Mind the Gap: Bridging Behavioral Silos with LLMs in Multi-Vertical Recommendations
यह शोध पत्र एक ऐसे नवीन ढांचे का प्रस्ताव करता है जो डेटा-समृद्ध डोमेन से क्रॉस-वर्टिकल उपयोगकर्ता प्राथमिकताओं को संश्लेषित करने के लिए एक पदानुक्रमित रिट्रीवल-ऑगमेंटेड जनरेशन पाइपलाइन के भीतर लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, जिससे डेटा-विरल ई-कॉमर्स वर्टिकल्स में कोल्ड स्टार्ट समस्या को प्रभावी ढंग से संबोधित किया जा सके और वैयक्तिकरण को बढ़ाया जा सके।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
DoorDash की कल्पना एक विशाल, हलचल भरे फूड कोर्ट के रूप में करें। एक तरफ, सैकड़ों लोकप्रिय रेस्टोरेंट्स हैं जहाँ हर कोई नियमित ग्राहकों को जानता है। दूसरी तरफ, किराने का सामान, रिटेल आइटम और सौंदर्य उत्पाद बेचने वाले नए स्टॉल हैं। समस्या क्या है? नए स्टॉल्स अभी अपने ग्राहकों को नहीं जानते। यदि आपने ऐप पर कभी आटे की बोरी या शैम्पू की बोतल नहीं खरीदी है, तो सिस्टम को पता ही नहीं चलेगा कि आपको क्या पसंद आ सकता है। यह "कोल्ड स्टार्ट" (cold start) की समस्या है।
"माइंड द गैप" (Mind the Gap) नामक शोध पत्र इस समस्या को हल करने के लिए एक चतुर तरीका बताता है, जिसमें एक "सुपर-स्मार्ट अनुवादक" (एक AI जिसे लार्ज लैंग्वेज मॉडल या LLM कहा जाता है) का उपयोग करके आपके भोजन वाले हिस्से और ग्रोसरी (किराने के सामान) वाले हिस्से के बीच के अंतर को पाटा जाता है।
उन्होंने इसे कैसे किया, यहाँ सरल चरणों में दिया गया है:
1. "गुप्त सामग्री" (Secret Ingredient) डिटेक्टर
शोधकर्ताओं ने महसूस किया कि भले ही आपने किराने का सामान न खरीदा हो, लेकिन आपके भोजन ऑर्डर करने का इतिहास आपकी पसंद के बारे में बहुत कुछ बताता है।
- पुराना तरीका: सिस्टम केवल यह देखता था कि "आपने इंडियन फूड ऑर्डर किया।"
- नया तरीका: उन्होंने एक AI का उपयोग किया जो एक 'गॉरमेट डिटेक्टिव' (स्वाद के विशेषज्ञ जासूस) की तरह काम करता है। केवल ऑर्डर देखने के बजाय, AI आपके इतिहास को देखता है और कहता है, "आह, इस व्यक्ति को मसालेदार करी, नान जैसी नरम ब्रेड और विशिष्ट प्रकार का पनीर पसंद है।"
AI आपके अव्यवस्थित इतिहास (जैसे "रॉयल स्पाइस से बटर चिकन ऑर्डर किया") को आपकी प्राथमिकताओं की एक सुव्यवस्थित सूची (जैसे "स्पेशलिटी ब्रेड्स," "चिकन," "चीज़") में बदल देता है। यह बिल्कुल वैसा ही है जैसे रसीदों के एक अस्त-व्यस्त ढेर को एक व्यवस्थित शॉपिंग लिस्ट में बदलना।
2. "स्मार्ट सर्च" (Hierarchical RAG)
यह सुनिश्चित करने के लिए कि AI भ्रमित न हो या अपनी ओर से कुछ भी न बना दे (जिसे 'हैलुसिनेशन' या भ्रम की समस्या कहा जाता है), उन्होंने Hierarchical RAG नामक एक विशेष प्रणाली बनाई।
