AWS 官方技術部落格介紹了 GloZ 使用 Amazon OpenSearch Service 與 Amazon Bedrock 建構 hybrid search 翻譯人才媒合系統的實際案例，可支援近10萬名譯者搜尋。
發布時間：
🎯 登上 AWS 官方技術部落格
2026年5月18日，GloZ 的自然語言履歷搜尋系統案例正式刊登於AWS 官方技術部落格。這也是 AWS Korea Solutions Architects 團隊首次深入解析 GloZ 的多語 hybrid search 架構，該系統可支援近10萬名專業譯者的搜尋與媒合。
📌 為什麼要重建搜尋系統
GloZ 經營涵蓋70多種語言的全球專業譯者網路，規模接近10萬人。每一次專案媒合，都需要同時評估多項條件：
- 語言組合（例如 KO→EN、EN→JA）
- 領域專業性（遊戲、醫療、法律等）
- CAT 工具熟練度（Trados、MemoQ 等）
- 可配合時段與回應速度
過去的架構採用 PostgreSQL 搭配自建 vector DB，關鍵字搜尋與語意搜尋需要分開維運，不僅增加系統複雜度，也限制了媒合準確率。
⚙️ Solution: OpenSearch + Bedrock 整合式架構
GloZ 將搜尋基礎架構全面整合至 Amazon OpenSearch Service。核心組成包括：
- Hybrid Search：在單一查詢中整合 BM25 關鍵字比對與 k-NN 向量搜尋（HNSW 演算法）
- Embedding：使用 Amazon Bedrock 的 Cohere Embed v4 建立多語 embedding，並以 Claude Haiku 4.5 完成履歷摘要與中繼資料正規化
- Nori 韓文斷詞分析：優化韓文履歷中的同義詞與複合名詞處理
- ML Connector + Ingest Pipeline：於索引階段自動產生 embedding
📊 核心成果
- nDCG@10 達到 0.852，接近 0.90 目標值，顯著提升前10筆結果品質
- 支援 30+ 語言整合搜尋，可於單一索引同時媒合韓文、英文、日文、中文、西班牙文等語言
- 整合關鍵字與語意搜尋，降低多套搜尋基礎架構的維運負擔
- 支援 PDF、DOCX、OCR 掃描檔等多種履歷格式
💡 關鍵啟示：資料品質比模型選擇更重要
此案例最重要的洞察之一，是「資料品質比模型選擇更重要」。GloZ 優先投入履歷正規化流程，包括以 LLM 進行中繼資料擷取、同義詞映射與 hallucination 驗證，最終大幅提升搜尋準確率。
🔗 原文出處
完整技術細節可參閱AWS 官方技術部落格。透過結合 8萬+ 譯者網路與 AI 基礎架構，GloZ 正持續推動全球內容在地化的技術標準演進。