Real-time Signal 기반 Transformer 모델 도입으로 Feature Freshness를 24시간에서 초 단위로 단축

Context

기존 Batch 기반 Feature Pipeline으로 인한 데이터 갱신 지연과 사용자 실시간 의도 반영 부족 문제 발생. 개별 식당에 점수를 부여하는 Pointwise Ranking 방식의 상대적 순위 최적화 한계 직면.

Technical Solution

• Real-time Signal Processing Layer 도입을 통한 클릭, 검색, 주문 이력의 즉각적 반영 구조 설계
• Transformer 기반 Sequence Modeling 적용으로 정적 통계 피처에서 동적 사용자 행동 패턴 추출 방식으로 전환
• Listwise Ranking 기법 채택을 통한 후보군 간 상대적 순위 최적화 및 추론 효율성 개선
• Training-Serving Alignment를 위해 동일한 Feature Extraction 로직을 공유하여 Feature Drift 최소화
• Feature Preprocessing과 Model Inference 레이어 분리를 통한 고트래픽 환경의 저지연 응답 성능 확보
• Historical Session Replay 기반 학습 데이터 생성으로 실제 운영 환경과 학습 환경 간의 괴리 해소