[improve/#231] 추천 시스템 네이티브 k-NN 전환 및 LLM 기반 평가 프레임워크 구축

[Dimo-2562]

❤️ 기능 설명

🚀 성능 최적화: 1400ms → 1000ms

• Native k-NN 전환: 기존 script_score 방식에서 Elasticsearch 네이티브 k-NN 검색으로 전환하여 검색 속도를 대폭 개선했습니다.
• Pre-filtering 적용: 읽은 글 제외 로직을 Java Stream에서 ES 엔진 레벨로 이동시켜 I/O 및 연산 비용을 절감했습니다.
• MMR 스케일 보정: 코사인 유사도 점수를 [0, 1]로 정규화하여 lambda 파라미터의 동작 정확도를 높였습니다.

🧪 평가 프레임워크 개편 (Evaluation)

• JSON Fixture 도입: 원격 DB 의존 없이 users.json, posts.json 등을 로드하여 테스트 컨테이너 환경에서 즉시 평가 가능하도록 구조를 변경했습니다.
• LLM & Leave-K-out: LLM이 채점한 연관성 점수(Ground Truth)를 기반으로, 사용자 이력 중 K개를 제외하고 맞추는 정교한 평가 방법론을 적용했습니다.
• 다중 지표 측정: UI 구조를 고려하여 K=4(첫 줄), 8(첫 화면), 30(탐색)에 대한 Recall, nDCG 및 ILD(다양성) 지표를 복합적으로 측정합니다.

연결된 issue

연결된 issue를 자동으로 닫기 위해 아래 {이슈넘버}를 입력해주세요.

close #231

✅ 체크리스트

• PR 제목 규칙 잘 지켰는가?
• 추가/수정사항을 설명하였는가?
• 테스트 결과 사진을 넣었는가?
• 이슈넘버를 적었는가?