본 논문은 현대 전자상거래 검색 시스템에서 사용자 의도와 상품 후보 간의 정확한 매칭을 위해 대규모 언어 모델(LLM)을 활용한 반복적인 쿼리 재작성 프레임워크(IterQR)를 제안합니다. 기존의 정적 쿼리 재작성 방식의 한계를 극복하고자, 검색어 오류 및 모호성을 해결하기 위해 도메인 지식과 실세계 지식을 통합한 쿼리 재작성을 수행합니다. IterQR은 검색어 생성, 온라인 신호 수집, LLM 재학습의 3단계 반복 과정을 통해 자동으로 쿼리 재작성을 업데이트하고 수정하며, 메이투안 배달 서비스에 적용되어 성능 향상을 보였습니다. Retrieval-Augmented Generation (RAG)과 Chain-of-Thoughts (CoT)를 활용하여 도메인 지식을 기반으로 쿼리 재작성을 생성합니다.
