A Contrastive Multi-Decomposition Approach with Social-Guided Signals for Robust Recommender Systems
यह शोध पत्र COMPASS का प्रस्ताव करता है, जो एक सुदृढ़ अनुशंसा प्रणाली (recommender system) है जो मल्टी-रेज़ोल्यूशन लो-रैंक डिकंपोज़िशन व्यूज़ को सोशल-गाइडेड कॉन्ट्रास्टिव लर्निंग और एडेप्टिव ऑप्टिमाइज़ेशन रणनीतियों के साथ एकीकृत करके शोर वाले (noisy) और विरल (sparse) डेटा के तहत प्रदर्शन को बढ़ाता है।
मूल पेपर CC BY 4.0 (https://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
कल्पना कीजिए कि आप एक विशाल, अराजक पुस्तकालय में प्रवेश कर रहे हैं जहाँ लाखों लोग चिल्लाकर बता रहे हैं कि उन्हें कौन सी किताबें पसंद आईं, लेकिन कमरा इतना शोरगुल वाला है कि आप उन्हें मुश्किल से सुन पा रहे हैं। कुछ लोग फुसफुसा रहे हैं, कुछ चिल्ला रहे हैं, और कुछ तो बस अजीब आवाजें निकाल रहे हैं जो सुनने में ऐसी लगती हैं जैसे उन्हें कोई किताब पसंद आई हो, लेकिन वास्तव में नहीं। यह रिकमेंडर सिस्टम्स (recommender systems) की दुनिया है, जो नेटफ्लिक्स, स्पॉटिफ़ाई और अमेज़न के पीछे के डिजिटल इंजन हैं जो यह अनुमान लगाने की कोशिश करते हैं कि आपको आगे क्या चाहिए। इन अनुमानों को लगाने के लिए, कंप्यूटर ग्राफ न्यूरल नेटवर्क (GNNs) नामक चीज़ का उपयोग करते हैं। एक GNN को एक सुपर-स्मार्ट लाइब्रेरियन के रूप में सोचें जो न केवल एक व्यक्ति की सूची देखता है, बल्कि हर पाठक और हर पुस्तक के बीच के संपूर्ण कनेक्शन के जाल को भी देखता है। हालाँकि, इस लाइब्रेरियन के साथ एक समस्या है: जब पुस्तकालय बहुत शांत होता है (स्पार्स डेटा/कम डेटा) या बहुत शोरगुल वाला होता है (खराब फीडबैक), तो लाइब्रेरियन भ्रमित हो जाता है और ऐसी किताबें सुझाने लगता है जिन्हें आप नापसंद करेंगे।
बड़ा सवाल यह है कि वैज्ञानिक इस लाइब्रेरियन को शोर को अनदेखा करना और वास्तविक पैटर्न खोजना कैसे सिखा सकते हैं, भले ही डेटा बहुत अव्यवset (messy) हो? इसका उत्तर आमतौर पर कॉन्ट्रास्टिव लर्निंग (contrastive learning) में मिलता है, जो लाइब्रेरियन से एक ही कहानी के दो थोड़े अलग संस्करणों की तुलना करने के लिए कहने जैसा है ताकि यह देखा जा सके कि क्या समान रहता है (सत्य) और क्या बदल जाता है (शोर)। लेकिन अधिकांश वर्तमान तरीके शोर को ठीक करने के लिए पुस्तकालय की अलमारियों को बेतरतीब ढंग से हिलाने या नकली किताबें जोड़ने की कोशिश करते हैं, जिससे अनजाने में अच्छी चीजों के साथ बुरी चीजें भी बाहर निकल सकती हैं।
