최근 몇 년간, 딥 뉴럴 네트워크는 음성 인식, 컴퓨터 비전, 자연어 처리(NLP) 작업에서 흥미로운 진전을 이루어냈습니다. 그러나 즉석 검색(ad-hoc retrieval) 작업에 대한 딥 모델의 긍정적인 결과는 거의 보고되지 않았습니다. 이는 즉석 검색 작업의 많은 중요한 특성이 아직 딥 모델에서 충분히 다루어지지 않았기 때문입니다. 기존 연구에서는 일반적으로 즉석 검색 작업을 두 개의 텍스트 간의 일치 문제로 정형화하여, 동의어 식별, 질문 답변, 자동 대화 등과 같은 여러 NLP 작업과 동등하게 취급하였습니다. 하지만 우리는 즉석 검색 작업이 주로 관련성 일치에 관한 것이라며, 대부분의 NLP 일치 작업은 의미적 일치에 초점을 맞추고 있으며, 이 두 가지 일치 작업 사이에는 근본적인 차이가 있음을 주장합니다. 성공적인 관련성 일치를 위해서는 정확한 일치 신호, 쿼리 용어 중요도, 다양한 일치 요구 사항을 적절히 처리해야 합니다. 본 논문에서는 즉석 검색을 위한 새로운 딥 관련성 일치 모델(DRMM)을 제안합니다. 특히, 우리의 모델은 쿼리 용어 수준에서 관련성 일치를 위해 공동 딥 아키텍처를 사용합니다. 매칭 히스토그램 매핑, 전방향 매칭 네트워크, 용어 게이팅 네트워크를 사용함으로써 위에서 언급한 세 가지 관련성 일치 요소를 효과적으로 처리할 수 있습니다. 두 개의 대표적인 벤치마크 컬렉션에 대한 실험 결과는 우리의 모델이 잘 알려진 검색 모델들과 최신 딥 매칭 모델들보다 유의미하게 우수한 성능을 보임을 입증하였습니다.