Tlow: Flow-based Item Tokenizer for Recommendation

आधुनिक जीवन के विशाल डिजिटल परिदृश्यों में, सोशल मीडिया फीड से लेकर ऑनलाइन स्टोर तक, अनुशंसा प्रणाली (रेकमेंडेशन सिस्टम) अदृश्य मार्गदर्शकों के रूप में कार्य करती है, जो यह सुझाव देती है कि हमें आगे क्या देखना या खरीदना पसंद आ सकता है। दशकों से, ये प्रणालियाँ एक सरल लेकिन अनाड़ी विधि पर निर्भर रही हैं: प्रत्येक वस्तु को, चाहे वह एक गाना हो, एक किताब हो या जूतों की एक जोड़ी हो, एक यादृच्छिक (रैंडम), अर्थहीन संख्या सौंपना। कंप्यूटर इन नंबरों को लोगों की उनके साथ होने वाली बातचीत के आधार पर पहचानना सीखता है, लेकिन इस दृष्टिकोण में दो प्रमुख खामियां हैं। पहला, जैसे-जैसे वस्तुओं की संख्या लाखों या अरबों में बढ़ती है, सिस्टम बोझिल और धीमा हो जाता है, जिसे इन रैंडम नंबरों को संग्रहीत करने के लिए भारी मात्रा में मेमोरी की आवश्यकता होती है। दूसरा, यह नई वस्तुओं के साथ संघर्ष करता है; यदि कोई उत्पाद अभी लॉन्च किया गया है और उसके क्लिक या खरीदारी का कोई इतिहास नहीं है, तो सिस्टम उसे एक अजनबी की तरह मानता है, जिससे उसे किसी को भी पेश करने में असमर्थ होता है। इसे हल करने के लिए, शोधकर्ताओं ने यह देखना शुरू कर दिया है कि बड़े भाषा मॉडल (लार्ज लैंग्वेज मॉडल्स) कैसे काम करते हैं, जो शब्दों को रैंडम नंबरों के बजाय उनके अर्थ के आधार पर समझते हैं। वस्तुओं को सार्थक "टोकन" (जैसे वाक्य में शब्द) के अनुक्रमों में बदलकर, सिस्टम सभी वस्तुओं के बीच ज्ञान साझा कर सकते हैं, जिससे वे अधिक स्मार्ट और तेज़ बन जाते हैं, विशेष रूप से नई आवक वस्तुओं के लिए।

त्सिंहहुआ विश्वविद्यालय और टेनसेंट के शोधकर्ताओं की एक टीम ने इस विचार को एक नए टूल 'Tlow' के साथ और आगे बढ़ाया है। जबकि वस्तुओं को सार्थक टोकन में बदलने के पिछले प्रयासों को अपनी स्वयं की बाधाओं का सामना करना पड़ा, जिसके परिणामस्वरूप अक्सर धीमी प्रोसेसिंग या भ्रमित करने वाले समूह बनते थे, Tlow एक नए दृष्टिकोण को पेश करता है जो एक गणितीय अवधारणा पर आधारित है जिसे 'फ्लो' (प्रवाह) कहा जाता है। कल्पना कीजिए कि आप लोगों की एक अराजक भीड़ को व्यवस्थित करने की कोशिश कर रहे हैं जो एक अव्यवस्थित, असमान समूह में खड़ी है। यदि आप उन्हें सीधी पंक्तियों और स्तंभों में व्यवस्थित करने का प्रयास करते हैं, तो कार्य कठिन होगा क्योंकि उनकी स्थितियाँ उलझी हुई और अनियमित हैं। Tlow एक सौम्य, बुद्धिमान बल की तरह कार्य करता है जो इस पूरी भीड़ को एक आदर्श, व्यवस्थित घेरे में बदल देता है जहाँ हर कोई समान रूप से फैला हुआ है और अपने पड़ोसियों से स्वतंत्र है। डेटा की दुनिया में, इसका अर्थ वस्तुओं के जटिल, अव्यवस्थित गणितीय विवरणों को एक स्वच्छ, मानक प्रारूप में बदलना है जहाँ जानकारी का प्रत्येक हिस्सा अपने आप में स्वतंत्र खड़ा होता है, अन्य टुकड़ों के साथ भ्रमित करने वाले कनेक्शनों से मुक्त होता है।

