💬 NLP

Eigenmood Space: Uncertainty-Aware Spectral Graph Analysis of Psychological Patterns in Classical Persian Poetry

यह शोध पत्र "आइगनमूड स्पेस" (Eigenmood Space) प्रस्तुत करता है, जो एक अनिश्चितता-जागरूक कम्प्यूटेशनल ढांचा है जो विश्वास-भारित बहु-लेबल एनोटेशन को स्पेक्ट्रल ग्राफ एम्बेडिंग में एकत्रित करके शास्त्रीय फारसी कविता में मनोवैज्ञानिक पैटर्न का विश्लेषण करता है, जिससे साक्ष्य अनिश्चितता को स्पष्ट रूप से प्रसारित करते हुए स्केलेबल, ऑडिट करने योग्य और व्याख्यात्मक रूप से सतर्क कवि-स्तरीय अनुमान सक्षम होता है।

मूल लेखक: Kourosh Shahnazari, Seyed Moein Ayyoubzadeh, Mohammadali Keshtparvar

प्रकाशित 2026-02-20

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Kourosh Shahnazari, Seyed Moein Ayyoubzadeh, Mohammadali Keshtparvar

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 आपके पास एक विशाल पुस्तकालय है जिसमें पिछले एक हजार वर्षों के हजारों फारसी (Persian) कविताएँ रखी हैं। ये कविताएँ अपनी सुंदरता के लिए प्रसिद्ध हैं, लेकिन साथ ही ये अविश्वसनीय रूप से जटिल भी हैं। वे सीधे तौर पर यह नहीं कहतीं कि "मैं दुखी हूँ"; इसके बजाय वे कह सकती हैं, "रात अंधेरी है, और मेरा हृदय एक टूटा हुआ दर्पण है।"

सदियों से, विशेषज्ञों को इन कविताओं को एक-एक करके पढ़ना पड़ता है, और रूपकों (metaphors) के पीछे की भावनाओं का अनुमान लगाने के लिए अपनी अंतर्दृष्टि (intuition) का उपयोग करना पड़ता है। लेकिन क्या होगा यदि आप दस अलग-अलग कवियों की "भावनात्मक उंगलियों के निशान" (emotional fingerprints) की तुलना 60,000 कविताओं के माध्यम से करना चाहें? उन सभी को मैन्युअल रूप से पढ़ना एक जीवनकाल ले लेगा।

यह शोध पत्र एक नया डिजिटल जासूसी उपकरण प्रस्तुत करता है जिसे आइगेनमूड स्पेस (Eigenmood Space) कहा जाता है। यह कैसे काम करता है, यहाँ सरल भाषा में समझाया गया है:

1. समस्या: "शायद" वाला कारक (The "Maybe" Factor)

यदि आप एक मानक कंप्यूटर से इन कविताओं को पढ़ने के लिए कहते हैं, तो वह आत्मविश्वास से कह सकता है, "यह कविता प्रेम के बारे में है!" भले ही वह कविता वास्तव में आध्यात्मिक भ्रम के बारे में हो। कविता में, बहुत अधिक आत्मविश्वासी होना खतरनाक है।

लेखकों ने महसूस किया कि इसे सही ढंग से करने के लिए, कंप्यूटर को यह जानना होना चाहिए कि वह कब नहीं जानता।

उपमा: एक छात्र की कल्पना करें जो एक कठिन परीक्षा दे रहा है। एक बुरा छात्र बेतरतीब ढंग से अनुमान लगाता है और सब कुछ गलत कर देता है। एक स्मार्ट छात्र जानता है कि कब किसी प्रश्न को खाली छोड़ देना चाहिए और लिखना चाहिए "मुझे यकीन नहीं है।"
समाधान: यह प्रणाली AI को भी ऐसा ही करने के लिए मजबूर करती है। यदि कोई कविता बहुत अस्पष्ट या रूपकपूर्ण है, तो AI कहता है, "मैं इससे परहेज करता हूँ" (मुझे यकीन नहीं है)। यह "मुझे नहीं पता" को एक गलती के रूप में नहीं, बल्कि एक मूल्यवान डेटा के रूप में मानता है।

