तकनीकी सारांश: उपयोगकर्ता कोल्ड-स्टार्ट अनुशंसा के लिए अनुकूली इरादा संलयन के साथ इरादा-निर्देशित डिफ्यूजन (Intent-Guided Diffusion with Adaptive Intent Fusion)

1. समस्या की परिभाषा

यह शोध पत्र उपयोगकर्ता कोल्ड-स्टार्ट अनुशंसा (user cold-start recommendation) समस्या को संबोधित करता है, जो अनुशंसा प्रणालियों में एक मौलिक चुनौती है जहाँ नए उपयोगकर्ताओं के पास अत्यंत सीमित ऐतिहासिक इंटरैक्शन डेटा (जैसे, 20 से कम इंटरैक्शन) होता है। ऐसी स्थितियों में, व्यवहार संबंधी संकेत (behavioral signals) विरल और अपूर्ण होते हैं, जिससे उपयोगकर्ता की प्राथमिकताओं का सटीक मॉडल बनाना कठिन हो जाता है।

मौजूदा दृष्टिकोण विशिष्ट सीमाओं का सामना करते हैं:

• सहायक सूचना विधियाँ (Auxiliary Information Methods): उपयोगकर्ता प्रोफाइल या आइटम विशेषताओं पर निर्भर करती हैं, जो अक्सर उपलब्ध नहीं होती हैं या गोपनीयता प्रतिबंधों द्वारा प्रतिबंधित होती हैं।
• मेटा-लर्निंग विधियाँ (Meta-Learning Methods): कार्यों के बीच हस्तांतरणीय ज्ञान सीखती हैं लेकिन अत्यंत विरल स्थितियों में अस्थिर हो सकती हैं जहाँ सीमित सपोर्ट इंटरैक्शन विश्वसनीय अनुकूलन के लिए पर्याप्त नहीं होते हैं।
• इरादा-जागरूक विधियाँ (Intent-Aware Methods): आमतौर पर पर्याप्त इतिहास वाले अनुक्रमिक अनुशंसा (sequential recommendation) के लिए डिज़ाइन की गई हैं, जो लगभग शून्य इतिहास वाले उपयोगकर्ताओं के लिए हस्तांतरणीय इरादा पैटर्न का लाभ उठाने में विफल रहती हैं।
• डिफ्यूजन-आधारित विधियाँ (Diffusion-Based Methods): जटिल वितरणों को मॉडल करने में प्रभावी होने के बावजूद, वर्तमान दृष्टिकोण अक्सर गुप्त इरादे (latent intent) की जानकारी को अनदेखा करते हैं, जिससे शोर युक्त, विरल कोल्ड-स्टार्ट डेटा से विश्वसनीय प्राथमिकताओं को पुनः प्राप्त करने की उनकी क्षमता सीमित हो जाती है।

पहचाना गया मुख्य संघर्ष यह है कि सीमित व्यक्तिगत व्यवहारों का दोहन कैसे किया जाए और साथ ही हस्तांतरणीय इरादा-स्तर के ज्ञान (transferable intent-level knowledge) को कैसे पेश किया जाए ताकि विरल अवलोकनों की भरपाई की जा सके और प्रगतिशील रूप से प्राथमिकता-संगत उपयोगकर्ता प्रतिनिधित्व को पुनः प्राप्त किया जा सके।

2. कार्यप्रणाली: इरादा-निर्देशित डिफ्यूजन मॉडल (IGDM)

लेखक IGDM प्रस्तावित करते हैं, जो इरादा मॉडलिंग को डिफ्यूजन-आधारित प्रतिनिधित्व शोधन (representation refinement) के साथ एकीकृत करने वाला एक ढांचा है। मॉडल के तीन प्राथमिक घटक हैं:

A. इरादा निष्कर्षण मॉड्यूल (Intent Extraction Module)

हस्तांतरणीय प्राथमिकता पैटर्न को कैप्चर करने के लिए, मॉडल मौजूदा (गैर-कोल्ड-स्टार्ट) उपयोगकर्ताओं के ऐतिहासिक इंटरैक्शन अनुक्रमों से गुप्त इरादा प्रोटोटाइप (latent intent prototypes) निकालता है।

