임베딩 안정화로 검색 리랭킹의 콜드 스타트 문제를 해결하다: LINE Part Time Jobs 적용 사례

문제 상황

• 검색 리랭킹에 사용자-아이템 2타워 임베딩을 단순 코사인 유사도로 활용하던 구조
• 쿼리 정보 미반영, 검색 화면 특성 미활용, 월초 공고 교체에 따른 콜드 스타트
• 일별 재학습으로 임베딩 공간이 바뀌어 학습 시점과 추론 시점의 피처 불일치 발생

해결 방법

• 전일의 안정화된 임베딩에 맞춰 당일 임베딩을 순차 정렬하는 안정화 방식 적용
• 저차원 SVD로 표준화된 저차원 표현을 만든 뒤 직교 Procrustes로 공간 정렬
• Spark 분산 처리와 숄레스키 분해 활용으로 대규모 계산 효율화

성능/운영 포인트

• 안정화 전후 임베딩 간 상관관계가 거의 0 수준에서 약 0.87~0.88 수준으로 유지
• 오프라인에서 클릭 nDCG와 전환 nDCG가 개선되고, 온라인 A/B에서 서비스 전체 KPI와 매출 향상
• 2타워 모델 자체는 유지하고 후처리만 추가해 도입 부담을 낮춘 점이 핵심