이 게시물은 GloZ의 Amazon OpenSearch Service 기반 자연어 이력서 검색 시스템에서 하이브리드 검색과 자연어→DSL 변환을 구현한 사례를 다룹니다.

검색 단계의 문제 해결

자연어 쿼리에 AND/OR/NOT이 복합되면 메타데이터 필터링과 벡터 검색 단계 결합이 일관되지 않아 정확도가 저하됨을 설명합니다.

솔루션 구현: 하이브리드 검색

BM25 점수와 벡터 점수 스케일 차이를 OpenSearch normalization-processor 및 search-pipeline로 정규화·결합하고 Grid Search로 최적 가중치를 탐색함을 제시합니다.

솔루션 구현: 자연어 쿼리 변환

Bedrock Claude Haiku 4.5의 Function Calling으로 검색 파라미터만 결정론적으로 추출하고 DSL 조립은 백엔드 코드가 담당하도록 책임을 분리함을 설명합니다.

RAG로 변환 정확도 보강

과거 변환 예시를 별도 인덱스로 저장한 뒤 Few-shot으로 동적으로 주입하여 모호한 쿼리에서 변환 정확도를 개선함을 기술합니다.

운영 관점의 튜닝 및 성과

한국어 처리를 위해 Nori 형태소 분석기와 정규화/필터 체인을 적용하고, 필터 최소화 원칙과 SSE 기반 스트리밍으로 체감 응답을 개선했음을 언급합니다.

비즈니스 효과

최종 nDCG@10 0.901과 NL→DSL 변환 정확도 91.7%를 달성했으며 검색 및 후보 검토 시간 단축 등 고객 이점을 연결함을 정리합니다.