본 논문은 텍스트가 풍부하고 동적인 양면 시장에서 발생하는 매칭 추천의 어려움을 해결하기 위해 GraphMatch라는 새로운 대규모 추천 프레임워크를 소개합니다. 이 프레임워크는 사전 훈련된 언어 모델과 그래프 신경망을 융합하여 진화하는 콘텐츠와 상호 작용 그래프를 처리합니다. GraphMatch는 강력한 텍스트 인코더와 GNN을 결합하여, 변화하는 텍스트의 미세한 의미와 시간 의존적인 그래프 구조를 모두 포착하는 표현을 학습합니다. Upwork의 대규모 상호 작용 데이터를 기반으로 광범위한 평가를 수행했으며, 실시간 사용에 적합한 저지연 추론 방식을 논의합니다. 실험 결과 GraphMatch는 언어 모델 기반 및 그래프 기반 모델보다 성능이 우수하며, 런타임 효율성도 뛰어났습니다.
