Amazon OpenSearch Service 의 LTR 플러그인을 활용한 검색 품질 개선
Amazon OpenSearch Service의 LTR 플러그인으로 BM25 결과를 재정렬해 검색 품질을 높이는 과정을 소개했습니다. Bedrock, RankLib, NDCG 평가를 통해 학습·배포·비교 흐름을 실습 형태로 설명했습니다.
#Amazon OpenSearch Service#검색
6000
Amazon OpenSearch Service의 LTR 플러그인으로 BM25 결과를 재정렬해 검색 품질을 높이는 과정을 소개했습니다. Bedrock, RankLib, NDCG 평가를 통해 학습·배포·비교 흐름을 실습 형태로 설명했습니다.
통신사 마케팅을 위해 요금제 변경 예측과 추천을 결합한 하이브리드 ML 모델을 소개했습니다.\nARPU와 고객 만족도의 균형을 고려해 다운그레이드 방어와 업셀 전략에 활용했습니다.