यह पेपर एक नया, चतुर लाइब्रेरियन पेश करता है जिसे COMPASS (कॉन्ट्रास्टिव मल्टी-डिकंपोजिशन अप्रोच विद सोशल-गाइडेड सिग्नल्स) कहा जाता है। अलमारियों को बेतरतीब ढंग से हिलाने के बजाय, COMPASS एक विशेष चश्मे का उपयोग करता है जो इसे पुस्तकालय को परतों (layers) में देखने की अनुमति देता है। यह "बड़ी तस्वीर" (global patterns) देखता है कि हर कोई क्या पसंद करता है और फिर सूक्ष्म विवरण देखने के लिए ज़ूम इन करता है कि कुछ ही लोग क्या पसंद करते हैं (local details)। यह भी सुनता है कि आपके दोस्त किताबों के बारे में क्या कहते हैं, लेकिन केवल एक सौम्य सुझाव के रूप में, न कि एक सख्त नियम के रूप में। शोधकर्ताओं ने संगीत, फिल्मों और किताबों के वास्तविक डेटा पर इसका परीक्षण किया, और पाया कि COMPASS शोर को अनदेखा करने और बेहतरीन सिफारिशें देने में बहुत बेहतर है, भले ही डेटा बहुत अव्यवस्थित हो या उपयोगकर्ताओं ने अभी तक बहुत कम किताबें पढ़ी हों।
समस्या: एक शोरगुल वाला पुस्तकालय
कल्पना कीजिए कि आप यह पता लगाने की कोशिश कर रहे हैं कि आपके मित्र को खाने में क्या पसंद है। आप उनसे पूछते हैं, "क्या आपको पिज्जा पसंद है?" और वे कहते हैं "हाँ।" लेकिन क्या होगा यदि वे केवल विनम्रता दिखा रहे थे, या शायद वे भूखे थे और हर चीज़ के लिए हाँ कह रहे थे? ऑनलाइन सिफारिशों की दुनिया में, यह हमेशा होता है। उपयोगकर्ता उन चीज़ों पर क्लिक करते हैं जो उन्हें वास्तव में पसंद नहीं हैं, या वे बस बिना खरीदे ब्राउज़ करते हैं। इसे नॉइजी इम्प्लिसिट फीडबैक (noisy implicit way feedback) कहा जाता है।
वर्तमान कंप्यूटर प्रोग्राम जो यह अनुमान लगाने की कोशिश करते हैं कि आपको क्या पसंद है (रिकमेंडर सिस्टम), अक्सर हर क्लिक को एक पूर्ण सत्य मानते हैं। वे उपयोगकर्ताओं को वस्तुओं से जोड़ने वाला एक विशाल मानचित्र (ग्राफ) बनाते हैं। लेकिन यदि मानचित्र में बहुत अधिक गलत कनेक्शन हैं, तो कंप्यूटर खो जाता है। यह एक ऐसे शहर में नेविगेट करने की तरह है जहाँ आधे सड़क संकेत गलत दिशा में इशारा कर रहे हैं। अधिकांश मौजूदा तरीके इसे कुछ कनेक्शनों को बेतरतीब ढंग से हटाने या नकली कनेक्शन जोड़ने के माध्यम से ठीक करने की कोशिश करते हैं। लेकिन यह एक टूटे हुए मानचित्र को ठीक करने के लिए उस पर तीर मारने जैसा है और उम्मीद करने जैसा है कि आप सही जगह पर निशाना लगाएंगे। यह अक्सर खराब संकेतों के साथ अच्छे सुरागों को भी हटा देता है।
समाधान: COMPASS और इसके विशेष चश्मे
इस पेपर के लेखक, मोहम्मद आलियाबादी, अलीरेज़ा अब्दोलहपुरी और परहम मोरादी ने COMPASS नामक एक नया सिस्टम बनाया है। कनेक्शनों के वास्तविक होने का बेतरतीब ढंग से अनुमान लगाने के बजाय, COMPASS सिंगुलर वैल्यू डिकंपोजिशन (SVD) नामक एक गणितीय ट्रिक का उपयोग करता है।
SVD को पुस्तकालय की एक विशाल, अव्यवस्थित फोटो को स्पष्टता की परतों में तोड़ने के तरीके के रूप में सोचें।
