론트엔드

  • 기술 스택: React.js + TailwindCSS
    • 페이지 라우팅: React Router를 사용하여 메인, 입력, 결과 페이지 구성.
    • API 호출: Axios 또는 Fetch API로 백엔드와 통신.
    • UI 상태 관리: React Context API 또는 Redux.

3.2 백엔드

  • 기술 스택: FastAPI + Python
    • REST API 엔드포인트:
      1. /analyze:
        • 입력 데이터를 수신.
        • 언어모델 호출 및 분석 결과 반환.
      2. /sample-data:
        • 미리 정의된 샘플 데이터를 제공.
    • 데이터 처리:
      • 정형 데이터 분석 로직.
      • 언어모델 호출 및 비정형 데이터 처리.
    • 결과 생성 로직:
      • 최종 대출 승인/거절 상태 결정.
      • 자연어로 설명 생성.

3.3 언어모델

  • API 제공: OpenAI GPT-4 또는 Hugging Face 모델
    • 입력 데이터: 소비 성향, 대출 목적 텍스트.
    • 출력 데이터:
      • 소비 안정성 점수.
      • 대출 목적 신뢰도 점수.
      • 대출 승인/거절의 근거 설명.

3.4 데이터베이스 (옵션)

  • 데이터베이스: SQLite (데모용 간단한 데이터 저장)
    • 저장 항목:
      • 입력 데이터(소득, 부채 비율, 소비 성향 등).
      • 분석 결과(점수, 승인 여부).
    • 목적: 테스트 기록 및 반복 분석 지원.

4. 실행 로드맵

1단계 (0~2주): 프론트엔드 UI 개발

  • 메인 페이지, 데이터 입력 페이지, 결과 페이지 구성.

2단계 (2~4주): 백엔드 API 개발

  • FastAPI로 데이터 처리와 언어모델 연동 구현.

3단계 (4~6주): 언어모델 연동

  • OpenAI API 또는 Hugging Face 모델 통합.

4단계 (6~8주): 테스트 및 배포

  • 데이터 흐름 테스트.
  • AWS, Vercel, 또는 Heroku에 배포.