본 논문은 이력서 추천 시스템에서 중요한 과제인 직무명 매칭에 대한 의미론적 텍스트 관련성(STR)을 연구합니다. 기존의 단순한 어휘 유사성을 넘어 뉘앙스 있는 관계를 포착하는 STR을 개선하기 위해, 밀집 문장 임베딩과 도메인 특화 지식 그래프(KG)를 결합한 자기 지도 학습 하이브리드 아키텍처를 제시합니다. 기존 연구와 달리, STR 점수 연속체를 저, 중, 고 의미 관련성 영역으로 분할하여 계층화된 평가를 수행함으로써 모델 성능을 세밀하게 분석합니다. 다양한 임베딩 모델을 KG 통합 여부에 따라 평가한 결과, KG를 추가한 미세 조정된 SBERT 모델이 고 STR 영역에서 RMSE를 25%까지 감소시키는 등 성능 향상을 보였습니다. 이는 KG와 텍스트 임베딩 결합의 효과와 지역별 성능 분석의 중요성을 강조합니다.
