README.md

metadata

title: FinGraph
emoji: 🕸️
colorFrom: indigo
colorTo: indigo
sdk: gradio
sdk_version: 6.14.0
python_version: 3.10.14
app_file: app.py
pinned: false

FinNode 🕸️

Neo4j GraphRAG 기반 AI 뉴스 지식 그래프 플랫폼

---

📝 보고서

최종 기획안 및 프로젝트 보고서 (업데이트 예정)

🎥 시연 영상

서비스 시연 영상 링크 (업데이트 예정)

---

1. 프로젝트 배경 및 목적

최신 AI 기술과 핀테크 트렌드는 빠르게 변화하며, 일반적인 RAG(검색 증강 생성) 기술만으로는 여러 뉴스 기사에 흩어져 있는 '기업-기술-서비스' 간의 복잡한 관계를 파악하기 어렵습니다.

FinNode는 네이버 뉴스에서 AI 관련 기사를 실시간으로 수집하고, LangGraph 파이프라인을 통해 엔티티와 관계를 자동 추출하여 Neo4j 지식 그래프에 적재합니다. 이를 기반으로 Vector 및 Cypher 복합 검색(GraphRAG)을 수행하여, 단순한 문서 검색을 넘어 **"현재 금융AI 분야에서 가장 적극적인 기업과 기술 트렌드"**를 완벽한 근거와 함께 추론하고 답변하는 차세대 챗봇 시스템입니다.

---

2. 시스템 아키텍처

[Naver News] 
     │ Selenium 크롤링
     ▼
[LangGraph Pipeline] (gpt-4o-mini)
  check_ai ──(AI 아님)──▶ 스킵
     │ (AI 관련)
     ▼
  extract_entities
     │
     ▼
  extract_relations
     │
     ▼
[Neo4j AuraDB]
  Article / Content / AICompany / AITechnology / AIService / AIField / Media
     │
     ▼
[GraphRAG ToolsRetriever] ──▶ gpt-4o 최종 답변 생성
     │
     ▼
[Gradio 챗봇 UI (Hugging Face Spaces 배포)]

---

3. 주요 기능

• 실시간 뉴스 크롤링: Selenium 헤드리스 브라우저로 네이버 뉴스 카테고리별 기사 자동 수집
• LangGraph AI 파이프라인: 수집된 기사를 3단계 자동 분석 (판별 → 엔티티 추출 → 관계 추출)
• Neo4j 지식 그래프 적재: 추출된 엔티티(Company, Tech, Service 등)와 관계를 MERGE 트랜잭션으로 중복 없이 DB 적재
• GraphRAG 챗봇: 3가지 Retriever를 통합한 ToolsRetriever 기반 자연어 질의응답
  • Vector Retriever: 본문 청크 의미 유사도 검색
  • VectorCypher Retriever: 벡터 검색 후 해당 기사의 연관 그래프(기업·기술·서비스) 반환 (트렌드 분석에 최적화)
  • Text2Cypher Retriever: 자연어 → Cypher 쿼리 자동 변환 및 데이터 집계
• 대화 맥락 반영 하이브리드 RAG & 지능형 Fallback 라우팅:
  • Neo4j에서 검색된 지식 그래프 정보와 사용자의 질문, 그리고 **최근 대화 히스토리(최근 3개 메시지)**를 종합 분석하여 GPT-4o 기반 자가 판정 가드레일(_is_context_sufficient)을 실시간 구동.
  • 검색 결과가 질문에 답변하기 충분한 경우 GraphRAG 모드로 구동하여 구체적인 기사 출처 링크(URL, 제목 등)를 포함한 팩트 기반 답변 제공.
  • 관련 정보가 부족하거나 금융/IT 뉴스를 벗어난 일반 질문(예: 수학 공식, 일상 대화 등), 혹은 이전 대화 맥락에 의존하는 질문에 대해서도 히스토리를 종합 분석하여 일반 지식 답변(general 모드)으로 유연하게 스위칭하여 환각(Hallucination) 방지 및 안정성 극대화.
• 사용자 경험(UX) 및 프리미엄 UI 최적화:
  • 슬림 챗 버블: Gradio 마크다운 렌더러가 내부 <p>, <li> 태그 등에 부여하는 비정상적으로 큰 상하 여백과 마진을 축소(.message 패딩 10px 14px 조정 및 내부 마진 최적화)하여 가독성 높고 슬림한 프리미엄 말풍선 UI 구현.
  • 실시간 탐색 진행상황 시각화: LangGraph 대화 스트림(Stream) 연동을 통해 "🔍 검색 진행 중...", "💡 답변 생성 중..." 과정을 실시간으로 노출하여 다단계 RAG의 지연 시간 동안의 사용자 체감 대기 성능 혁신.

---

4. 기술 스택

• Language: Python 3.10
• AI / LLM: LangChain, LangGraph, OpenAI (gpt-4o, text-embedding-3-small)
• Database: Neo4j (AuraDB Cloud)
• Web / Crawling: Gradio, Selenium, Pandas
• CI/CD: GitHub Actions, Hugging Face Spaces

---

5. 그래프 스키마

노드 및 관계

구분	내용
노드 (Nodes)	Article, Content, AICompany, AITechnology, AIService, AIField, Media, Category
관계 (Edges)	HAS_CHUNK, PUBLISHED, BELONGS_TO, MENTIONS, DEVELOPS, INVESTS_IN, PARTNERS_WITH, APPLIES, USED_IN, RELATED_TO

---

6. 설치 및 실행 가이드

사전 준비

• Python 3.10+
• Neo4j AuraDB 인스턴스 (또는 로컬 Neo4j)
• OpenAI API Key

로컬 실행

# 1. 저장소 클론
git clone https://github.com/yuje/FinGraph.git
cd FinGraph

# 2. 가상환경 생성 및 의존성 설치
python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt

# 3. 환경 변수 설정
cp .env.example .env
# .env 파일에 OpenAI Key, Neo4j 접속 정보 입력

# 4. Gradio 앱 실행
python app.py

브라우저에서 http://localhost:7860 접속

---

7. 배포 (Hugging Face Spaces)

GitHub → Hugging Face Spaces 자동 배포가 deploy.yml을 통해 설정되어 있습니다. main 브랜치에 Push 시 자동으로 동기화됩니다.

1. Hugging Face 토큰 발급: Settings → Tokens에서 Write 권한 토큰 생성
2. GitHub Secrets 등록: HF_TOKEN, HF_REPO (예: yuje/FinNode) 등록
3. HF Space Secrets 등록: .env 항목(OpenAI, Neo4j 키) 동일하게 등록

---

8. 참고 자료 및 오픈소스 크레딧 (References & Credits)

• GraphRAG ToolsRetriever: graphrag-tools-retriever (GitHub)
  • 본 프로젝트의 하이브리드 검색 및 GraphRAG 라우팅(Context-Sufficient Fallback) 설계의 핵심 참고 모델로 활용되었습니다.
• Neo4j 및 LLM 연동 실무: 위키독스 Neo4j GraphRAG 가이드