💬 NLP

Complete asymptotic type-token relationship for growing complex systems with inverse power-law count rankings

यह शोध पत्र एक नियतात्मक, आदर्श मॉडल प्रस्तुत करता है जो बढ़ते जटिल तंत्रों में प्रकार-प्रतीक (type-token) संबंध के लिए एक एकीकृत स्पर्शोन्मुख अभिव्यक्ति व्युत्पन्न करता है, यह प्रदर्शित करते हुए कि हीप्स का नियम (Heaps' law) स्टोकेस्टिक तंत्रों पर निर्भर किए बिना सभी पावर-लॉ घातांकों में जिप का नियम (Zipf's law) के केवल एक गणितीय परिणाम के रूप में उभरता है।

मूल लेखक: Pablo Rosillo-Rodes, Laurent Hébert-Dufresne, Peter Sheridan Dodds

प्रकाशित 2026-03-31

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Pablo Rosillo-Rodes, Laurent Hébert-Dufresne, Peter Sheridan Dodds

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

एक बड़ी तस्वीर: विकास के दो प्रसिद्ध नियम

कल्पना कीजिए कि आप एक विशाल पुस्तकालय बना रहे हैं। जैसे-जैसे आप अधिक और अधिक पुस्तकें (टोकन) जोड़ते हैं, दो प्रसिद्ध नियम आमतौर पर यह वर्णन करते हैं कि क्या होता है:

ज़िफ का नियम (लोकप्रियता का मुकाबला): किसी भी बड़े संग्रह में—चाहे वह शब्द हों, प्रजातियाँ हों या विचार—कुछ चीजें बेहद लोकप्रिय होती हैं, और अधिकांश चीजें दुर्लभ होती हैं। यदि आप उन्हें सबसे सामान्य से सबसे कम सामान्य के क्रम में रखते हैं, तो लोकप्रियता एक ढलान की तरह गिरती है। नंबर 1 वाला शब्द नंबर 2 की तुलना में दोगुना बार आता है, नंबर 3 की तुलना में तीन गुना बार आता है, और इसी तरह। यह "इनवर्स पावर-लॉ" (Inverse Power-Law) है।
हीप्स का नियम (शब्दावली का विकास): जैसे-जैसे आप अधिक पाठ पढ़ते हैं (अपने पुस्तकालय में अधिक पुस्तकें जोड़ते हैं), आप नए शब्द (प्रकार/types) खोजते हैं। लेकिन आप उन्हें एक स्थिर गति से नहीं खोजते। शुरुआत में, आप नए शब्द तेजी से खोजते हैं। बाद में, आप ज्यादातर उन्हीं शब्दों को देखते हैं जो आपने पहले ही पढ़ लिए हैं। अद्वितीय (unique) शब्दों की संख्या कुल शब्दों की संख्या की तुलना में धीमी गति से बढ़ती है।

प्रश्न: लंबे समय तक वैज्ञानिकों ने सोचा: क्या ये दोनों नियम केवल साथ में होने के कारण मौजूद हैं, या एक वास्तव में दूसरे का कारण है?

पुराना उत्तर बनाम नया उत्तर

एक पिछले अध्ययन (लियू एट अल. द्वारा) ने इन दोनों नियमों को जोड़ने की कोशिश की। उन्होंने उनके बीच एक गणितीय पुल बनाया, लेकिन उनके पुल में कुछ दरारें थीं। यह कुछ स्थितियों में अच्छा काम करता था, लेकिन जब "लोकप्रियता की ढलान" बहुत तीव्र (जब सबसे लोकप्रिय चीजें अत्यधिक प्रभावी होती हैं) या बहुत सपाट होती थी, तो यह विफल हो जाता था।

यह नया शोध पत्र (रोसिलो-रोड्स, हेबर्ट-डुफ्रेसने और डॉड्स द्वारा) उस पुल को ठीक करता है।

उन्होंने एक बढ़ते हुए सिस्टम का एक आदर्श मॉडल बनाया। उन्हें रैंडम चांस या जटिल जैविक तंत्रों के बारे में अनुमान लगाने की आवश्यकता नहीं थी। उन्होंने बस यह पूछा: "यदि हम सख्ती से इस नियम का पालन करें कि लोकप्रियता एक पावर-लॉ की तरह गिरती है, तो अद्वितीय वस्तुओं की कुल संख्या के साथ क्या होना चाहिए?"

