PaperPal

2025 SSAFY 13기 특화 프로젝트 - 서울 2반 A203팀

프로젝트 개요

PaperPal은 Computer Science 분야의 논문 탐색과 학습을 지원하는 AI 기반 플랫폼입니다. 맥락 기반 검색, 번역, 요약 기능을 통해 연구자들의 논문 학습 효율성을 향상시킵니다.

배경 및 목적

타겟 사용자

• CS 연구 논문을 탐색/활용하는 석박사 과정 대학원생
• 데이터/AI 학부 연구생 및 졸업논문 준비생

해결하고자 하는 문제

• 키워드 기반 검색의 한계: 맥락 내 단어의 의미가 반영되지 않은 검색 결과
• 번역의 어려움: 논문 복사 시 강제 개행으로 인한 부자연스러운 번역
• 논문 이해의 어려움: 긴 영어 논문을 빠르게 파악하기 어려운 문제

설문 조사 결과 (대학원생/학부연구생 대상)

• 92%가 논문 검색 시 불편함을 경험
• 59%가 논문 학습 시 번역 도구 사용
• 91%가 논문 요약 서비스 사용 의향 보유

주요 기능

1. 맥락 기반 논문 검색

질문 증강 (Query Enhancement)

• 이모지, 특수문자 제거
• 슬랭, 줄임말을 정식 용어로 변환
• 문법 교정
• 쿼리 확장 (이론/응용 구분)
  • 이론일 경우: 원리, 이유 설명 논문
  • 응용일 경우: 적용, 구현 사례 논문

청킹 전략

• 500자 (약 128토큰) 단위 청크 분할
• 근거 논문:
  • Rethinking Chunk Size for Long-Document Retrieval (2025)
  • Financial Report Chunking for Effective RAG (2024)
• 실험 결과: 500자 청크에서 하이브리드 검색 (α=0.8) 최고 정확도 달성

순위 산정 방식

최종 점수 = (피인용수 가중치 × 영향력 점수 + 게재연도 가중치 × 최신성 점수) × 벡터 유사도 점수

영향력 점수 = ln(1 + cit) / ln(1 + c95)
최신성 점수 = 2^(-age_days / τ)  (τ = 365일)

• 피인용수: 상위 95% 기준값(c95)으로 로그 변환하여 정규화
• 게재연도: 반감기 1년 적용으로 최신 논문 우대
• CS 분야 특성 반영: 다른 분야 대비 빠른 변화 속도 고려

2. 논문 번역

모델 파인튜닝

• 베이스 모델: pko-t5-base
• 학습 데이터: Helsinki-nlp/opus-100, Korpora 병렬 말뭉치
• BLEU 점수: 22.5 (베이스 모델 대비 22배 향상)

텍스트 전처리

• 하이픈(-)과 개행된 단어를 하나로 연결
• 개행문자(\n)를 공백으로 변환하여 문장 연속성 확보

성능 최적화

• 문제: 3000자 번역에 30초 이상 소요, 품질 저하
• 해결: 256토큰(약 500자) 단위 청크 분할 + 병렬 처리
• 결과: 8000자 번역 13초 완료, 번역 품질 향상

3. 논문 요약

접근 방식

• TextRank/BERTSum 추출 요약 방식의 한계

  • 빈도 기반으로 reference 부분 추출
  • 실험 결과, 년도 등의 숫자가 있는 부분 추출
  • 의미론적 핵심 파악 불가

• LLM API 기반 생성 요약 채택

  • 논문 내용 이해 후 핵심 분석
  • 프롬프팅을 통한 일관된 형식 제공
  • 고품질 요약 생성

4. 대시보드

• 인기 논문 목록 (피인용수 기준)
• 최근 올라온 논문
• 카테고리별 최근 연구 동향
• 오늘의 논문 데이터 수집 현황

시스템 아키텍처

기술 스택

Frontend

• React 19.1.1
• TypeScript ~5.8.3
• Vite ^7.1.2
• Zustand (상태 관리)

Backend

• Spring Boot
• MySQL (Primary-Replica 구조)
• Redis (캐싱)

AI/ML

• Apache Spark (대용량 데이터 처리)
• Weaviate (Vector Database)
• Apache Airflow (데이터 파이프라인 오케스트레이션)
• Hadoop (분산 저장)
• pko-t5-base (번역 모델)

Infrastructure

• Docker & Docker Compose
• Nginx (리버스 프록시)

데이터 파이프라인

arXiv API → Apache Airflow → Apache Spark (텍스트 처리) 
                              ↓
                     MySQL (메타데이터) + Weaviate (벡터) + Hadoop (PDF)

DAG 구성

1. DAG 1: 논문 메타데이터 수집
2. DAG 2: PDF 수집
3. DAG 3: 논문 본문 수집
4. DAG 4: 논문 본문 임베딩

데이터베이스 설계

• MySQL Primary: 쓰기 작업 전담
• MySQL Replica: 읽기 작업 분산
• 벡터 유사도 검색은 Weaviate에서 처리

실행 방법

사전 요구사항

Node.js 18+
Java 11+
Docker 24+
Docker Compose 2.20+
Python 3.8+

로컬 개발 환경 구축

1. 저장소 클론

git clone [repository-url]
cd paperpal

2. 환경 변수 설정

cp .env.example .env
# .env 파일을 열어 필요한 값 설정

3. Docker 컨테이너 실행

docker-compose up -d

4. 프론트엔드 실행

cd FE
npm install
npm run dev

5. 백엔드 실행

cd BE
./gradlew bootRun

배포

배포 관련 상세 가이드는 exec/db_dump.zip 참조

성능 지표

검색 정확도

• 질문 증강 미적용: 약 50% 정확도
• 질문 증강 적용 (하이브리드 α=0.8, 500자 청크): 약 75% 정확도

번역 품질

• BLEU 점수 변화:
  • 베이스 모델 (pko-t5-base): 1.0
  • Helsinki-nlp/opus-100 적용: 6.5
  • Korpora 병렬 말뭉치 적용: 22.5
• 번역 처리 속도: 8000자 기준 13초

팀원 소개

이름	역할
이준희	팀장 / Backend
김수연	Backend
한종욱	Backend
양진서	Frontend
이종현	Frontend
임준영	Infra

기술적 의사결정

MySQL 선택 이유

• 트랜잭션 지원 및 ACID 보장 필요
• 단순 텍스트 저장으로 유연한 스키마 불필요
• 벡터 검색은 별도 Weaviate 사용
• 개발 기간 고려 시 팀 익숙도 우선

CS 분야 특화 이유

• 변화 속도가 빠른 분야 특성
• arXiv 등 프리프린트 공개 문화
• 최신 연구 빠른 반영 필요성
• CS 특화 검색으로 정확도 향상

향후 개선 계획

• 다국어 지원 확대 (영어 외 언어)
• 사용자 간 논문 공유 및 협업 기능
• 북마크 및 개인 라이브러리 관리
• 다른 학문 분야로 확장 (생물학, 물리학 등)

---

PaperPal - 당신의 똑똑한 논문 친구