Zero-Shot Learning과 MongoDB 통합을 통한 지능형 ERP 시맨틱 검색 시스템 구축

Context

전통적 예측 모델의 predefined category 의존성으로 인한 미학습 입력 데이터 처리 한계 발생. 특히 대학 ERP와 같이 쿼리 패턴이 동적인 환경에서 분류 성능 저하 및 과거 상호작용 데이터의 휘발성 문제 직면.

Technical Solution

• Zero-Shot Learning 도입을 통한 미학습 텍스트 분류 및 유연한 입력 대응 구조 설계
• MongoDB의 Flexible Schema를 활용하여 Embedding, 예측값, 분석 데이터를 통합 관리하는 System-centric 아키텍처 전환
• Full-Text Search 인덱스를 1차 필터로 배치하여 검색 공간을 축소하고 응답 속도를 개선하는 계층적 검색 구조 적용
• Vector Search와 Cosine Similarity 기반의 Embedding 비교를 통해 키워드 일치 여부와 무관한 Semantic matching 구현
• $facet 연산자를 이용한 단일 파이프라인 내 다중 분석을 수행하여 데이터 분석 쿼리 비용 최적화
• MongoDB를 단순 저장소가 아닌 Memory, Search, Analytics, Explainability 레이어로 정의하여 모델-데이터 간 유기적 피드백 루프 형성