본 논문은 검색 광고에서 키워드 매칭의 정확성과 광고 노출 범위 사이의 균형을 개선하는 새로운 방법을 제안합니다. 토큰 기반 매칭의 과도한 의미 확장으로 인한 관련성 저하 문제를 해결하기 위해, 사전 훈련된 Siamese 모델을 이용하여 광고 키워드의 의미적으로 관련된 변형 키워드를 생성하고, 클러스터 기반 임계값 조정 메커니즘을 통해 정확성을 유지합니다. 추가적으로, 증분 학습 전략과 경량 의사결정 트리 앙상블을 활용하여 확장된 키워드 공간에 적합하도록 하위 관련성 모델을 개선함으로써 관련성과 클릭률(CTR)을 향상시킵니다. 이 시스템은 확장성이 높고 지연 시간이 짧으며, 변화하는 검색어 행동과 광고 재고에 적응 가능하다는 장점을 가집니다.
