JourneyFormer: Encoding Airbnb Guest Journey with Sequence Modeling
यह शोध पत्र JourneyFormer प्रस्तुत करता है, जो एक सीक्वेंस मॉडलिंग समाधान है जिसे Airbnb में जटिल अतिथि यात्राओं और विरल बुकिंग लेबल जैसी उत्पादन चुनौतियों को हल करने के लिए तैनात किया गया है, जिसके परिणामस्वरूप ऑनलाइन A/B परीक्षण के माध्यम से ऑफलाइन रैंकिंग मेट्रिक्स और प्रमुख व्यावसायिक परिणामों दोनों में महत्वपूर्ण सुधार हुआ है।
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
Airbnb की कल्पना एक विशाल, हलचल भरे डिजिटल बाज़ार के रूप में करें जहाँ लाखों लोग ठहरने के लिए जगह की तलाश कर रहे हैं। वर्षों तक, वह सिस्टम जो यह तय करता था कि आपको कौन से घर सबसे पहले दिखाए जाएं (एक "सर्च रैंकिंग"), एक ऐसे लाइब्रेरियन की तरह था जिसने अतिथि की पूरी यात्रा का सारांश तो पढ़ लिया था, लेकिन केवल उसकी यात्रा का सारांश (summary) ही याद रख पाया था।
Airbnb की टीम ने JourneyFormer नामक एक नया सिस्टम बनाया। इसे एक लाइब्रेरियन के रूप में न सोचें जो सारांश पढ़ता है, बल्कि एक जासूस (detective) के रूप में सोचें जो अतिथि की पूरी फिल्म को वास्तविक समय (real-time) में देखता है, कहानी के उतार-चढ़ाव, ठहराव और अंतिम निर्णय को समझता है।
यह कैसे काम करता है, यहाँ सरल अवधारणाओं में दिया गया है:
1. समस्या: "शोर भरा" अतिथि सफर (The "Noisy" Guest Journey)
जब आप Airbnb का उपयोग करते हैं, तो आप केवल "बुक" पर क्लिक नहीं करते। आप ऐसा कर सकते हैं:
- 50 अलग-अलग अपार्टमेंट देखते हैं।
- अपनी एक नियोजित यात्रा रद्द कर देते हैं।
- पिछले साल ठहरे हुए स्थान के लिए समीक्षा (review) छोड़ते हैं।
- कस्टमर सर्विस को कॉल करते हैं क्योंकि दरवाज़ा बंद था।
- अंत में, एक विशिष्ट स्थान बुक करते हैं।
पुराना सिस्टम इस सब को कुछ आंकड़ों (जैसे, "यह व्यक्ति साल में 2 बार बुकिंग करता है") में सारांशित करने की कोशिश करता था। लेकिन इसमें कहानी छूट जाती थी। एक अतिथि जिसने 50 सस्ते हॉस्टल देखे, वह शायद केवल देख रहा हो, जबकि एक अतिथि जिसने 3 लग्जरी विला देखे, वह खरीदने के लिए तैयार हो सकता है। पुराना सिस्टम "ब्राउज़िंग" और "खरीदने" के बीच अंतर नहीं कर सका।
2. समाधान: "यात्रा" की फिल्म (The "Journey" Movie)
JourneyFormer अतिथि के इतिहास को एक सारांश रिपोर्ट के बजाय एक मूवी सीक्वेंस (movie sequence) की तरह मानता है। यह एक विशेष प्रकार के AI (जिसे Transformer कहा जाता है) का उपयोग करता है जो कहानियों को समझने में माहिर है।
- लॉन्ग-टर्म प्लॉट (The Long-Term Plot): यह अतिथि के जीवन के पिछले 7 वर्षों को देखता है, लेकिन केवल "महत्वपूर्ण दृश्यों" के लिए जैसे कि वास्तविक बुकिंग, रद्दीकरण या समीक्षा। यह उबाऊ बैकग्राउंड शोर को अनदेखा कर देता है।
- शॉर्ट-टर्म प्लॉट (The Short-Term Plot): यह पिछले 21 दिनों को देखता है, लेकिन इस बात पर भारी ध्यान केंद्रित करता है कि अतिथि अभी अभी क्या क्लिक कर रहा है। यदि आप हवाई के बीच हाउस (beach houses) के लिए पागलों की तरह क्लिक कर रहे हैं, तो सिस्टम जानता है कि आप जल्द ही हवाई जाने वाले हैं।
3. "स्मार्ट फ़िल्टर" (इवेंट सिलेक्शन - Event Selection)
पेपर में उल्लेख है कि अतिथि लिस्टिंग को देखते (views) बहुत अधिक बार हैं, जबकि वे वास्तव में बुकिंग बहुत कम करते हैं। यह एक मोहल्ले में 100 घरों के पास से गुजरने जैसा है लेकिन आप केवल एक ही खरीदते हैं। यदि AI हर एक "पास होने" (walk-by) को याद रखने की कोशिश करता, तो वह भ्रमित और धीमा हो जाता।
इसलिए, JourneyFormer एक फ्रीक्वेंसी फ़िल्टर (frequency filter) का उपयोग करता है:
- दुर्लभ घटनाएँ (Rare events) (जैसे घर बुक करना या समीक्षा छोड़ना) पिछले 7 वर्षों से रखी जाती हैं।
- सामान्य घटनाएँ (Common events) (जैसे केवल एक घर देखना) केवल पिछले 21 दिनों से रखी जाती हैं।
यह "फिल्म" को छोटा और उन चीजों पर केंद्रित रखता है जो वास्तव में मायने रखती हैं।