• उपयोगकर्ता इंटरैक्शन अनुक्रमों को सघन (dense) प्रतिनिधित्व में एनकोड किया जाता है।
• अनुक्रम समानता के आधार पर उपयोगकर्ताओं को $K$ समूहों में विभाजित करने के लिए K-means क्लस्टरिंग लागू की जाती है।
• प्रत्येक क्लस्टर एक गुप्त इरादा प्रकार का प्रतिनिधित्व करता है, और इसका इरादा प्रोटोटाइप ($I_j$) उस क्लस्टर के भीतर उपयोगकर्ताओं के औसत प्रतिनिधित्व के रूप में परिभाषित किया जाता है। ये प्रोटोटाइप हस्तांतरणीय इरादा पूर्ववर्ती (priors) के रूप में कार्य करते हैं।

B. अनुकूली इरादा संलयन मॉड्यूल (Adaptive Intent Fusion Module)

यह मॉड्यूल कोल्ड-स्टार्ट उपयोगकर्ता के सीमित व्यवहार संबंधी विशेषताओं को निकाले गए इरादा प्रोटोटाइप के साथ गतिशील रूप से एकीकृत करता है।

• कोल्ड-स्टार्ट उपयोगकर्ता के प्रतिनिधित्व ($S_c$) और प्रत्येक इरादा प्रोटोटाइप ($I_j$) के बीच समानता की गणना की जाती है।
• अनुकूली भार (Adaptive Weights): एक सॉफ्टमैक्स फंक्शन इन समानताओं के आधार पर सामान्यीकृत भार ($\omega_{cj}$) उत्पन्न करता है, जिसे तापमान पैरामीटर $\tau$ द्वारा नियंत्रित किया जाता है।
• संलयित प्रतिनिधित्व (Fused Representation): अंतिम संलयित प्रतिनिधित्व ($z_c$) उपयोगकर्ता के अपने फीचर्स और इरादा प्रोटोटाइप का एक भारित संयोजन है:
  $$z_c = \alpha S_c + (1 - \alpha) \sum_{j=1}^{K} \omega_{cj} I_j$$
  यहाँ, $\alpha$ व्यक्तिगत फीचर्स और इरादा पूर्ववर्तीों के बीच संतुलन बनाता है। यह तंत्र सुनिश्चित करता है कि कोल्ड-स्टार्ट उपयोगकर्ताओं को, विरल डेटा के बावजूद, एक स्थिर, इरादा-जागरूक प्रतिनिधित्व प्राप्त हो।

C. इरादा-निर्देशित डिफ्यूजन मॉड्यूल (Intent-Guided Diffusion Module)

संलयित प्रतिनिधित्व ($z_c$) एक सशर्त सिग्नल के रूप में कार्य करता है जो उपयोगकर्ता प्रतिनिधित्व को परिष्कृत करने वाली डिफ्यूजन प्रक्रिया को निर्देशित करता है।

• फॉरवर्ड प्रोसेस (Forward Process): $T$ चरणों में प्रारंभिक उपयोगकर्ता प्रतिनिधित्व ($S_{c0}$) में क्रमिक रूप से गॉसियन शोर (Gaussian noise) जोड़ा जाता है, जिससे एक शोर युक्त प्रक्षेपवक्र (noisy trajectory) बनता है।
• रिवर्स (डिनोइजिंग) प्रोसेस (Reverse/Denoising Process): एक न्यूरल नेटवर्क ($\epsilon_\theta$) प्रत्येक चरण में इंजेक्ट किए गए शोर की भविष्यवाणी करता है। महत्वपूर्ण रूप से, यह प्रक्रिया इरादा-निर्देशित (intent-guided) है:
  • मॉडल कंडीशन को मजबूत करने के लिए क्लासिफायर-फ्री गाइडेंस (Classifier-Free Guidance) का उपयोग करता है। यह इरादा कंडीशन ($z_c$) के साथ अनुमानित शोर और शून्य इरादा वेक्टर ($z_\emptyset$) के साथ अनुमानित शोर के बीच एक भारित अंतर की गणना करता है।
  • मार्गदर्शन की शक्ति को हाइपरपैरामीटर $w$ द्वारा नियंत्रित किया जाता है।
• शोधन (Refinement): पुनरावृत्त डिनोइजिंग के माध्यम से, मॉडल एक परिष्कृत उपयोगकर्ता प्रतिनिधित्व को पुनः प्राप्त करता है जो गुप्त प्राथमिकताओं के साथ बेहतर ढंग से संरेखित होता है, जो प्रभावी रूप से डेटा की विरलता के कारण होने वाले शोर को फ़िल्टर करता है।