- लो-रैंक लेयर (बड़ी तस्वीर): यह परत सबसे स्पष्ट पैटर्न दिखाती है। यह ड्रोन से पुस्तकालय को देखने जैसा है: आप स्पष्ट रूप से मुख्य गलियारे और सबसे लोकप्रिय अनुभाग देख सकते हैं। यह उन उपयोगकर्ताओं के लिए बहुत अच्छा है जिन्होंने अभी तक बहुत कम किताबें पढ़ी हैं (स्पारस यूजर्स), क्योंकि यह उन्हें एक सुरक्षित, सामान्य सिफारिश देता है जो इस आधार पर है कि सभी क्या पसंद करते हैं।
- हाई-रैंक लेयर (बारीक विवरण): यह परत सूक्ष्म, विशिष्ट विवरण दिखाने के लिए ज़ूम इन करती है। यह एक गलियारे में चलने और यह नोटिस करने जैसा है कि एक विशिष्ट व्यक्ति को एक बहुत ही अल्पज्ञात शैली (genre) पसंद है। यह उन उपयोगकर्ताओं के लिए बहुत अच्छा है जिन्होंने बहुत सारी किताबें पढ़ी हैं (एक्टिव यूजर्स), क्योंकि यह उनके अद्वितीय, विशिष्ट स्वाद को पकड़ता है।
अधिकांश सिस्टम केवल इनमें से एक परत को देखते हैं। हालाँकि, COMPASS गमबेल-सॉफ्टमैक्स (Gumbel-Softmax) चश्मे पहनता है। ये चश्मे स्वचालित रूप से यह तय करते हैं कि प्रत्येक व्यक्ति के लिए "बड़ी तस्वीर" बनाम "बारीक विवरण" को कितना देखना है। यदि आप एक नए उपयोगकर्ता हैं, तो चश्मे बड़ी तस्वीर पर ध्यान केंद्रित करते हैं। यदि आप एक कट्टर प्रशंसक हैं, तो चश्मे विवरणों पर ज़ूम करते हैं। यह स्वचालित रूप से होता है, बिना कंप्यूटर को यह बताए कि क्या करना है।
सामाजिक फुसफुसाहट (The Social Whisper)
COMPASS आपके दोस्तों की बात भी सुनता है, लेकिन यह इसे सावधानी से करता है। कई सिस्टमों में, यदि आपका मित्र किसी चीज़ को पसंद करता है, तो कंप्यूटर आपको भी उसे पसंद करने के लिए मजबूर करता है। लेकिन क्या होगा यदि आपका मित्र अजीब व्यवहार कर रहा है? COMPASS सामाजिक संबंधों को एक सॉफ्ट व्हिस्पर (कोमल फुसफुसाहट) के रूप में मानता है। यह कहता है, "हे, आपके मित्र को यह पसंद है, इसलिए शायद आपको भी यह पसंद आएगा," लेकिन यह मामले को जबरदस्ती थोपता नहीं है। यदि कंप्यूटर देखता है कि आपके मित्र की पसंद आपके वास्तविक व्यवहार से मेल नहीं खाती है, तो वह उस फुसफुसाहट को अनदेखा कर देता है। यह सिस्टम को मजबूत बनाए रखने में मदद करता है, भले ही कुछ सामाजिक संबंध नकली या कमजोर हों।
संतुलन का कार्य
इन सभी चीज़ों को एक साथ करने के लिए कंप्यूटर को प्रशिक्षित करना कठिन है। कंप्यूटर को आइटम की सिफारिश करने (मुख्य कार्य) के साथ-साथ शोर को अनदेखा करना (अतिरिक्त कार्य) भी सीखना होता है। यदि यह शोर को अनदेखा करने पर बहुत अधिक ध्यान केंद्रित करता है, तो यह सिफारिश करना भूल सकता है। यदि यह सिफारिश करने पर बहुत अधिक ध्यान केंद्रित करता है, तो यह शोर से भ्रमित हो सकता है।
