본 논문은 현대 검색 엔진이 점점 더 의존하는 학습-랭킹(Learning to Rank)과 같은 지도 학습 방법 및 심층 학습 모델에 필요한 방대한 양의 데이터를 위해 필수적인 라벨링된 데이터셋 생성의 어려움을 다룹니다. 라벨링된 데이터셋 생성의 시간 및 비용 소모 문제를 해결하기 위해 사용자 클릭 및 활동 로그를 관련성의 대용물로 사용하는 일반적인 방법을 대체하고자, 질의-문서 쌍의 품질을 추론하는 약한 감독 접근 방식을 제시합니다. 이를 학습-랭킹 프레임워크 내에서 적용하여 대규모 검색 시스템의 정확도를 향상시키는 방법을 제시합니다.