अनुकूलन (Optimization)
मॉडल को एक संयुक्त उद्देश्य फलन (joint objective function) का उपयोग करके प्रशिक्षित किया जाता है जो निम्नलिखित को जोड़ता है:

1. डिफ्यूजन लॉस ($\mathcal{L}_{diff}$): अनुमानित और वास्तविक शोर के बीच माध्य वर्ग त्रुटि (mean squared error) को कम करता है।
2. अनुशंसा लॉस ($\mathcal{L}_{rec}$): परिष्कृत उपयोगकर्ता प्रतिनिधित्व और आइटमों के बीच अंतिम मिलान स्कोर को अनुकूलित करने के लिए बेयसियन पर्सनलाइज्ड रैंकिंग (BPR) लॉस का उपयोग करता है।

3. प्रमुख योगदान

शोध पत्र तीन मुख्य योगदानों को रेखांकित करता है:

1. एक नवीन ढांचा: एक इरादा-निर्देशित डिफ्यूजन फ्रेमवर्क का प्रस्ताव करता है जो विरल स्थितियों में प्राथमिकता सीखने में सुधार के लिए हस्तांतरणीय इरादा मॉडलिंग को डिफ्यूजन-आधारित प्रतिनिधित्व शोधन के साथ जोड़ता है।
2. अनुकूली संलयन तंत्र: एक ऐसा तंत्र डिजाइन करता है जो कोल्ड-स्टार्ट उपयोगकर्ता के लिए उनकी प्रासंगिकता के आधार पर गुप्त इरादा प्रोटोटाइप को गतिशील रूप से भारित करता है, जिससे सीमित अवलोकनों के कारण होने वाली प्रतिनिधित्व अस्थिरता को कम किया जा सके।
3. अनुभवजन्य सत्यापन (Empirical Validation): तीन वास्तविक दुनिया के डेटासेट्स (MovieLens-1M, Last.FM, Yelp) पर व्यापक प्रयोग करता है, जो प्रतिनिधि बेसलाइनों की तुलना में निरंतर श्रेष्ठता प्रदर्शित करता है, विशेष रूप से अत्यधिक विरल इंटरैक्शन सेटिंग्स में।

4. प्रयोगात्मक परिणाम

लेखकों ने तीन श्रेणियों के बेसलाइनों के विरुद्ध IGDM का मूल्यांकन किया: पारंपरिक कोल्ड-स्टार्ट विधियाँ (जैसे, GC-MC, DropoutNet), मेटा-लर्निंग विधियाँ (जैसे, MeLU, MetaCS), और अनुक्रमिक अनुशंसा विधियाँ (जैसे, SelfGNN)।