2. प्रक्रिया: साक्ष्य का वजन करना

शोधकर्ताओं ने सिस्टम में 61,573 छंद (verses) डाले। प्रत्येक कविता के लिए, AI ने तीन काम किए:

इसे मनोवैज्ञानिक अवधारणाओं (जैसे "विषाद" (Melancholy), "रोमांटिक जुनून" (Romantic Obsession), या "आध्यात्मिक आत्ममोह" (Spiritual Narcissism)) के साथ टैग किया।
एक कॉन्फिडेंस स्कोर दिया (जैसे, "मुझे 80% यकीन है कि यह उदासी के बारे में है")।
यदि कविता बहुत भ्रमित करने वाली थी, तो परहेज करने का निर्णय लिया (जो 22% मामलों में हुआ!)।

रचनात्मक उपमा: इसे एक अदालत की तरह समझें।

पुराना तरीका: प्रत्येक गवाह (कविता) एक वोट देता है।
नया तरीका: प्रत्येक गवाह को एक वोट मिलता है, लेकिन उनके वोट का वजन इस बात पर निर्भर करता है कि वे कितने आश्वस्त हैं। एक गवाह जो कहता है, "मैंने संदिग्ध को देखा, मैं 90% निश्चित हूँ," उस गवाह से अधिक महत्व रखता है जो कहता है, "शायद मैंने किसी को देखा, मैं 50% निश्चित हूँ।" यदि कोई गवाह कहता है, "मैं वहाँ नहीं था," तो उनके वोट को पूरी तरह से अनदेखा कर दिया जाता है।

3. मानचित्र: "आइगेनमूड स्पेस" (Eigenmood Space)

एक बार डेटा एकत्र हो जाने के बाद, शोधकर्ताओं ने एक मानचित्र बनाया।

आधार रेखा (The Baseline): सबसे पहले, उन्होंने सभी कवियों के संयुक्त औसत "मूड" की गणना की। यह "मानचित्र का केंद्र" है।
विचलन (The Divergence): उन्होंने मापा कि प्रत्येक कवि इस औसत से कितना दूर गया।
- हाफ़िज़ (एक बहुत प्रसिद्ध कवि) को केंद्र के बहुत करीब पाया गया। उनकी कविता सभी सामान्य विषयों का एक आदर्श संतुलन है। वह एक "औसत" फारसी कवि हैं।
- खय्याम (एक अन्य प्रसिद्ध कवि) को मानचित्र के किनारे पर बहुत दूर पाया गया। उनकी कविता अद्वितीय है, जो "पहचान के विखंडन" (Identity Fragmentation - भीतर से विभाजित महसूस करना) और "विषाद" की ओर भारी झुकाव रखती है, जबकि "रोमांटिक जुनून" से बचती है।

उपमा: एक पार्टी में दोस्तों के एक समूह की कल्पना करें।

अधिकांश दोस्त कमरे के बीच में खड़े होकर सामान्य चीजों के बारे में बातें कर रहे हैं (आधार रेखा)।
एक दोस्त (खय्याम) कोने में खड़ा है, छत को घूर रहा है, जीवन और मृत्यु के अर्थ के बारे में सोच रहा है।
दूसरा दोस्त (परवीन) मेज पर खड़ा है, नैतिकता के बारे में लेक्चर दे रहा है।
यह उपकरण ठीक से मापता है कि प्रत्येक कवि समूह से कितनी दूर और किस दिशा में खड़ा है।

4. "स्पेक्ट्रल" जादू (The Eigenmood)

सबसे चतुर हिस्सा यह था कि उन्होंने बिंदुओं को कैसे जोड़ा। उन्होंने केवल एकल भावनाओं को नहीं देखा; उन्होंने देखा कि भावनाएं एक साथ कैसे नृत्य करती हैं।

उन्होंने एक ग्राफ बनाया जिससे पता चला कि "उदासी" अक्सर "तड़प" (Longing) के साथ आती है, लेकिन "अहंकार" के साथ शायद ही कभी आती है।
उन्होंने इस नृत्य के "छिपे हुए अक्षों" (hidden axes) को खोजने के लिए एक गणितीय ट्रिक (Spectral Graph Analysis) का उपयोग किया।
परिणाम: उन्होंने एक 3D समन्वय प्रणाली (Eigenmood) बनाई। केवल यह कहने के बजाय कि "कवि A उदास है," वे कह सकते हैं, "कवि A उदास है एक विशिष्ट दिशा में जो उदासी को टूटी हुई पहचान की भावना के साथ जोड़ती है।"

