Testing network clustering algorithms with Natural Language Processing
यह शोध पत्र एक हाइब्रिड कार्यप्रणाली का प्रस्ताव करता है जो सांस्कृतिक-आधारित ऑनलाइन सामाजिक समूहों को परिभाषित और मान्य करने के लिए सामुदायिक पहचान एल्गोरिदम (community detection algorithms) को प्राकृतिक भाषा प्रसंस्करण (natural language processing) के साथ जोड़ता है, जिससे पाठ्य सहमति (textual agreement) के आधार पर क्लस्टरिंग एल्गोरिदम को स्कोर करना सक्षम होता है और उपयोगकर्ता की राय की भविष्यवाणी करने में 85% से अधिक सटीकता प्राप्त होती 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
कल्पना कीजिए कि इंटरनेट एक विशाल, अराजक डिजिटल शहर है जहाँ अरबों लोग लगातार चिल्ला रहे हैं, फुसफुसा रहे हैं और कहानियाँ साझा कर रहे हैं। इस शहर में, लोग स्वाभाविक रूप से उन लोगों के आधार पर पड़ोस बना लेते हैं जिनसे वे बात करते हैं और जो विषय वे चर्चा करते हैं। वैज्ञानिक इन पड़ोसों को "समुदाय" (communities) कहते हैं, और वे इन्हें मैप करने के लिए विशेष गणितीय उपकरणों का उपयोग करते हैं जिन्हें "कम्युनिटी डिटेक्शन एल्गोरिदम" कहा जाता है। इन एल्गोरिदम को एक सुपर-स्मार्ट टूर गाइड की तरह समझें जो यह देखता है कि कौन किसे रिट्वीट कर रहा है और दोस्तों के समूहों के चारों ओर रेखाएँ खींच देता है। लेकिन यहाँ पेचीदा बात यह है कि सिर्फ इसलिए कि दो लोग एक ही डिजिटल पड़ोस में हैं, इसका मतलब यह नहीं है कि वे वास्तव में दुनिया में जो हो रहा है उस पर सहमत हैं। वे ऐसे पड़ोसी हो सकते हैं जो कभी बात नहीं करते, या वे एक-दूसरे को पूरी तरह से अलग बातें चिल्लाकर बता रहे हो सकते हैं। यही कारण है कि शोधकर्ता हमेशा यह पता लगाने की कोशिश करते हैं: क्या ये गणितीय उपकरण वास्तव में उन समूहों को खोजते हैं जो एक ही विचारों को साझा करते हैं, या वे केवल उन लोगों के समूहों को खोज रहे हैं जो संयोग से एक ही बटन दबाते हैं?
यह प्रश्न महत्वपूर्ण है क्योंकि यदि हम समझना चाहते हैं कि विचार कैसे फैलते हैं या विभिन्न समूह दुनिया को कैसे देखते हैं, तो हमें यह जानने की आवश्यकता है कि क्या हमारे मानचित्र सटीक हैं। यदि कोई उपकरण कहता है कि एक समूह "जलवायु-समर्थक" (pro-climate) है, लेकिन उस समूह के भीतर के लोग वास्तव में किसी और चीज़ के बारे में बहस कर रहे हैं, तो वह मानचित्र बेकार है। यह वही पहेली है जिसे हल करने के लिए शोधकर्ताओं की एक टीम ने हाथ लगाया। वे परीक्षण करना चाहते थे कि क्या विचारों को खोजने के लिए उपयोग किए जाने वाले गणितीय उपकरण वास्तव में लोगों को उनके वास्तविक जीवन के विचारों के आधार पर समूहित करने में अच्छे हैं, न कि केवल उनके ऑनलाइन कनेक्शन के आधार पर।