एक बार जब डेटा इस स्वच्छ, व्यवस्थित अवस्था में आ जाता है, तो शोधकर्ता इसे आसानी से छोटे, विशिष्ट भागों में तोड़ सकते हैं, ठीक वैसे ही जैसे ताश की एक गड्डी को व्यवस्थित सूटों में छाँटना। प्रत्येक भाग को एक विशिष्ट कोड सौंपा जाता है, जिससे प्रत्येक वस्तु के लिए टोकन का एक अद्वितीय अनुक्रम बनता है। क्योंकि डेटा को पहले इस पूर्ण आकार में सुधारा गया था, इसलिए ये कोड उल्लेखनीय स्पष्टता के साथ वस्तु के वास्तविक सार को पकड़ते हैं। उदाहरण के लिए, संगीत एल्बमों के संग्रह पर परीक्षण करते समय, पुराने तरीकों ने अक्सर शैलियों (genres) को मिला दिया, एक हेवी मेटल एल्बम को जैज़ रिकॉर्ड के साथ केवल इसलिए समूहबद्ध कर दिया क्योंकि उनका कच्चा डेटा अव्यवस्थित तरीके से समान दिखता था। हालाँकि, Tlow ने शैलियों को अलग रखा, यह सुनिश्चित करते हुए कि एक पॉप एल्बम को पॉप के रूप में पहचाना जाए, और एक जैज़ एल्बम को जैज़ के रूप में। यह स्पष्टता अनुशंसा प्रणाली को किसी वस्तु के अर्थ के परमाणु निर्माण खंडों (एटॉमिक बिल्डिंग ब्लॉक्स) को समझने की अनुमति देती है, न कि केवल उसके रैंडम आईडी को याद करने की।

शोधकर्ताओं ने अमेज़न पर चार अलग-अलग उत्पाद श्रेणियों में इस पद्धति का परीक्षण किया, जिसमें खेल के उपकरण से लेकर सौंदर्य प्रसाधन और संगीत तक शामिल हैं। हर मामले में, Tlow का उपयोग करने वाला सिस्टम मौजूदा सर्वोत्तम विधियों से भी बेहतर प्रदर्शन करता है, जिनमें वे भी शामिल हैं जो अधिक जटिल, चरण-दर-चरण डिकोडिंग प्रक्रियाओं का उपयोग करते हैं। सुधार महत्वपूर्ण था, नया सिस्टम यह अनुमान लगाने में बेहतर सटीकता दिखाता है कि उपयोगकर्ता अगली चीज़ क्या चाहेगा। महत्वपूर्ण रूप से, सिस्टम ने अधिक कठिन स्थितियों में भी अपनी उपयोगिता सिद्ध की, जैसे कि विभिन्न श्रेणियों में वस्तुओं की सिफारिश करना या चित्रों और टेक्स्ट को एक साथ संभालना। इन जटिल परिदृश्यों में, जहाँ डेटा कई अलग-अलग स्रोतों और रूपों से आता है, डेटा को एक समान मानक में बदलने की Tlow की क्षमता ने इसे वे संबंध खोजने की अनुमति दी जिन्हें अन्य सिस्टम मिस कर गए।

इस तकनीक का असली परीक्षण तब हुआ जब इसे दुनिया के सबसे बड़े सोशल मीडिया प्लेटफार्मों में से एक, वीचैट (WeChat) पर उपयोगकर्ताओं को नई तस्वीरें और लेख खोजने में मदद करने के लिए तैनात किया गया। लाखों दैनिक इंटरैक्शन वाले एक लाइव प्रयोग में, रैंडम आईडी पर निर्भर पारंपरिक प्रणाली की तुलना में Tlow के टोकनयुक्त कोड का उपयोग करने वाला सिस्टम काफी बेहतर रहा। परिणाम चौंकाने वाले थे: नए सिस्टम ने नई वस्तुओं के लिए उपयोगकर्ताओं द्वारा सामग्री पर क्लिक करने की दर को दस प्रतिशत से अधिक बढ़ा दिया। यह एक महत्वपूर्ण उपलब्धि है क्योंकि नई सामग्री, जिसका उपयोगकर्ता इंटरैक्शन का कोई इतिहास नहीं होता, आमतौर पर कंप्यूटर के लिए सिफारिश करना सबसे कठिन होता है। सामग्री के अंतर्निहित अर्थ पर निर्भर होकर, Tlow ने प्लेटफॉर्म को नई पोस्ट की गई तस्वीरों को लगभग तुरंत उपयोगकर्ताओं को दिखाने की अनुमति दी। शोधकर्ताओं ने पाया कि इस दृष्टिकोण ने न केवल नए आइटमों को ध्यान आकर्षित करने में मदद की, बल्कि उपयोगकर्ताओं के समग्र अनुभव को भी सुधारा, जिससे यह सिद्ध हुआ कि अव्यवस्थित डेटा को एक स्वच्छ, मानक रूप में बदलना मशीनों को दुनिया को मनुष्यों की तरह समझने में सक्षम बनाने का एक शक्तिशाली तरीका है।