[면접 합격자료] 11번가 Machine Learning 및 검색랭킹 개발 합격 문항 기출 최종합격

1. 머신러닝 모델을 검색 랭킹에 적용할 때 중요한 평가 지표는 무엇이며, 각각의 장단점은 무엇인가요

검색 랭킹에 머신러닝 모델 평가 시 대표적인 지표는 NP@K(Precision at K), NDCG(Normalized Discounted Cumulative Gain), MAP(Mean Average Precision), 그리고 MRR(Mean Reciprocal Rank)입니다. NP@K는 상위 K개 결과 중 정답이 몇 개 포함되어 있는지 평가하며 계산이 간단하여 빠른 피드백이 가능하지만, 정렬 순서의 중요성을 반영하지 않아서 정밀도와 중요도 차이를 무시할 수 있습니다. NDCG는 각 검색 결과의 관련성 점수에 따라 가중치를 부여해 순서의 품질을 평가하며, 사용자 체감 효과를 높이기 쉽다는 장점이 있으나 계산이 복잡하고, 관련성 점수의 정확도가 높아야 신뢰도가 확보됩니다. MAP은 전체 검색 결과에 대한 평균 정밀도를 고려하여 일괄 평가할 때 유리하며, 여러 쿼리에 대해 일반적인 성과를 보여주는 강점이 있지만 대규모 데이터셋에 적용하면 계산 비용이 많이 듭니다. MRR은 검색 결과 중 첫 관련 결과까지의 평균 역수를 구하는 지표로, 사용자 기대에 부합하는 빠른 검색 결과를 반영하는 데 유리하지만, 전체 순위 전체에 대…