शोधकर्ताओं ने इन गणितीय उपकरणों को परीक्षण में लेने के लिए 2022 के जलवायु परिवर्तन के बारे में ट्वीट्स के एक विशाल डेटासेट का उपयोग करने का निर्णय लिया। उन्होंने इंटरनेट को एक विशाल प्रयोग की तरह माना। सबसे पहले, उन्होंने लाखों ट्विटर उपयोगकर्ताओं को इस आधार पर समूहों में विभाजित करने के लिए तीन अलग-अलग "मैप-ड्राइंग" एल्गोरिदम (गणितीय उपकरणों) का उपयोग किया कि वे किसे रिट्वीट करते हैं। फिर, वे एक दूसरी टीम लेकर आए जो "नेचुरल लैंग्वेज प्रोसेसिंग" (NLP) में प्रशिक्षित एक कंप्यूटर प्रोग्राम था। आप NLP को एक ऐसे रोबोट के रूप में देख सकते हैं जो टेक्स्ट पढ़ने और शब्दों के पीछे के अर्थ को समझने में अविश्वसनीय रूप से कुशल है, जैसे कि एक अत्यंत चौकस लाइब्रेरियन जो जानता है कि एक वाक्य वास्तव में क्या कह रहा है।
उनके प्रयोग में यहाँ एक चतुर मोड़ था: केवल गणितीय उपकरणों को देखने के बजाय, उन्होंने काम की जाँच करने के लिए रोबोट लाइब्रेरियन का उपयोग किया। उन्होंने गणितीय उपकरणों द्वारा बनाए गए समूहों को लिया और रोबोट से पूछा: "क्या इस समूह के लोग वास्तव में एक ही चीज़ के बारे में लिखते हैं?" यदि गणितीय उपकरण ने एक जलवायु कार्यकर्ता और एक जलवायु संशयवादी (climate skeptic) को एक ही समूह में रखा, तो रोबोट यह नोट कर लेता कि वे पूरी तरह से अलग विषयों के बारे में लिख रहे थे और इसे एक गलती के रूप में चिह्नित करता। यदि गणितीय उपकरण ने उन लोगों को सफलतापूर्वक समूहित किया जो जलवायु बहस के एक ही पक्ष के बारे में लिख रहे थे, तो रोबोट उसे उच्च स्कोर देता।
परिणाम काफी प्रभावशाली थे। शोधकर्ताओं ने पाया कि गणितीय उपकरणों को रोबोट के पढ़ने के कौशल के साथ जोड़कर, वे इन मानचित्रों की गुणवत्ता को ग्रेड करने का एक नया तरीका बना सकते हैं। उन्होंने पाया कि सही सेटिंग्स के साथ, ये उपकरण लोगों को 85% से अधिक सटीकता के साथ सार्थक समूहों में वर्गीकृत कर सकते हैं। और भी आश्चर्यजनक रूप से, उन्होंने पाया कि वे किसी अजनबी के ट्वीट्स के एक बहुत छोटे नमूने को पढ़कर—कभी-कभी केवल तीन वाक्यों को पढ़कर—जलवायु परिवर्तन पर उनके विचार का उच्च सटीकता के साथ अनुमान लगा सकते हैं।
अध्ययन ने यह भी दिखाया कि सभी मैप-ड्रॉइंग टूल्स समान नहीं होते। कुछ उपकरण छोटे, घनिष्ठ समूहों को खोजने में बेहतर थे, जबकि अन्य आबादी के बड़े हिस्से को कवर करने में बेहतर थे। रोबोट के "रीडिंग टेस्ट" का उपयोग करके, शोधकर्ता सटीक रूप से पहचान सके कि कौन से उपकरण किस काम के लिए सबसे अच्छे हैं। उन्होंने "बीच के" उपयोगकर्ताओं का एक दिलचस्प समूह भी पाया—ऐसे लोग जिनके ऑनलाइन कनेक्शन उनकी लेखन शैली से मेल नहीं खाते थे। ये उपयोगकर्ता "अनिर्णायक" या आसानी से प्रभावित होने वाले प्रतीत होते थे, जो विभिन्न दुनियाओं के बीच सेतु का काम करते थे।
अंततः, यह पेपर बताता है कि ऑनलाइन समुदायों को समझने का सबसे अच्छा तरीका केवल यह देखना नहीं है कि कौन किसे फॉलो करता है, बल्कि यह जांचना है कि क्या उन समूहों के लोग वास्तव में समान बातें कह रहे हैं। नेटवर्क गणित और भाषा विश्लेषण के मिश्रण का उपयोग करके, हम यह बेहतर ढंग से मैप कर सकते हैं कि लोग ऑनलाइन कैसे सोचते हैं और कैसे बातचीत करते हैं, जिससे हमें हमारे डिजिटल समाज की वास्तविक संरचना को देखने में मदद मिलती 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।