본 논문은 추천 시스템의 인기 편향 문제를 해결하기 위해 노출 인식 검색 점수 접근 방식을 제시합니다. 기존의 편향 완화 방법들이 주로 순위 매김 단계나 훈련 단계에서 작동하는 것과 달리, 본 논문의 방법은 추론 단계에서 검색 순위를 명시적으로 조정하여 아이템 노출 확률을 모델링합니다. 이는 노출 효과와 참여 가능성을 분리하여 공정성과 참여 사이의 제어된 절충을 가능하게 합니다. 실제 동영상 추천 시스템에서의 온라인 A/B 실험을 통해 독특하게 검색된 아이템이 25% 증가하고 과도하게 인기 있는 콘텐츠의 지배력이 40% 감소하는 것을 확인했습니다. 전반적인 사용자 참여 수준은 유지하면서 검색 단계에서 인기 편향을 완화하는 확장 가능하고 배포 가능한 솔루션을 제시합니다.