전자상거래 세션 데이터에서 구조화된 의미 신호를 추출해 구매 의도·고객 세분화·제품 친화도 등 교체 가능한 추론 목표를 구동하는 모듈형 프레임워크 SemantiClean을 제시한다. 정확도만 최적화하는 종단간 예측기와 달리 감사 가능성, 구조적 거버넌스, sigma=0 재현성을 우선해 한계 예측 이득을 요소 수준 투명성과 맞바꾼다. OSPI 데이터셋 기반으로 24개 행동 요소를 기능·상호작용·시스템·맥락 4계층으로 조직하고, 중복 기여 상한·편향 페널티·콜드스타트 보호 등 세 가지 신호 품질 방지 장치를 둔다. 전체 결과를 산출하는 두 단계 LLM 의미 추론 엔진을 구현했으며, 결정론적 출력은 완전 재현 가능하고 성별 추론 목표는 현재 미작동으로 제외했다.

• •전자상거래 세션에서 의미 신호를 추출해 구매 의도·세분화·제품 친화도를 구동하는 모듈형 프레임워크 SemantiClean
• •정확도보다 감사 가능성·구조적 거버넌스·sigma=0 재현성을 우선
• •24개 행동 요소를 4계층으로 조직, 중복 상한·편향 페널티·콜드스타트 보호의 3중 품질 장치 적용
• •두 단계 LLM 의미 추론 엔진 구현, 성별 추론은 미작동으로 제외