프로젝트 소개

INCIDB는 원시 화장품 성분 표기 텍스트를 정규화된 관계형 데이터셋으로 변환하는 다중 소스 스킨케어·화장품 처방 데이터베이스입니다. Open Beauty Facts(ODbL)의 제품, 브랜드, 조성 데이터와 유럽연합 집행위원회 CosIng 인벤토리의 성분 강화 데이터를 정확한 표준 INCI 명칭을 기준으로 결합합니다. 데이터셋은 7개 테이블로 구성됩니다: products(19,764행), brands(6,412행), ingredients(45,327개의 고유 표준 INCI 명칭), product_ingredients(라벨 순서를 보존한 367,785개의 정렬된 조성 링크), ingredient_name_map(원시 라벨 토큰을 표준 명칭으로 매핑하고 해석 방법과 신뢰도를 기록한 77,367행), fragrance_allergens(274개 EU Annex III 항목), regulatory_status(637개 EU Annex II–VI 행). 데이터는 파이프 구분 UTF-8 CSV와 Apache Parquet로 제공됩니다. 핵심 기능은 ingredient_name_map으로, 모든 원시 라벨 토큰이 명시적 방법(정확 일치, 정제, 오타 매핑, 백분율 제거, 괄호 제거, 동의어 매핑, 슬래시 변형 처리, 분할, 미해결 플래그)을 통해 어떻게 표준 INCI 명칭으로 해석되었는지 기록합니다. 이를 통해 블랙박스 해석을 신뢰하는 대신 정규화 파이프라인의 완전한 감사 가능성을 제공합니다. 강화 적용 범위는 두 가지 방식으로 보고됩니다: 고유 명칭 기준(12.2% CosIng 일치)과 라벨 출현 기준(85.1% 일치)으로, 이는 성분 명명의 롱테일 특성을 반영합니다. 데이터셋에는 EU 향료 알레르겐 플래그(120개 명칭 플래그, 제품의 47.2%가 최소 1개 포함), EU Annex II–VI 규제 상태, 142개 성분의 면포 유발 등급(Fulton 1989에서 전사), 275개 성분의 곰팡이성 여드름 유발 플래그(규칙 기반 휴리스틱)가 포함됩니다. 무료 샘플(200개 제품, 1,123개 성분)이 제공되며, 전체 데이터셋은 1회 $79에 구매할 수 있습니다. 제품 데이터는 ODbL 라이선스를 유지합니다. 활용 사례로는 성분 스캐너 앱, 처방 및 추천 모델, 소매 마켓플레이스 강화, 규제 연구 등이 있습니다. 대화형 스키마와 집계 통계를 제공하는 라이브 포털은 incidb.dataengineered.io에서 이용할 수 있습니다.