이 게시물은 LINE Part Time Jobs 검색 리랭킹에서 콜드 스타트와 임베딩 공간 드리프트 문제를 임베딩 안정화로 완화한 사례를 소개합니다. 검색 리랭킹을 위해 기존 2타워 임베딩을 실시간 코사인 유사도로 사용했으나, 전용 리랭킹 도입 시 일별 학습으로 임베딩 공간이 바뀌어 다운스트림 피처 불일치가 발생했습니다. 월초에 공고가 대부분 교체되는 서비스 특성상 충분한 학습 데이터 확보 전 성능이 크게 떨어지는 콜드 스타트도 확인했습니다. 제안한 해결책은 전날 안정화된 임베딩 기준으로 당일 임베딩을 정렬해 시간 연속성을 유지하는 것으로, 저차원 SVD와 직교 Procrustes로 후처리 안정화를 수행합니다. Spark 기반 분산 처리로 구현했으며, 안정화 전후 비교에서 임베딩 유사도 유지와 함께 클릭 nDCG 및 전환 nDCG가 개선되는 오프라인 및 온라인 결과를 제시합니다. 또한 2타워 모델 구조는 변경하지 않고 임베딩 후처리만 추가해 도입 부담을 낮추고, 서비스 전체 KPI와 매출 향상 효과를 A/B 테스트로 확인했다고 설명합니다.