AI
추천 시스템 서비스 적용을 위한 Elastic Search 도입기
두줄요약
리멤버 커뮤니티 새 글 피드 개인화 추천에 SimCSE와 OpenSearch k-NN을 적용한 과정을 소개했습니다. MongoDB 병목을 줄여 평균 0.2초 응답의 추천 API를 구성했습니다.
핵심 내용
- 리멤버 커뮤니티 새 글 피드 개인화 추천을 위해 콘텐츠 기반 추천과 SimCSE 임베딩을 활용한 추천 로직 설계
- 유저가 읽은 글과 유사한 글을 top K로 추천하도록 제목, 본문, 카테고리, 반응 정보를 임베딩에 반영
- 서비스 적용에서는 MongoDB 기반 임베딩 조회의 지연 문제를 해결하기 위해 ElasticSearch/OpenSearch k-NN 검색 도입
- Script Score k-NN과 필터링 조건을 사용해 추천 후보를 빠르게 조회하고, 평균 0.2초 수준의 API 응답 시간 확보
적용해볼 점
- 모델 성능뿐 아니라 서비스 적용 방식과 조회 구조를 함께 설계할 필요
- 벡터 유사도 검색은 별도 DB 조회보다 검색엔진 내 k-NN 활용이 운영상 유리할 수 있음
- 필터 조건이 있는 추천 서비스에서는 검색 방식 선택이 성능과 정확도에 직접 영향