- उपमा: कल्पना कीजिए कि आप एक विशाल पुस्तकालय में एक विशिष्ट पुस्तक खोजने की कोशिश कर रहे हैं। केवल "मुझे एक किताब चाहिए!" चिल्लाने के बजाय, आप पहले लाइब्रेरियन से कहते हैं, "मुझे फिक्शन चाहिए।" फिर, "मुझे मिस्ट्री (रहस्य) चाहिए।" फिर, "मुझे लंदन में सेट की गई एक मिस्ट्री चाहिए।"
- यह कैसे काम करता है: AI पहले व्यापक श्रेणी (जैसे, "डेयरी") का पता लगाता है, फिर उसे विशिष्ट प्रकार (जैसे, "हार्ड चीज़") तक सीमित करता है। यह चरण-दर-चरण दृष्टिकोण सुनिश्चित करता है कि AI केवल वही चीजें सुझाए जो वास्तव में आपकी पसंद के अनुरूप हों, जिससे बेतरतीब अनुमानों से बचा जा सके।
3. दो प्रकार के सुराग
सिस्टम आपको समझने के लिए दो अलग-अलग प्रकार के सुरागों का उपयोग करता है:
- लॉन्ग-टर्म टेस्ट (दीर्घकालिक स्वाद): महीनों के आपके ऑर्डर्स पर आधारित। यह सिस्टम को आपके सामान्य व्यक्तित्व के बारे में बताता है (जैसे, "यह व्यक्ति स्वास्थ्य के प्रति जागरूक है")।
- शॉर्ट-टर्म मूड (अल्पकालिक मनोदशा): आपके द्वारा अभी सर्च बार में टाइप किए गए शब्दों पर आधारित। यह सिस्टम को बताता है कि आप अभी क्या चाहते हैं (जैसे, "यह व्यक्ति एक त्वरित प्रोटीन स्नैक की तलाश में है")।
4. "सुपर-रेकमेंडेशन" इंजन
एक बार जब AI आपकी प्राथमिकताओं की ये व्यवस्थित सूचियाँ बना लेता है, तो यह उन्हें DoorDash के मुख्य अनुशंसा इंजन (recommendation engine) में फीड करता है।
- परिणाम: जब आप पहली बार ग्रोसरी सेक्शन में जाते हैं, तो सिस्टम आपको यादृच्छिक (random) आइटम नहीं दिखाता है। इसके बजाय, वह कहता है, "चूंकि आपको मसालेदार भारतीय भोजन और स्वस्थ स्नैक्स पसंद हैं, इसलिए यहाँ कुछ विशिष्ट ग्रोसरी आइटम हैं जिन्हें आप शायद पसंद करेंगे।"
क्या यह काम आया?
टीम ने दो तरीकों से इसका परीक्षण किया:
- ऑफलाइन टेस्ट: उन्होंने पुराने डेटा के साथ सिमुलेशन चलाया। पुराना सिस्टम की तुलना में नया सिस्टम उन चीजों का अनुमान लगाने में काफी बेहतर था जिन्हें उपयोगकर्ता क्लिक करते थे या खरीदते थे।
- लाइव टेस्ट: उन्होंने नए सिस्टम को वास्तविक ऐप के साथ बैकग्राउंड में चुपचाप चलने दिया (शैडो डिप्लॉयमेंट)। परिणाम सिमुलेशन के समान ही थे: नए सिस्टम ने बेहतर सिफारिशें कीं, विशेष रूप से ग्रोसरी और रिटेल सेक्शन में नए उपयोगकर्ताओं के लिए।
संक्षेप में: यह शोध पत्र दिखाता है कि आपके भोजन के इतिहास को ग्रोसरी प्राथमिकताओं में अनुवाद करने के लिए एक स्मार्ट AI का उपयोग करके, DoorDash अनुमान लगाना बंद कर सकता है और ठीक वही बता सकता है जो आप चाहते हैं, भले ही आपने पहले कभी उनसे ग्रोसरी न खरीदी हो। यह एक व्यक्तिगत खरीदारी सहायक (पर्सनल शॉपर) की तरह है जो आपके लंच ऑर्डर्स को देखकर आपके पूरे जीवन के इतिहास को जान लेता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।