본 논문은 검색 추천 시스템의 두 가지 주요 과제인 검색 관련성 매칭과 클릭률(CTR) 예측을 통합하는 새로운 모델 PRECTR을 제안합니다. 기존 연구는 두 과제를 별도의 모델로 처리하여 결과를 결합하는 분할 정복 방식을 사용하지만, 이는 모델 간 불일치를 야기하고 사용자 개인화를 고려하지 못하는 한계가 있습니다. PRECTR은 조건부 확률 융합 메커니즘을 기반으로 CTR 예측과 검색 관련성 매칭을 하나의 프레임워크로 통합하여 두 모듈 간의 상호 작용 및 일관성을 향상시킵니다. 또한, 이진 분류 손실만 최적화하는 문제점을 해결하기 위해 2단계 학습과 의미 일관성 정규화를 도입하고, 사용자의 과거 검색 기록을 분석하여 개인화된 관련성 선호도를 반영합니다. 실험 결과, PRECTR은 기존 방법보다 우수한 성능을 보였습니다.