उपमा: "अनंत बुफे" (The Infinite Buffet)

एक विशाल बुफे की कल्पना करें जहाँ हर दिन नए व्यंजन (प्रकार) जोड़े जाते हैं।

नियम: सबसे लोकप्रिय व्यंजन (मान लीजिए पिज्जा) 100 लोगों को परोसा जाता है। दूसरा सबसे लोकप्रिय (बर्गर) 50 लोगों को। तीसरा (सलाद) 33 को, और इसी तरह। यह ज़िफ का नियम है।
लक्ष्य: हम जानना चाहते हैं कि 1,000 लोगों के खाने के बाद (कुल टोकन) मेनू में कितने अद्वितीय व्यंजन होंगे।

पुरानी गणितीय गलती:
पिछले वैज्ञानिकों ने एक चिकनी वक्र रेखा (smooth curve) खींचकर कुल व्यंजनों का अनुमान लगाने की कोशिश की।

समस्या: जब ढलान बहुत तीव्र (एक चट्टान की तरह) होती है, तो वक्र शुरुआती कुछ चरणों को छोड़ देता है। यह एक सीढ़ी की छाया देखकर सीढ़ी को मापने की कोशिश करने जैसा है; आप वास्तविक सीढ़ियों को छोड़ देते हैं। इस कारण उन्हें यह अनुमान लगाने में कमी आई कि कुछ व्यंजनों को देखने के लिए कितने लोगों की आवश्यकता है, विशेष रूप से जब एक या दो व्यंजन अत्यधिक लोकप्रिय होते हैं।

नया समाधान:
लेखकों ने एक अधिक सटीक गणितीय उपकरण (जिसे यूलर-मैक्लॉरिन एक्सपेंशन कहा जाता है) का उपयोग किया।

उपमा: छाया देखने के बजाय, उन्होंने सीढ़ी के हर एक कदम को गिना। उन्होंने महसूस किया कि बहुत तीव्र ढलानों के लिए, "पहला कदम" (सबसे लोकप्रिय वस्तु) इतना बड़ा होता है कि वह पूरे सिस्टम पर हावी हो जाता है। उनका नया फॉर्मूला इस "कदम" को पूरी तरह से ध्यान में रखता है।

उन्होंने क्या पाया

उन्होंने एक एकल, एकीकृत सूत्र निकाला जो हर प्रकार के सिस्टम के लिए काम करता है, चाहे लोकप्रियता की गिरावट धीमी हो या एक खड़ी चट्टान:

जब लोकप्रियता धीरे-धीरे गिरती है (सपाट ढलान): अद्वितीय वस्तुओं की संख्या कुल आकार के लगभग रैखिक (linearly) रूप से बढ़ती है।
जब लोकप्रियता "मानक" दर पर गिरती है (प्रसिद्ध ज़िफ का नियम जहाँ $\alpha = 1$ है): विकास एक विशिष्ट लॉगरिदमिक पैटर्न का पालन करता (यह धीमा हो जाता है, लेकिन एक प्रसिद्ध स्थिरांक जिसमें 'यूलर-मैशेरोनी स्थिरांक' शामिल है, के माध्यम से अनुमानित तरीके से होता है)।
जब लोकप्रियता बहुत तेजी से गिरती है (खड़ी चट्टान): सिस्टम केवल कुछ ही वस्तुओं द्वारा नियंत्रित होता है। अद्वितीय वस्तुओं की संख्या कुल आकार के मूल (root) की तरह बहुत धीमी गति से बढ़ती है।

यह क्यों महत्वपूर्ण है

इस पेपर का सबसे रोमांचक हिस्सा निष्कर्ष है: हीप्स का नियम कोई अलग जादुई नियम नहीं है।

यह केवल ज़िफ के नियम का एक दुष्प्रभाव (side effect) है।

इसे ऐसे सोचें: यदि आपके पास एक भीड़ है जहाँ कुछ लोग बहुत जोर से चिल्ला रहे हैं और बाकी सब फुसफुसा रहे हैं (ज़िफ का नियम), तो आप स्वाभाविक रूप से पाएंगे कि जैसे-जैसे भीड़ बढ़ती है, आपको कम नई आवाजें सुनाई देती हैं (हीप्स का नियम)। आपको इसे समझाने के लिए किसी विशेष "फुसफुसाने वाले तंत्र" के आविष्कार की आवश्यकता नहीं है; चिल्लाने का पैटर्न ही सब कुछ समझा देता है।

