UniDot: A Unified Network for Sequence Modeling and Feature Interaction in Large-scale Recommendation

आधुनिक सामग्री और विज्ञापन के विशाल डिजिटल परिदृश्यों में, अनुशंसा इंजन (recommendation engines) हमारे दैनिक जीवन के अदृश्य क्यूरेटर के रूप में कार्य करते हैं। वे तय करते हैं कि अगला वीडियो कौन सा दिखाया जाए, कौन सा उत्पाद सुझाया जाए, या किस लेख को हाइलाइट किया जाए, जो अक्सर पलक झपकते ही लाखों संभावनाओं को प्रोसेस करते हैं। दशकों से, ये सिस्टम उन निर्णयों को लेने के लिए दो अलग-अलग तरीकों से सोचने पर निर्भर रहे हैं। पहला दृष्टिकोण उपयोगकर्ता और वस्तु के स्थिर विवरणों (static details) को देखता है, जैसे आयु, स्थान, या उत्पाद श्रेणी, और यह समझने की कोशिश करता है कि ये विशिष्ट विशेषताएं कैसे आपस में मिलती हैं। दूसरा दृष्टिकोण समय के प्रवाह को देखता है, जो उपयोगकर्ता के क्लिक और व्यूज़ के इतिहास का विश्लेषण करके उनके विकसित होते हितों को समझता है। हालांकि दोनों विधियां शक्तिशाली हैं, लेकिन औद्योगिक प्रणालियों ने पारंपरिक रूप से उन्हें अलग रखा है, उन्हें साथ-साथ चलाकर इस उम्मीद में कि उनकी संयुक्त बुद्धिमत्ता पर्याप्त होगी। यह अलगाव एक अंतर पैदा करता है: सिस्टम यह देखने में संघर्ष करता है कि कैसे एक उपयोगकर्ता का पिछला व्यवहार वास्तविक समय में एक विशिष्ट नई वस्तु के प्रति उनकी प्रतिक्रिया को सीधे आकार देता है।

रॉन्गचेंग लिन के नेतृत्व में मेटा के शोधकर्ताओं की एक टीम ने 'यूनिडॉट' (UniDot) नामक एक नए आर्किटेक्चर के साथ इस विभाजन को पाटने का लक्ष्य रखा। उनका लक्ष्य एक एकल, एकीकृत प्रणाली बनाना था जो उपयोगकर्ता के व्यवहार के स्थिर विवरणों और प्रवाहित इतिहास दोनों को अलग-अलग समस्याओं के रूप में मानने के बजाय, एक साथ संभाल सके। उन्होंने इसे "टोकन्स" (tokens) के माध्यम से दोनों प्रकार की जानकारी को देखने के दृष्टिकोण से अपनाया, जो सरल शब्दों में डेटा बिंदुओं के डिजिटल प्रतिनिधित्व हैं। इस नए ढांचे में, एक उपयोगकर्ता की प्रोफ़ाइल, एक वस्तु का विवरण, और यहाँ तक कि पिछले व्यवहारों का एक क्रम भी इन टोकन्स में परिवर्तित हो जाता है। इस डिज़ाइन को चलाने वाली मुख्य अंतर्दष्टि यह है कि उपयोगकर्ता को किसी वस्तु से मिलाने के लिए उपयोग किया जाने वाला गणितीय ऑपरेशन मूल रूप से वही है जो एक पिछले व्यवहार को वर्तमान विकल्प के विरुद्ध तौलने के लिए उपयोग किया जाता है। इस साझा तंत्र को पहचानते हुए, शोधकर्ताओं ने एक ऐसा मॉडल बनाया जहाँ सूचना के ये दो प्रवाह सीधे और निरंतर परस्पर क्रिया कर सकते हैं।

परिणामस्वरूप, यूनिडॉट एक दोहरी लेन वाले राजमार्ग की तरह काम करता है जहाँ दो अलग-अलग प्रक्रियाएं एक साथ चलती हैं और लगातार सूचनाओं का आदान-प्रदान करती हैं। एक लेन, "टोकन-मिक्सिंग बस" (token-mixing bus), उपयोगकर्ता और वस्तु के स्थिर प्रोफ़ाइल डेटा को मिलाने पर ध्यान केंद्रित करती है। दूसरी लेन, "सीक्वेंस-रिट्रीवल बस" (sequence-retrieval retrieval bus), प्रासंगिक पिछले आयोजनों को खोजने के लिए उपयोगकर्ता के इतिहास को स्कैन करने पर ध्यान केंद्रित करती है। इन लेनों को अलग-थलग छोड़ने या केवल अंत में उन्हें मिलाने के बजाय, यूनिडॉट उन्हें सह-विकसित (co-evolve) होने की अनुमति देता है। प्रोसेसिंग के हर चरण में, दोनों लेन अपनी स्थिति (state) साझा करती हैं, जिससे स्थिर प्रोफ़ाइल को इतिहास को पढ़ने के तरीके को प्रभावित करने की अनुमति मिलती है, और इतिहास को प्रोफ़ाइल को बेहतर ढंग से समझने के लिए परिष्कृत करने की अनुमति मिलती है। यह निरंतर आदान-प्रदान सुनिश्चित करता है कि सिस्टम न केवल उपयोगकर्ता के अतीत और उनकी वर्तमान स्थिति को अलग-अलग देखता है, बल्कि यह भी देखता है कि वे क्षण में एक-दूसरे को कैसे आकार देते हैं।

