NEWSGLOBE 시스템 설명서

1. 시스템 개요

NEWSGLOBE는 RSS 뉴스를 실시간 수집하여 9개 레이어(L0~L9)에 걸친 파이프라인으로 처리합니다. 각 레이어는 독립적으로 실행되며, 상위 레이어의 출력이 하위 레이어의 입력이 됩니다.

2. 데이터 수집 (L0-L1)

크론 스케줄

*/5 * * * *   // 5분마다 RSS 수집 실행

소스 티어

Jaccard 중복 제거

제목과 본문의 토큰 집합을 비교합니다. 유사도가 0.55 이상이면 동일 기사로 판정하여 제거합니다.

Jaccard(A, B) = |A ∩ B| / |A ∪ B|

3. 지오코딩 & 지도 매핑

수집된 뉴스의 제목과 본문에서 지명을 추출하여 위도/경도 좌표를 부여합니다. 좌표가 매핑된 뉴스만 세계지도 위에 마커로 표시됩니다.

작동 흐름

뉴스 수집 → geocodeText(title + description) 호출
→ geo-db.json에서 지명 매칭
→ 매칭 성공 시 latitude, longitude, location 저장
→ 세계지도에 마커 표시

매칭 우선순위

더 구체적인 지명을 먼저 매칭합니다. 같은 단계 내에서는 긴 이름이 우선됩니다.

다국어 매칭 방식

Alias 유형

각 지명에는 다양한 유형의 alias가 등록되어 폭넓은 매칭을 지원합니다.

geo-db.json 구조

{
  "cities": [
    {
      "name":    "Tehran",
      "aliases": ["테헤란"],
      "lat":     35.69,
      "lon":     51.39,
      "country": "Iran"
    },
    ...
  ],
  "chokepoints": [
    {
      "name":    "Strait of Hormuz",
      "aliases": ["Hormuz", "호르무즈", "호르무즈해협"],
      "lat":     26.57,
      "lon":     56.25
    },
    ...
  ],
  "countries": [
    {
      "name":    "Iran",
      "aliases": ["Iranian", "이란", "IRGC",
                 "Khamenei", "하메네이", "혁명수비대"],
      "lat":     35.69,
      "lon":     51.39
    },
    ...
  ]
}

커버리지 분포

재스코어링

geo-db 확장 후 기존 뉴스에도 새 좌표를 적용하려면 POST /api/rescore를 호출합니다. 모든 뉴스의 제목+본문을 최신 geo-db로 재매칭하여 좌표를 갱신합니다.

4. 키워드 스코어링 (L2)

키워드 구조

{
  term:     string,      // 영어 키워드
  category: string,      // 분류
  weight:   1~8,         // 기본 가중치
  active:   boolean,     // 활성 여부
  ko:       string,      // 한국어 매칭 텍스트
  patterns: string[],    // 추가 패턴 목록
}

점수 공식

rawScore = (baseScore + comboBonus + sourceBonus + timeBonus)
           × categoryWeight × dirMult

normalizedScore = min(100, max(0,
  round((rawScore / 90) × 1000) / 10
))

매칭 방식

보너스 체계

우선순위 분류

5. 방향성 엔진 (L6)

각 뉴스에 위기/완화 방향성을 부여하고, 16개 도메인 규칙과 7단계 강도 배율을 적용합니다.

7단계 강도 배율

16개 방향 규칙 도메인

부정어 보정

방향성 키워드 앞 4단어 이내에 부정어("not", "denied", "no", "false" 등)가 감지되면 반대 방향으로 0.5를 가산합니다.

crisisConf = negCount / (negCount + posCount)
// 위기 신호와 완화 신호의 비율로 신뢰도 산출

6. 시나리오 추적 (L3-L4)

단계 활성화 조건

진행률 및 위험도

진행률 = activeCount / totalCount × 100

위험도:
  0%     → low
  < 40%  → medium
  < 80%  → high
  ≥ 80%  → critical

영향도 구조

{
  target:    string,          // 영향 대상 (유가, 달러 등)
  direction: "up"|"down"|"mixed",
  strength:  0~5,            // 영향 강도
}

완화 / 악화 요인

7. 패턴 엔진 (L5)

7개 거시 패턴은 여러 지표의 충족 비율(matchRatio)이 임계값을 초과할 때 활성화됩니다.

matchRatio = Σ(충족 지표 가중치) / Σ(전체 가중치)

7개 거시 패턴

심각도 단계

8. 수학 모듈 (6종)

7-1. 키워드 MACD

키워드 점수 시계열에 EMA(지수이동평균)를 적용해 모멘텀 전환점을 감지합니다.

EMA(12) - EMA(26) = MACD선
EMA(9, MACD선)  = 신호선
히스토그램      = MACD선 - 신호선

강도 = |히스토그램| / max(최근 20봉)

골든크로스: MACD선이 신호선 위로 돌파 → 상승 모멘텀
데드크로스: MACD선이 신호선 아래로 이탈 → 하락 모멘텀

7-2. 베이지안 확률

사전확률과 증거(뉴스 이벤트)를 결합해 사후확률을 갱신합니다. 5개 이벤트 유형, 각 4~5개 증거 항목.

odds(prior) = prior / (1 - prior)
odds(posterior) = odds(prior) × likelihoodRatio
posterior = odds(posterior) / (1 + odds(posterior))

// 클램핑: 확률 범위 [0.01, 0.99]

7-3. 교차 상관관계 & 시차

두 키워드 시계열의 피어슨 상관계수를 최대 14일 시차에서 계산합니다.

r = (nΣXY - ΣXΣY)
    / √((nΣX² - (ΣX)²)(nΣY² - (ΣY)²))

7-4. 이벤트 임팩트

9개 이벤트 유형의 역사적 평균 영향%와 신뢰구간을 제공합니다.

신뢰도 = min(0.95, 0.5 + sampleSize × 0.08)

68% 구간  = [avg - σ,   avg + σ  ]
95% 구간  = [avg - 2σ,  avg + 2σ ]

7-5. 확률 체인

10개 연쇄 시나리오(각 3~4단계)의 누적 발생 확률을 계산합니다.

누적확률 = P(A) × P(B|A) × P(C|B)

Wilson Score 신뢰구간으로 불확실성 범위 산출

7-6. 앙상블 신뢰도

6개 모듈의 출력을 가중 합산하여 최종 신뢰도를 도출합니다.

일관성 = max(up, down) / total

해석:
  신뢰도 ≥ 70% + 일관성 ≥ 0.80 → 높은 신뢰도 예측
  신뢰도 < 50%               → 예측 보류 권장

9. 리스크 지수 (L7)

4개 핵심 구성요소와 2개 선택 요소를 가중 합산하여 0~100 사이의 글로벌 리스크 지수를 산출합니다.

구성요소 가중치

위험 단계

10. 예측 엔진 (L9)

다중 조건 매칭 배율

조건 3/3 충족 → 1.0× (확신)
조건 2/3 충족 → 0.6× (가능)
조건 1/3 충족 → 0.3× (낮은 확률)

신뢰도 조정 (L9-3)

예측 만료 기간

정확도 추적

모든 예측은 PredictionLog 테이블에 기록됩니다. 만료 후 결과(correct / incorrect / partial)를POST /api/predictions/resolve로 기록하면 통계가 자동 집계됩니다.

11. API 엔드포인트

12. 핵심 상수