मुख्य बात (Takeaway)

पुराना दृष्टिकोण: ज़िफ का नियम और हीप्स का नियम दो अलग-अलग दोस्त हैं जो संयोग से साथ रहते हैं।
नया दृष्टिकोण: हीप्स का नियम केवल ज़िफ का नियम है जिसने एक अलग टोपी पहनी हुई है। यदि आप जानते हैं कि लोकप्रियता रैंकिंग कैसे काम करती है, तो आप गणितीय रूप से भविष्यवाणी कर सकते हैं कि शब्दावली कैसे बढ़ेगी, बिना किसी रैंडम किस्मत या जटिल जीव विज्ञान की धारणा के।

लेखकों ने वह "मास्टर की" (Master Key) प्रदान की है जो किसी भी बढ़ते हुए सिस्टम में—चाहे वह उपन्यास के शब्द हों या जंगल की प्रजातियां—चीजों की रैंकिंग और नई चीजों के प्रकट होने के बीच के संबंध को खोल देती है।

यहाँ रोसिलो-रोडेस, हेबर्ट-डफ्रेसने और डॉड्स के शोध पत्र "Complete asymptotic type-token relationship for growing complex systems with inverse power-law count rankings" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

जटिल प्रणालियाँ, जिनमें भाषाई संग्रह (linguistic corpora), पशु संचार से लेकर पारिस्थितिक नेटवर्क और सामाजिक-आर्थिक डेटा तक शामिल हैं, अक्सर जिप्स के नियम (Zipf's Law) को प्रदर्शित करती हैं: एक प्रकार (type, $S$ ) की आवृत्ति (count) और उसके रैंक ( $r$ ) के बीच एक व्युत्क्रम पावर-लॉ (inverse power-law) संबंध, जिसे $S \sim r^{-\alpha}$ के रूप में व्यक्त किया जाता है।

एक संबंधित अनुभवजन्य अवलोकन हीप्स के नियम (Heaps' Law) को वर्णित करता है, जो बताता है कि एक प्रणाली में कुल टोकन ( $t$ ) के साथ विशिष्ट प्रकारों ( $N$ ) की संख्या उप-रैखिक (sublinearly) रूप से कैसे बढ़ती है, जो आमतौर पर $N \sim t^\beta$ के रूप में होती है जहाँ $0 < \beta < 1$ है।

मुख्य प्रश्न: क्या सीमित, बढ़ते हुए सिस्टम में जिप्स के नियम (रैंक-फ्रीक्वेंसी) और हीप्स के नियम (टाइप-टोकन ग्रोथ) के बीच कोई मौलिक, नियतात्मक गणितीय संबंध है?
अंतराल (The Gap): पिछले कार्यों ने, विशेष रूप से लू एट अल (2010) ने, इस संबंध को प्राप्त करने का प्रयास किया लेकिन वे इंटीग्रल सन्निकटन (integral approximations) पर निर्भर थे जो विशिष्ट शासन (regimes) (विशेष रूप से $\alpha = 1$ और $\alpha \gg 1$ ) में विफल रहे। मौजूदा मॉडल अक्सर स्टोकेस्टिक विकास तंत्रों या सैंपलिंग प्रक्रियाओं को मानते थे, जिससे यह अस्पष्ट हो गया कि क्या यह संबंध पावर-लॉ वितरण का एक उभरता हुआ गुण (emergent property) है।

2. कार्यप्रणाली (Methodology)

लेखक एक आदर्शित, नियतात्मक बढ़ते सिस्टम मॉडल (idealized, deterministic growing system model) प्रस्तावित करते हैं ताकि विशिष्ट स्टोकेस्टिक सैंपलिंग या भौतिक तंत्रों पर निर्भर रहे बिना सटीक स्पर्शोन्मुखी (asymptotic) संबंध प्राप्त किया जा सके।

