5.2 KiB
5.2 KiB
id: wiki-2026-0508-information-retrieval title: Information Retrieval category: Computer_Science_and_Theory status: needs_review canonical_id: self aliases: [information_retrieval] duplicate_of: none source_trust_level: A confidence_score: 1.0 tags: [- information_retrieval - search_engine - ranking - ir_metrics - evaluation] raw_sources: ["- E:/Wiki/2nd/10_Wiki/Topics/AI_and_ML/Information-Retrieval-IR.md - E:/Wiki/2nd/10_Wiki/Topics/Computer_Science_and_Theory/Information Retrieval (IR).md - E:/Wiki/2nd/10_Wiki/Topics/Computer_Science_and_Theory/Information Retrieval Evaluation Metrics.md"] last_reinforced: 2026-05-08 github_commit: pending inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08) tech_stack: language: unspecified framework: unspecified
정보 검색 (Information Retrieval, IR)
📌 한 줄 통찰 (The Karpathy Summary)
"방대한 데이터 집합에서 사용자의 특정 정보 요구(Information Need)에 가장 적합한 문서를 정확하고 빠르게 찾아내어 최적의 순위로 정렬하는 컴퓨터 과학의 핵심 기술 체계."
📖 핵심 개념 (Core Concept)
1. IR의 핵심 프로세스
정보 검색 시스템은 비정형 데이터(주로 텍스트)를 대상으로 다음과 같은 단계를 거칩니다.
- 색인 (Indexing): 검색 대상 문서를 효율적으로 찾기 위해 Inverted Index 등으로 구조화합니다 [18].
- 질의 처리 (Query Processing): 자연어 질문을 토큰화, 스테밍(Stemming) 등을 통해 시스템이 이해할 수 있는 형태로 변환합니다 [19].
- 랭킹 (Ranking): 검색된 문서들 중 사용자의 의도와 가장 가까운 순서대로 정렬합니다 [20].
2. 검색 모델의 진화
- Boolean Model: 키워드의 존재 유무(AND, OR, NOT)만 판단하는 기초적 모델 [23].
- Vector Space Model: 문서를 벡터 공간의 점으로 표현하고 코사인 유사도 등으로 관련성을 계산합니다 [24].
- BM25 (Probabilistic Model): 문서 내 단어 빈도와 문서 길이를 고려한 통계적 모델로, 현대 검색 엔진의 강력한 Baseline입니다 [25].
- Neural IR: 딥러닝과 트랜스포머 모델을 활용하여 문맥적 의미를 파악하는 현대적 방식(Semantic Search)입니다 [26].
3. 평가 지표 (IR Metrics)
시스템의 성능은 '정확도'와 '순위 품질'로 측정합니다.
- 집합 기반 지표: Precision & Recall, Precision & Recall, F1-Score [18-20].
- 순위 기반 지표: nDCG(위치 가중치 부여), MAP(평균 정밀도의 평균), ERR(사용자 만족도 기반) [23-25].
- RAG 특화 지표: Context Precision & Recall, Context Precision & Recall (RAG 시스템에서 컨텍스트의 품질 측정) [28, 29].
⚖️ 트레이드오프 및 고려사항 (Trade-offs)
- Precision vs Recall: 모든 관련 문서를 찾으려 하면(Recall↑) 노이즈가 늘어나고(Precision↓), 정확한 것만 찾으려 하면(Precision↑) 중요한 정보를 놓칠 수(Recall↓) 있습니다 [33].
- 속도 vs 품질: 정교한 랭킹 알고리즘은 품질을 높이지만 응답 시간을 늦춥니다. 이를 해결하기 위해 다단계 랭킹(Multi-stage Ranking) 기법을 사용합니다 [34].
🔗 지식 연결 (Graph)
- Concepts: Natural Language Processing (NLP), Semantic Search, Hybrid Search
- Evaluation: LLM-as-judge, A/B Testing, Judgment List
- Infrastructure: Vector Database, Elasticsearch, Ollama_Local_LLM_Setup_Guide
Last updated: 2026-05-08
📖 구조화된 지식 (Synthesized Content)
추출된 패턴:
(TODO)
세부 내용:
- (TODO)
🤖 LLM 활용 힌트 (How to Use This Knowledge)
언제 이 지식을 쓰는가:
- (TODO)
언제 쓰면 안 되는가:
- (TODO)
🧪 검증 상태 (Validation)
- 정보 상태: needs_review
- 출처 신뢰도: A
- 검토 이유: (P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)
🧬 중복 검사 (Duplicate Check)
- 기존 유사 문서: (TODO: 인덱서 클러스터 리포트 참조)
- 처리 방식: UPDATE (자동 정규화)
- 처리 이유: Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
⚠️ 모순 및 업데이트 (Contradictions & Updates)
- 과거 데이터와의 충돌: 없음
- 정책 변화: 없음
🕓 변경 이력 (Changelog)
| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
|---|---|---|---|
| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
💻 코드 패턴 (Code Patterns)
패턴 1: (TODO: 이 프로젝트 컨벤션 반영한 구조 스켈레톤)
# TODO
🤔 의사결정 기준 (Decision Criteria)
선택 A를 써야 할 때:
- (TODO)
선택 B를 써야 할 때:
- (TODO)
기본값:
(TODO)
❌ 안티패턴 (Anti-Patterns)
- [안티패턴]: (TODO: 무엇을 하면 안 되는가 + 이유 + 대신 무엇을)