Product Search & Ranking
소개
쇼핑 검색 서비스에서 사용자가 원하는 상품을 쉽게 찾아주고, 구매 결정에 필요한 다양한 정보를 함께 제공하기 위해, 최신 Ai 기술을 연구 개발하여 검색 서비스 품질을 끊임없이 개선시키고 있는 기술 개발 조직입니다. 특히, 인공지능/기계학습 엔지니어, 검색 랭킹 엔지니어, 데이터 엔지니어, 백엔드 엔지니어 등 여러 기술 분야의 전문가들이 함께 협업하여, 모든 쇼핑 검색 서비스 계층에서 기술 개발을 진행하고 있기에, 다양한 기술 분야에서 배움의 기회가 많고 개인의 기술 역량 성장 속도가 빠릅니다. 또한, 국내 뿐만 아니라 일본, 대만 등에서 서비스 중인 글로벌 쇼핑 서비스를 위한 검색 기술도 함께 개발하고 있으며, 현지 담당자 분들과 긴밀하게 소통하며 글로벌 서비스 개발 역량을 키우고 있습니다. 주요 직무는 다음과 같습니다.
기계학습 엔지니어 : 최신 딥러닝 모델을 이용한 질의 의도 분석 및 상품 딥매칭 모델 개발
검색 랭킹 엔지니어 : 사용자 만족도 및 매출 최대화를 위한 검색 랭킹 학습 모델 개발 및 랭킹 피쳐 엔지니어링
데이터 엔지니어 : 쇼핑 검색에 활용되는 데이터의 수집/정제/서빙을 위한 통합 플랫폼 개발
백엔드 엔지니어 : 질의 의도 별 추천 상품 및 탐색 정보를 제공하는 서빙 플랫폼 개발
주요 기술 개발 1) Query Understanding
사용자 검색어에 연관된 카테고리 정보, 상품 속성 정보 등의 랭킹 자질을 추출하기 위한 기술 개발입니다. 쇼핑 검색 서비스 로그와 상품 데이터를 결합하여, 자질 추출 목적에 따라 학습 데이터를 생성하고, 이를 이용하여 기계학습 모델을 학습하고, 최종 결과물로 검색어 기반 랭킹 자질을 얻게 됩니다.
주요 기술 개발 2) Deep Matching
사용자 검색어가 길어지거나 오탈자 및 잘못된 정보가 포함된 경우, 상품 색인에서 단어 매칭이 어려워지기 때문에, 정확한 검색 결과를 제공할 수 없습니다. 네이버 쇼핑 검색에서는 사용자가 찾고자 하는 상품을 최대한 검색해주기 위해, 다양한 검색어 매칭 전략을 구사하고 있습니다. 핵심 쇼핑 키워드 만을 이용한 부분 검색, 쇼핑 전용 질의 변환 모델, 언어 모델 기반 임베딩 검색 등 Ai 기술을 이용한 쇼핑 확장 검색 방법을 연구 개발 하고 있습니다.
주요 기술 개발 3) Learning To Rank
검색 결과에 대한 사용자 만족도를 높이기 위해서는, 검색어에 대한 랭킹 자질과 상품 자체의 랭킹 자질을 최적으로 조합하는 랭킹 모델을 학습해야 합니다. 수많은 랭킹 자질들을 조합하여 최고의 사용자 만족도를 이끌어 내기 위하여, 다양한 랭킹 피쳐 엔지니어과 랭킹 학습 모델 연구 개발을 수행 중입니다.
Last updated