मॉडल की परिभाषा:
- सिस्टम डिस्क्रीट टाइम स्टेप्स $t = 1, 2, 3, \dots$ में बढ़ता है।
- समय $t$ पर $r$ -वें प्रकार की गणना को $S_{r,t,\alpha} = \lfloor \frac{1}{2} + G_{t,\alpha} r^{-\alpha} \rfloor$ के रूप में परिभाषित किया गया है, जहाँ $G_{t,\alpha}$ एक ग्रोथ फैक्टर है जो यह सुनिश्चित करता है कि कुल टोकन गणना $t$ के बराबर हो।
- प्रकारों को आगमन के समय (arrival time) के आधार पर क्रमबद्ध किया जाता है; एक प्रकार तब "निर्मित" होता है जब उसकी गणना राउंड अप होकर 1 हो जाती है।
विश्लेषणात्मक दृष्टिकोण:
- फ्लोर ऑपरेटर (floor operator) की कम्प्यूटेशनल कठिनाई से बचने के लिए, लेखक काउंट रैंकिंग को एक निरंतर फलन (continuous function) के रूप में अनुमानित करते हैं: $S_{r,t,\alpha} \approx S_{1,t,\alpha} r^{-\alpha}$ जहाँ $1 \le r \le N_{t,\alpha}$ ।
- वे दो सीमा शर्तों (boundary conditions) को लागू करते हैं:
  1. सबसे हाल ही में आया प्रकार (रैंक $N_{t,\alpha}$ ) जिसकी गणना 1 है।
  2. सभी भिन्नात्मक गणनाओं (fractional counts) का योग कुल समय $t$ के बराबर है।
- इससे समीकरण प्राप्त होता है: $t \approx N_{t,\alpha}^\alpha H_{N_{t,\alpha}}^{(\alpha)}$ , जहाँ $H_n^{(\alpha)}$ एक सामान्यीकृत हार्मोनिक संख्या (generalized harmonic number) है।
प्रमुख गणितीय उपकरण:
- हार्मोनिक सम के मानक इंटीग्रल सन्निकटन के उपयोग के बजाय (जो त्रुटियाँ उत्पन्न करता है), लेखक उच्च सटीकता के साथ $H_{N_{t,\alpha}}^{(\alpha)}$ को अनुमानित करने के लिए यूलर-मैकलॉरिन विस्तार (Euler-Maclaurin expansion) का उपयोग करते हैं।
- यह उन्हें सभी $\alpha \ge 0$ के लिए एक एकीकृत स्पर्शोन्मुखी अभिव्यक्ति (unified asymptotic expression) प्राप्त करने की अनुमति देता है।

3. मुख्य योगदान (Key Contributions)

एकीकृत स्पर्शोन्मुखी अभिव्यक्ति (Unified Asymptotic Expression): लेखक एक एकल, सटीक स्पर्शोन्मुखी सूत्र (Eq. 13) प्राप्त करते हैं जो सभी $\alpha$ मानों के लिए वैध है:
$t \sim \frac{1}{1-\alpha}N_{t,\alpha} + \zeta(\alpha)N_{t,\alpha}^\alpha$
(जहाँ $\zeta(\alpha)$ रीमान ज़ेटा फलन है)।
पिछले कार्य का सुधार: वे लू एट अल (2010) के व्युत्पत्ति में त्रुटियों की पहचान करते हैं और उन्हें सुधारते हैं। विशेष रूप से, उनके द्वारा उपयोग किया गया इंटीग्रल सन्निकटन $\alpha > 1$ के लिए विफल हो जाता है (सिस्टम आकार को $\alpha-1$ के कारक से कम आंकता है) और $\alpha \approx 1$ के लिए भी सटीक नहीं है।
हीप्स के नियम का नियतात्मक मूल (Deterministic Origin of Heaps' Law): यह अध्ययन प्रदर्शित करता है कि हीप्स का नियम एक स्वतंत्र घटना या विशिष्ट स्टोकेस्टिक विकास तंत्रों का परिणाम नहीं है। इसके बजाय, यह केवल इस परिणाम के रूप में उभरता है कि सिस्टम एक इन्वर्स पावर-लॉ काउंट रैंकिंग (जिप्स के नियम) का पालन करता है।
शासन-विशिष्ट समाधान (Regime-Specific Solutions): पेपर तीन महत्वपूर्ण शासन (regimes) के लिए स्पष्ट सीमा रूप प्रदान करता है:
- $\alpha \ll 1$ : रैखिक विकास ( $N \sim t$ )।
- $\alpha = 1$ : लॉगरिदमिक सुधार ( $N \sim t / \ln t$ )।
- $\alpha \gg 1$ : पावर-लॉ विकास ( $N \sim t^{1/\alpha}$ )।