• कुल प्रदर्शन: IGDM ने तीनों डेटासेट्स में Recall@k, NDCG@k, और MAP@k के मामले में लगातार सभी बेसलाइनों को पछाड़ दिया।
• विरल सेटिंग में लाभ: प्रदर्शन में वृद्धि सबसे अधिक गंभीर कोल्ड-स्टार्ट स्थितियों (जैसे, 1-5 इंटरैक्शन वाले उपयोगकर्ता) के तहत स्पष्ट थी। उदाहरण के लिए, MovieLens-1M डेटासेट पर, IGDM ने लेवल 1 कोल्ड-स्टार्ट परिदृश्यों में सर्वश्रेष्ठ बेसलाइन (ColdNas) की तुलना में महत्वपूर्ण सुधार दिखाया।
• एब्लेशन अध्ययन (Ablation Studies): या तो अनुकूली इरादा संलयन (Adaptive Intent Fusion) मॉड्यूल या इरादा-निर्देशित (Intent-Guided) तंत्र को हटाने से स्पष्ट प्रदर्शन गिरावट हुई, जिससे पुष्टि होती है कि दोनों घटक मॉडल को स्थिर करने और प्राथमिकता संकेतों को पुनः प्राप्त करने के लिए आवश्यक हैं।
• हाइपरपैरामीटर संवेदनशीलता: मॉडल ने डिफ्यूजन स्टेप काउंट ($T$) के 50 और इरादा मार्गदर्शन भार ($w$) के 0.1 के साथ इष्टतम प्रदर्शन प्राप्त किया। बहुत कम चरणों से लेटेंट स्पेस का अन्वेषण करने में विफलता मिली, जबकि बहुत अधिक चरणों ने मूल सिग्नल को कम कर दिया।
• प्रतिनिधित्व की गुणवत्ता: t-SNE विज़ुअलाइज़ेशन ने संकेत दिया कि IGDM ऐसे उपयोगकर्ता प्रतिनिधित्व उत्पन्न करता है जो ColdNas जैसे बेसलाइनों की तुलना में अधिक संरचनात्मक रूप से सघन और भेदभावपूर्ण (discriminative) हैं, जो व्यक्तिगत अंतरों को बनाए रखते हुए गुप्त समानताओं को बेहतर ढंग से कैप्चर करने का सुझाव देते हैं।

5. महत्व और दावे

शोध पत्र का दावा है कि IGDM डेटा की विरलता (data sparsity) और अस्थिर अनुकूलन (unstable adaptation) की दोहरी चुनौतियों को संबोधित करके उपयोगकर्ता कोल्ड-स्टार्ट अनुशंसा के लिए एक मजबूत समाधान प्रदान करता है।

• महत्व: यह कार्य प्रदर्शित करता है कि हस्तांतरणीय इरादा पूर्ववर्तीों (transferable intent priors) (ऐतिहासिक डेटा से सीखे गए) को पुनरावृत्त डिनोइजिंग (डिफ्यूजन के माध्यम से) के साथ जोड़ने से सिस्टम को शोर युक्त, विरल उपयोगकर्ता प्रतिनिधित्व को विश्वसनीय प्राथमिकता अनुमानों में प्रगतिशील रूप से परिष्कृत करने की अनुमति मिलती है।
• विनम्रता और सीमाएं: लेखक स्वीकार करते हैं कि वर्तमान ढांचा विशिष्ट रूप से उपयोगकर्ता कोल्ड-स्टार्ट के लिए है और इसे अभी तक आइटम कोल्ड-स्टार्ट या दोहरे कोल्ड-स्टार्ट सेटिंग्स के लिए विस्तारित नहीं किया गया है। वे यह भी नोट करते हैं कि यदि नए उपयोगकर्ता ऐतिहासिक समूहों से काफी भिन्न प्राथमिकता पैटर्न प्रदर्शित करते हैं, तो इरादा प्रोटोटाइप की हस्तांतरणीयता सीमित हो सकती है। इसके अलावा, डिफ्यूजन-आधारित शोधन अतिरिक्त कम्प्यूटेशनल ओवरहेड पेश करता है, जो बड़े पैमाने के परिदृश्यों में स्केलेबिलिटी को प्रभावित कर सकता है।

निष्कर्षतः, शोध पत्र यह तर्क देता है कि मौजूदा कोल्ड-स्टार्ट अनुशंसा विधियों की सीमाओं को दूर करने के लिए डिफ्यूजन प्रक्रियाओं को निर्देशित करने हेतु गुप्त इरादा संरचनाओं का लाभ उठाना एक आशाजनक दिशा है, विशेष रूप से उन वातावरणों में जहाँ व्यवहार संबंधी डेटा दुर्लभ है।