GloZ의 Amazon OpenSearch Service 기반 자연어 이력서 검색 시스템 구축 사례 — Part 2: 하이브리드 검색과 자연어 쿼리 변환

번역가 검색 시 "더빙 경력이 있는 영어/스페인어 원어민"과 같이 복합적인 자연어 조건이 입력될 때, 기존의 단순 키워드 매칭이나 규칙 기반 파싱은 정확도가 떨어지는 한계가 있었다. 또한 메타데이터 필터링과 벡터 검색이 분리되어 AND/OR/NOT 같은 복합 조건을 일관성 있게 처리하기 어려웠다.

이를 해결하기 위해 다음과 같은 솔루션을 구축했다.

• 하이브리드 검색 최적화: Amazon OpenSearch의 normalization-processor를 활용해 스케일이 다른 BM25와 Vector 점수를 정규화했다. Grid Search로 최적의 가중치 조합을 도출해 검색 성능을 높였다.
• 자연어 → DSL 변환: Amazon Bedrock의 Claude Haiku 4.5를 Function Calling으로 활용했다. LLM이 검색 파라미터만 추출하고 백엔드에서 DSL을 조립하게 하여 결과의 일관성을 확보했다.
• RAG 패턴 적용: 변환 정확도를 높이기 위해 과거 변환 사례를 OpenSearch에 저장하고, 유사 사례를 Few-shot으로 주입하는 방식을 사용했다.