लेखकों ने एक ग्रेडिएंट-बैलेंस्ड वेटिंग (gradient-balanced weighting) रणनीति का उपयोग किया। एक ऐसे सी-सॉ (seesaw) की कल्पना करें जहाँ वजन लगातार खुद को समायोजित कर रहे हैं। कंप्यूटर देखता है कि प्रत्येक भाग को सीखने में कितनी मेहनत लग रही है और संतुलन बनाए रखने के लिए वजन को स्वचालित रूप से स्थानांतरित करता है। यह सुनिश्चित करता है कि कंप्यूटर एक दूसरे पर हावी हुए बिना दोनों कौशल पूरी तरह से सीख ले।
उन्होंने क्या पाया
टीम ने तीन वास्तविक दुनिया के डेटासेट पर COMPASS का परीक्षण किया: Yelp (व्यवसाय), LastFM (संगीत), और Douban (किताबें)। उन्होंने इसकी तुलना दस अन्य शीर्ष-स्तरीय सिस्टमों से की।
- बेहतर सटीकता: COMPASS ने लगातार अन्य सिस्टमों को पछाड़ दिया। Douban डेटासेट पर, इसने अगले सबसे अच्छे सिस्टम की तुलना में सटीकता (NDCG@20 द्वारा मापा गया) में 5.76% तक सुधार किया। यह छोटा लग सकता है, लेकिन सिफारिश इंजन की दुनिया में, यह एक बड़ी जीत है।
- शोर को संभालना: शोधकर्ताओं ने जानबूझकर डेटा में "शोर" जोड़ा, जिससे 20% इंटरैक्शन नकली हो गए। इस स्तर के भ्रष्टाचार के बावजूद, COMPASS अच्छा प्रदर्शन करता रहा, जबकि अन्य सिस्टम विफल हो गए। यह सुझाव देता है कि COMPASS नकली संकेतों को अनदेखा करने में बहुत अच्छा है।
- नए उपयोगकर्ताओं की मदद करना: यह सिस्टम उन उपयोगकर्ताओं के लिए विशेष रूप से अच्छा था जिनके पास बहुत कम इंटरैक्शन थे (स्पार्स यूजर्स)। उनके लिए "बड़ी तस्वीर" पर ध्यान केंद्रित करके, यह कम डेटा होने पर भी अच्छे अनुमान लगा सका।
- गति: इतनी सारी अतिरिक्त गणितीय गणनाओं के बावजूद, सिस्टम धीमा नहीं हुआ। अतिरिक्त गणनाएँ (SVD लेयर्स) प्रशिक्षण शुरू होने से पहले एक बार की गई थीं, इसलिए वास्तविक सीखने के दौरान, यह अन्य सिस्टमों जितना ही तेज़ था।
निष्कर्ष
पेपर यह सुझाव देता है कि एक महान रिकमेंडर का रहस्य केवल अधिक डेटा होना या मिश्रण में अधिक शोर जोड़ना नहीं है। यह डेटा को विभिन्न कोणों से देखने के बारे में है। उपयोगकर्ता-आइटम कनेक्शन को "बड़ी तस्वीर" और "बारीक विवरण" की परतों में तोड़कर, और सिस्टम को यह तय करने देकर कि प्रत्येक व्यक्ति के लिए किस कोण पर ध्यान केंद्रित करना है, हम ऐसे सिस्टम बना सकते हैं जो स्मार्ट, अधिक मजबूत और मानवीय व्यवहार की जटिल वास्तविकता को संभालने में बेहतर हों।
लेखक नोट करते हैं कि हालांकि यह अच्छी तरह से काम करता है, लेकिन अभी भी विकास की गुंजाइश है। भविष्य के कार्यों में यह पता लगाना शामिल हो सकता है कि कौन से मित्र भरोसेमंद हैं, जिससे "सामाजिक फुसफुसाहट" को और भी स्मार्ट बनाया जा सके, या इसी तरह के मल्टी-लेयर विचार का उपयोग स्वयं सामाजिक नेटवर्क के लिए किया जा सके। लेकिन फिलहाल, COMPASS दिखाता है कि थोड़ा सा संरचनात्मक अपघटन (structural decomposition) हमारे डिजिटल सुझावों को थोड़ा अधिक मानवीय बनाने में बहुत काम आता 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।