리서치 연구
의도 기반 후속 검색어 추천 프레임워크 개발
Generative Query Suggestion via Intent Coverage and Query-Level Credit Assignment
arXiv사용자의 다음 검색 의도를 예측하여 관련 후속 질문을 추천하는 '의도 주도형 쿼리 제안 프레임워크'가 개발되었습니다.
세 줄 요약
- 이 프레임워크는 의도 기반 다양성 모델링과 개별 질문 기여도 할당이라는 2단계 최적화 과정을 통해 높은 커버리지를 확보합니다.
- 검색 시스템의 핵심 기능을 고도화하여 사용자가 놓칠 수 있는 의도를 보완하고 정보 접근성을 혁신적으로 높일 수 있습니다.
- 대규모 실제 데이터셋을 기반으로 온라인 A/B 테스트 및 오프라인 평가를 거쳐 클릭률과 검색 품질 개선 효과가 입증되었습니다.
생성형 쿼리 제안(Generative query suggestion)은 사용자의 의도를 예측하여 관련 후속 질문을 추천함으로써 사용자 참여를 높이는 것을 목표로 합니다. 이 과정에서 핵심적인 과제는 개별적으로 유용한 검색어들로 구성되면서도, 전체 세트(slate)가 서로 다른 의도들을 포괄할 수 있도록 생성하는 것입니다.
연구진은 '의도 주도형 쿼리 제안 프레임워크'를 제안하며, 이는 이중 단계 최적화를 통해 구현됩니다. 첫 번째 단계에서는 의도 인식 다양성 모델링을 사용하여 의도에 맞춰 지도 (SFT) 데이터를 구축하고, '의도 인식 다양성 보상(Intent-Aware Diversity Reward)'을 활용하여 의도 커버리지를 최적화합니다.
두 번째 단계에서는 '쿼리 수준 기여도 할당'을 통해 개별 품질 신호를 해당 쿼리 에 할당하는 동시에, 세트 전체의 다양성 신호는 공유하도록 설계되었습니다. 대규모 프로덕션 데이터셋에서 온라인 A/B 테스트와 오프라인 평가를 진행한 결과, 클릭률, 검색어 품질, 의도 커버리지 측면에서 개선 효과가 입증되었습니다.
용어 풀이
- 미세 조정
- 이미 학습된 모델을 특정 목적의 데이터로 조금 더 학습시키는 일.
- 토큰
- AI 모델이 글을 처리하는 단위. 단어보다 작은 조각이며 사용량과 요금을 셀 때 기준이 돼요.