4. परिणाम (Results)

व्युत्पन्न संबंध (Eq. 13) और उसके सीमा रूपों (Eq. 20 और 21) को डिस्क्रीट हार्मोनिक सम मॉडल के विरुद्ध सत्यापित किया गया:

$\alpha \ll 1$ के लिए: सिस्टम रैखिक व्यवहार करता है, $t \sim \frac{1}{1-\alpha}N_{t,\alpha}$ । जैसे-जैसे $\alpha \to 0$ , $N \approx t$ ।
$\alpha = 1$ के लिए: इसमें यूलर-मैसेरोनी स्थिरांक ( $\gamma_0 \approx 0.577$ ) शामिल है। प्रकारों की संख्या $N_{t,1} \sim \frac{t}{\ln t + \gamma_0 - \ln(\ln t + \gamma_0)}$ के रूप में स्केल होती है। यह सरल सन्निकटनों में पाई गई विचलन (divergence) को ठीक करता है।
$\alpha \gg 1$ के लिए: एक्सपोनेंशियल टर्म प्रभावी हो जाता है। संबंध सरल होकर $t \sim N_{t,\alpha}^\alpha$ $t \sim N_{t, α}^{α}$ , या $N_{t,\alpha} \sim t^{1/\alpha}$ $N_{t, α} \sim t^{1/ α}$ हो जाता है।
- महत्वपूर्ण निष्कर्ष: पिछले इंटीग्रल सन्निकटन ने सुझाव दिया था कि $t \sim \frac{1}{\alpha-1}N^\alpha$ , जो गलत है। लेखक दिखाते हैं कि तीव्र पावर-लॉ (जैसे, $\alpha = 10, 15$ ) के लिए, इंटीग्रल विधि आवश्यक सिस्टम आकार $t$ को लगभग एक क्रम (order of magnitude) कम आंकती है।
दृश्य सत्यापन (Visual Validation): चित्र 1 और चित्र 2 दर्शाते हैं कि नया विस्तार (Eq. 13) सभी $\alpha$ मानों के लिए डिस्क्रीट डेटा के साथ पूरी तरह से फिट बैठता है, जबकि पुराना सन्निकटन (Eq. 10) $\alpha \ge 1$ वाले शासन में महत्वपूर्ण विचलन दिखाता है।

5. महत्व (Significance)

सैद्धांतिक एकीकरण (Theoretical Unification): यह पेपर जिप्स के नियम और हीप्स के नियम के बीच एक कठोर, तंत्र-स्वतंत्र लिंक स्थापित करता है। यह सिद्ध करता है कि यदि कोई सिस्टम पावर-लॉ रैंक वितरण के साथ बढ़ता है, तो एक विशिष्ट टाइप-टोकन स्केलिंग लॉ अनिवार्य रूप से उभरेगा।
साहित्य का सुधार: यह इन स्केलिंग कानूनों के गणितीय व्युत्पत्ति में लंबे समय से चली आ रही अशुद्धियों को हल करता है, विशेष रूप से उन प्रणालियों के लिए जिनमें तीव्र वितरण (उच्च $\alpha$ ) होते हैं, जो संगीत की लोकप्रियता, पुस्तक बिक्री और धन वितरण जैसे वास्तविक दुनिया के डेटा में आम हैं।
पद्धतिगत प्रगति: साधारण एकीकरण के बजाय यूलर-मैकलॉरिन विस्तार का उपयोग करके, लेखक डिस्क्रीट, बढ़ते जटिल सिस्टमों के विश्लेषण के लिए एक अधिक मजबूत गणितीय ढांचा प्रदान करते हैं।
जटिल प्रणालियों के लिए निहितार्थ: निष्कर्ष बताते हैं कि शब्दावली या प्रजातियों की विविधता (हीप्स का नियम) की "उप-रैखिक" वृद्धि, आवृत्ति वितरण (जिप्स का नियम) की "हेवी-टेल्ड" प्रकृति का एक सीधा सांख्यिकीय परिणाम है, न कि किसी विशिष्ट जैविक या भाषाई विकास तंत्र का परिणाम। यह भाषाविज्ञान से लेकर शहरी नियोजन तक विविध जटिल प्रणालियों के मॉडलिंग को सरल बनाता है।