본 연구는 기존 연구에서 다루지 않았던 길이 제약 조건 하에서 예시 요약 길이의 영향을 특별히 조사하여 검색 증강 요약을 연구합니다. 요약 길이를 더 잘 제어하기 위해 다양한 길이를 고려하는 최대 한계 관련성(Diverse Length-aware Maximal Marginal Relevance, DL-MMR) 알고리즘을 제안합니다. 이 알고리즘은 검색 증강 요약에서 쿼리 관련성과 다양한 목표 길이를 결합합니다. MMR을 사용하여 모든 예시 관련성 비교가 필요한 기존 방법과 달리, DL-MMR은 예시 목표 길이도 고려하고 예시끼리 비교하는 것을 피하여 예시 풀을 구성하는 동안 계산 비용을 줄이고 메모리를 절약합니다. 실험 결과는 길이 다양성을 고려하는 DL-MMR이 기존 MMR 알고리즘에 비해 효과적임을 보여주었습니다. 또한 DL-MMR은 정보성을 유지하면서 메모리 절약 781,513배, 계산 비용 절감 500,092배의 효과를 보였습니다.
