메타, 페이스북 그룹 검색 엔진 하이브리드 모델 도입

주장메타는 페이스북 그룹 검색 시스템을 전면 개편하여 사용자가 커뮤니티 내 지식을 신뢰성 있게 찾고 검증하도록 지원합니다. 기존 키워드 기반 검색의 한계를 극복하고자 하이브리드 검색 아키텍처를 새롭게 도입했습니다.

팩트새로운 검색 시스템은 유니콘 역색인(Unicorn inverted index)을 활용한 어휘 검색과 12개 층, 2억 개의 파라미터를 가진 검색 의미론적 검색기(Search Semantic Ranker, SSR)를 병렬로 운영합니다. SSR은 파이스(Faiss) 벡터 인덱스를 사용하여 키워드 일치 여부와 관계없이 콘텐츠의 개념적 유사성을 파악합니다.

팩트검색 결과의 순위 산정에는 다중 작업 다중 레이블(Multi-Task Multi-Label, MTML) 모델을 적용합니다. 이 모델은 클릭, 공유, 댓글 등 다양한 참여 지표를 동시에 최적화하여 사용자에게 의미 있는 결과를 제공합니다.

교차검증기존 키워드 기반 시스템은 사용자가 입력한 단어와 정확히 일치하는 결과만 노출하여 검색 누락이 발생하는 문제가 있었습니다. 예를 들어 사용자가 '커피 음료'를 검색할 때 '카푸치노'라는 단어가 포함된 게시물을 찾지 못하는 한계가 존재했습니다.

팩트메타는 검색 품질 평가를 위해 라마 3(Llama 3) 모델을 자동 평가자로 활용합니다. 이 모델은 검색 결과가 사용자의 의도와 얼마나 관련이 있는지 미묘한 차이까지 구분하여 평가합니다.

주장커뮤니티 지식 검색의 주요 마찰 지점은 발견, 소비, 검증 과정에서 발생합니다. 메타는 이번 개편으로 사용자가 정보를 찾고 내용을 파악하며 의사결정을 내리는 과정을 효율적으로 개선합니다.

팩트하이브리드 검색 아키텍처 도입 이후 검색 참여도 지표가 상승했습니다. 검색 오류율 증가 없이 관련성 높은 콘텐츠를 정확하게 노출하며 키워드 방식과 신경망 이해 방식의 결합이 우수함을 입증합니다.

교차검증고차원 벡터 공간에서의 유사도 점수는 직관적이지 않을 수 있다는 위험이 있습니다. 메타는 이를 해결하기 위해 자동화된 오프라인 평가 프레임워크를 구축하여 대규모 데이터 환경에서도 검색 품질을 유지합니다.

주장메타는 앞으로 검색 랭킹 단계에 거대언어모델(Large Language Model, LLM)을 직접 적용할 계획입니다. 또한 사용자의 질문 복잡도에 따라 검색 매개변수를 동적으로 조정하는 적응형 검색 전략을 연구합니다.

출처메타 엔지니어링 블로그(https://engineering.fb.com/2026/04/21/ml-applications/modernizing-the-facebook-groups-search-to-unlock-the-power-of-community-knowledge/)를 통해 해당 내용을 교차 검증했습니다.