네이버 'EMNLP 2024'서 검색 기술 관련 논문 발표

2024-10-18 09:23
  • * AI기술로 자동 요약된 내용입니다. 전체 맥락과 내용을 이해하기 위해서는 기사 본문 전체를 보시길 권장합니다

    네이버는 세계 최고 권위 자연어처리(NLP)학회인 '자연어처리방법론학회(EMNLP 2024)'에서 검색 기술 관련 정규 논문이 채택되는 성과를 거두며 글로벌 수준의 검색 연구 역량을 입증했다고 18일 밝혔다.

    먼저, 네이버 생성형 AI 검색 서비스인 '큐(CUE):'에 적용된 알고리즘에 대한 연구 논문이 채택됐다.

    해당 연구는 소형언어모델(SLM)을 사용하는 모듈식 접근법을 통해, 유해 질의를 탐지하고 적절한 답변을 제공할 수 있는 학습 메커니즘을 다룬 연구이다 또 네이버는 통합검색 결과 상단에 검색어와 연관된 주요 정보를 요약해서 제공하는 '지식스니펫' 서비스에서 정보를 추출할 때, 텍스트 뿐 만 아니라 리스트, 테이블 등 복잡한 형태의 스니펫(정보)까지 AI가 효과적으로 처리하는 기술을 제안했다.

  • 글자크기 설정

"세계적 수준의 검색 기술력 입증"

네이버 사옥 전경 사진네이버
네이버 사옥 전경 [사진=네이버]

네이버는 세계 최고 권위 자연어처리(NLP)학회인  ‘자연어처리방법론학회(EMNLP 2024)’에서 검색 기술 관련 정규 논문이 채택되는 성과를 거두며 글로벌 수준의 검색 연구 역량을 입증했다고 18일 밝혔다.
 
올해로 28회차를 맞은 EMNLP는 자연어처리 분야에서 글로벌 최고 AI 학회로 꼽히며, AI 번역·챗봇·기계 독해 등 언어 데이터 기반 자연어처리 접근법에 대한 다양한 연구를 다룬다. EMNLP 2024는 내달 12일부터 16일까지 미국 플로리다에서 진행된다. 네이버는 이 자리에서 검색 기술 관련 연구를 포함해 채택된 논문 4건을 발표할 예정이다.
 
특히 네이버는 이번 연구 성과를 실제 네이버 검색 서비스에 직간접적으로 활용해 검색 품질과 사용성을 높이는 등 서비스 가치 창출과 연구의 실효성 측면에서 의미를 더했다.
 
먼저, 네이버 생성형 AI 검색 서비스인 ‘큐(CUE):’에 적용된 알고리즘에 대한 연구 논문이 채택됐다. 해당 연구는 소형언어모델(SLM)을 사용하는 모듈식 접근법을 통해, 유해 질의를 탐지하고 적절한 답변을 제공할 수 있는 학습 메커니즘을 다룬 연구이다
 
또 네이버는 통합검색 결과 상단에 검색어와 연관된 주요 정보를 요약해서 제공하는 ‘지식스니펫’ 서비스에서 정보를 추출할 때, 텍스트 뿐 만 아니라 리스트, 테이블 등 복잡한 형태의 스니펫(정보)까지 AI가 효과적으로 처리하는 기술을 제안했다. 해당 기술은 내년 상반기 지식스니펫 적용을 목표로 하고 있으며, 롱테일 질의(길고 복잡한 검색어)에도 정확히 답변하는 비율을 높여 사용자가 원하는 정보를 빠르게 확인할 수 있도록 성능을 높이는데 기여할 예정이다.
 
아울러, 초거대언어모델(LLM)의 문서 랭킹 능력을 sLLM에 이식시켜 검색 서비스에 적용하는 방법에 관한 논문도 채택됐다. 사용자가 원하는 결과를 실시간으로 제공해야 하는 검색 서비스에서 속도 저하 없이도 LLM 만큼 품질을 낼 수 있는 기술을 고안해 제안한 것이다. 
  
네이버 김광현 검색·데이터 플랫폼 부문장은 “이번 연구를 통해 국내 검색 시장을 선도해온 네이버의 검색 기술을 세계 무대에서도 인정받은 것”이라며 “앞으로도 개선된 검색 정확도와 생성형 AI 실험을 바탕으로 사용자들에게 최적화된 검색 결과를 제공할 수 있는 경쟁력 있는 검색 서비스를 지속 선보일 것”이라고 말했다.

©'5개국어 글로벌 경제신문' 아주경제. 무단전재·재배포 금지

0개의 댓글
0 / 300

로그인 후 댓글작성이 가능합니다.
로그인 하시겠습니까?

닫기

댓글을 삭제 하시겠습니까?

닫기

이미 참여하셨습니다.

닫기

이미 신고 접수한 게시물입니다.

닫기
신고사유
0 / 100
닫기

신고접수가 완료되었습니다. 담당자가 확인후 신속히 처리하도록 하겠습니다.

닫기

차단해제 하시겠습니까?

닫기

사용자 차단 시 현재 사용자의 게시물을 보실 수 없습니다.

닫기
공유하기
닫기
기사 이미지 확대 보기
닫기
언어선택
  • 중국어
  • 영어
  • 일본어
  • 베트남어
닫기