यह सुनिश्चित करने के लिए कि सिस्टम कुशल और सटीक बना रहे, शोधकर्ताओं ने "एफएम हाईवे" (FM Highway) नामक एक समर्पित मार्ग पेश किया। यह मार्ग सबसे महत्वपूर्ण अंतःक्रियाओं के लिए एक सीधा एक्सप्रेस रूट के रूप में कार्य करता है। कई डीप लर्निंग मॉडल्स में, सबसे बुनियादी और महत्वपूर्ण संकेत—विशेष रूप से उपयोगकर्ता और वस्तु की विशेषताओं के बीच सीधा मिलान—जटिल प्रोसेसिंग परतों से गुजरते समय धुंधले या लुप्त हो सकते हैं। एफएम हाईवे इस जटिलता को दरकिनार करता है, इन सीधे मिलानों को सीधे अंतिम निर्णय लेने वाले चरण तक ले जाता है। यह डिज़ाइन विकल्प सबसे मौलिक संबंधों की स्पष्टता को बनाए रखता है, यह सुनिश्चित करता है कि सिस्टम उन सरल, प्रत्यक्ष संबंधों को कभी न खोए जो अक्सर उपयोगकर्ता के क्लिक करने या खरीदने के निर्णय को संचालित करते हैं।

शोधकर्ताओं ने इस आर्किटेक्चर का परीक्षण TAAC × KDD कप 2026 नामक एक प्रमुख उद्योग प्रतियोगिता में किया, जिसने प्रतिभागियों को सख्त समय सीमा के तहत सर्वोत्तम संभव अनुशंसा प्रणाली बनाने की चुनौती दी। यूनिडॉट रनर-अप रहा, जिसने 0.83217 का उच्च स्कोर प्राप्त किया। यह परिणाम महत्वपूर्ण था क्योंकि यह मुख्य रूप से स्वयं आर्किटेक्चर द्वारा संचालित था, न कि जटिल, हाथ से बनाए गए नियमों या विशेषताओं के निर्माण द्वारा। टीम ने प्रदर्शित किया कि दोनों पारंपरिक दृष्टिकोणों को एक एकल, सुसंगत संरचना में एकीकृत करके, वे उपयोगकर्ता व्यवहार में अधिक सूक्ष्मता को पकड़ सकते हैं। उन्होंने मॉडल के दो संस्करणों को एक-दूसरे से सीखने के लिए एक साथ प्रशिक्षित करके प्रदर्शन में और सुधार किया, एक ऐसी तकनीक जिसने सिस्टम को उपयोगकर्ता डेटा को संग्रहीत करने के लिए अपनी मेमोरी के आकार को दोगुना किए बिना एक अधिक मजबूत समाधान खोजने में मदद की।

यूनिडॉट की सफलता यह सुझाव देती है कि अनुशंसा प्रणालियों का भविष्य अधिक अलग-अलग घटक जोड़ने में नहीं, बल्कि उन्हें एक साथ अधिक मजबूती से बुनने में निहित है। उपयोगकर्ता के स्थिर विवरणों और उनके इतिहास के गतिशील प्रवाह को एक एकल, एकीकृत प्रक्रिया के हिस्से के रूप में मानकर, सिस्टम अधिक सटीक भविष्यवाणियां कर सकता है। शोधकर्ताओं ने पाया कि इस सुधार की कुंजी केवल मॉडल को बड़ा बनाना नहीं था, बल्कि विभिन्न प्रकार की जानकारी को जोड़ने के बारे में अधिक स्मार्ट बनाना था। सिस्टम ने सिद्ध किया कि जब आप अतीत और वर्तमान को सीधे एक-दूसरे से बात करने की अनुमति देते हैं, तो परिणाम उपयोगकर्ता की वास्तविक इच्छा की अधिक स्पष्ट समझ होती है। यह दृष्टिकोण अनुशंसा इंजनों के निर्माण के लिए एक आशाजनक मार्ग प्रदान करता है जो न केवल तेज़ और अधिक कुशल हैं, बल्कि मानव व्यवहार की जटिल वास्तविकता के प्रति अधिक अनुकूल भी हैं।