4. "यूनिवर्सल ट्रांसलेटर" (ID एम्बेडिंग्स - ID Embeddings)
Airbnb के पास लाखों लिस्टिंग, होस्ट और स्थान हैं। कंप्यूटर के लिए, ये केवल रैंडम नंबर हैं। JourneyFormer एक "यूनिवर्सल ट्रांसलेटर" (जिसे Unified Embeddings कहा जाता है) का उपयोग करता है ताकि इन नंबरों को एक ऐसी भाषा में बदला जा सके जिसे AI समझ सके।
यह एक पदानुक्रमित मानचित्र प्रणाली (hierarchical map system) (S2Cell IDs) का भी उपयोग करता है। कल्पना कीजिए कि एक नक्शा है जो महाद्वीप के स्तर से देश, फिर शहर, फिर गली और अंत में विशिष्ट घर के नंबर तक ज़ूम करता है। AI सीखता है कि एक अतिथि जो "सैन फ्रांसिस्को" पसंद करता है, वह "द मिशन डिस्ट्रिक्ट" भी पसंद कर सकता है, लेकिन उन्हें शोर वाली सड़क पर स्थित घर पसंद नहीं आ सकते। यह AI को यह समझने में मदद करता है कि अतिथि कहाँ रहना चाहता है, न कि केवल वह क्या चाहता है।
### 5. "स्पीड बूस्ट" (ट्रेनिंग ट्रिक्स - Training Tricks)
लाखों अतिथि यात्राओं पर एक AI को प्रशिक्षित करना एक घंटे में पुस्तकालय की किताबें पढ़ने जैसा है। पेपर में इसे तेज़ बनाने के लिए तीन चतुर तरीकों का वर्णन किया गया है:
- बकेटिंग (Bucketing): एक छोटी कहानी और एक लंबे उपन्यास को एक ही ढेर में डालने के बजाय, वे कहानियों को उनकी लंबाई के आधार पर समूहबद्ध करते हैं। यह कंप्यूटर को छोटी कहानियों में खाली जगह भरकर समय बर्बाद करने से रोकता है।
- बैचिंग सर्च (Batching Searches): यदि कोई अतिथि लगातार तीन बार खोज करता है, तो AI हर बार पूरी यात्रा की दोबारा गणना नहीं करता। यह पिछले कैलकुलेशन को याद रखता है और बस नए हिस्से को अपडेट करता है।
- खाली सीटों को छोड़ना (Skipping the Empty Seats): यदि किसी बैच के डेटा में कुछ "खाली" स्थान हैं (क्योंकि एक अतिथि के पास अन्य की तुलना में कम खोजें हैं), तो AI उन खाली स्थानों को प्रोसेस करने के बजाय उन्हें छोड़ देता है।
6. परिणाम: सभी के लिए बेहतर यात्राएं (The Results)
टीम ने इस नए सिस्टम का वास्तविक दुनिया (ऑनलाइन प्रयोगों) में परीक्षण किया और इसकी तुलना पुराने सिस्टम से की।
- ऑफलाइन (Offline): AI घरों के बारे में अनुमान लगाने में बेहतर हो गया (जिसे NDCG नामक स्कोर से मापा गया)।
- ऑनलाइन (Online): जब उन्होंने वास्तव में इन परिणामों को वास्तविक लोगों को दिखाया, तो अधिक लोगों ने यात्राएं बुक कीं, और अधिक रातें (nights) बुक की गईं।
- ईमेल (Emails): उन्होंने प्रचार ईमेल में भी इसका परीक्षण किया। जब AI ने ईमेल में दिखाने के लिए घर चुने, तो लोग 5% अधिक क्लिक करने और बुक करने के प्रति आकर्षित हुए।
वे क्या नहीं कर पाए (The "Don'ts")
पेपर ईमानदारी से बताता है कि उन्होंने क्या आज़माया लेकिन अस्वीकार कर दिया:
- रियल-टाइम अपडेट्स: उन्होंने हर बार क्लिक करने पर अतिथि की "फिल्म" को तुरंत अपडेट करने की कोशिश की। इससे AI अनुमान लगाने में तेज़ तो हुआ, लेकिन इसने वास्तव में मेहमानों को भ्रमित कर दिया क्योंकि उन्हें वही घर दिखाए जाने लगे जिन्हें उन्होंने अभी देखा था (रिटारगेटिंग)। मेहमान नए विकल्प देखना चाहते थे, न कि वही चीज़ें बार-बार देखना।
- अत्यधिक जटिलता: उन्होंने AI को अधिक "स्मार्ट" बनाने के लिए अधिक लेयर्स जोड़ने की कोशिश की, लेकिन इससे सिस्टम केवल धीमा और बनाए रखने में कठिन हो गया, बिना किसी सुधार के।
निचोड़ (The Bottom Line)
JourneyFormer एक ऐसा सिस्टम है जिसने मेहमानों को केवल आंकड़ों की सूची के रूप में देखना बंद कर दिया और उन्हें एक कहानी वाले व्यक्तियों के रूप में देखना शुरू किया। उनके कार्यों के अनुक्रम (sequence) को देखकर—उन्होंने क्या देखा, उन्होंने क्या बुक किया और उन्होंने क्या रद्द किया—सिस्टम यह अनुमान लगा सकता है कि उन्हें आगे क्या चाहिए, जिससे मेहमानों और होस्ट दोनों के लिए अधिक सफल बुकिंग होती 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।