5. यह क्यों मायने रखता है

यह केवल शब्दों को गिनने के बारे में नहीं है। यह कविता के रहस्य का सम्मान करने के बारे में है।

ऑडिट योग्य (Auditable): यदि कोई मानव विद्वान कंप्यूटर के काम की जांच करना चाहता है, तो वे मानचित्र पर कवि के "अद्वितीय स्थान" पर क्लिक कर सकते हैं और उन सटीक कविताओं को देख सकते हैं जिन्होंने उन्हें वहां पहुँचाया।
सुरक्षित: यह स्वीकार करके कि वह अनिश्चित है (परहेज करना), यह प्रणाली मृत कवियों के लिए फर्जी मनोवैज्ञानिक निदान बनाने से बचती है। यह कहता है, "यहाँ हमारे पास उपलब्ध साक्ष्य हैं, और यहाँ हम अनिश्चित हैं।"

सारांश

लेखकों ने एक स्मार्ट, विनम्र AI बनाया है जो हजारों प्राचीन फारसी कविताओं को पढ़ता है। जटिल कला पर एक साधारण लेबल थोपने के बजाय, यह साक्ष्यों को तौलता है, भ्रमित होने पर स्वीकार करता है, और एक 3D मानचित्र बनाता है जो दिखाता है कि प्रत्येक कवि की भावनात्मक दुनिया बाकी दुनिया की तुलना में कितनी अद्वितीय है। यह कविता के "एहसास" को एक मापने योग्य, दृश्य परिदृश्य में बदल देता है, जबकि मानवीय विशेषज्ञों के लिए बारीकियों की व्याख्या करने के द्वार खुले रखता है।

यहाँ शोध पत्र "Eigenmood Space: मनोवैज्ञानिक पैटर्न के स्पेक्ट्रल ग्राफ़ विश्लेषण हेतु अनिश्चितता-जागरूक शास्त्रीय फारसी कविता" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

शास्त्रीय फारसी कविता रूपक (metaphor), अंतर्संबंधता (intertextuality) और अलंकारिक परोक्षता (rhetorical indirection) के माध्यम से व्यक्त भावनात्मक जीवन के एक विशाल, ऐतिहासिक रूप से निरंतर अभिलेखागार का प्रतिनिधित्व करती है। जहाँ यह समृद्धि "गहन पठन" (close reading) को अपरिहार्य बनाती है, वहीं यह पुनरुत्पादनीय, बड़े पैमाने के कम्प्यूटेशनल विश्लेषण के लिए महत्वपूर्ण बाधाएँ भी उत्पन्न करती है।

चुनौती: मानक भावना विश्लेषण (sentiment analysis) या निश्चित-शब्दकोश (fixed-lexicon) दृष्टिकोण रूपक की स्तरित, गैर-शाब्दिक प्रकृति (जैसे, एक ही दोहे में लालसा और त्याग दोनों की अभिव्यक्ति) को पकड़ने में विफल रहते हैं।
ज्ञानमीमांसीय जोखिम (Epistemic Risk): आधुनिक मनोवैज्ञानिक अवधारणाओं को पूर्व-आधुनिक ग्रंथों पर लागू करने से कालभ्रम (anachronism) और अति-आत्मविश्वासी लेबलिंग का जोखिम रहता है। इसके अलावा, कविता की अंतर्निहित अस्पष्टता को अनदेखा करने से स्पूरियस (spurious) सांख्यिकीय पैटर्न उत्पन्न हो सकते हैं यदि अनिश्चितता को स्पष्ट रूप से मॉडल नहीं किया जाता है।
अंतराल (The Gap): ऐसे ढाँचों का अभाव है जो अनिश्चितता प्रसार (abstention और confidence) को संरक्षित करते हुए और सरल मार्जिनल वितरणों से परे भावनात्मक अवधारणाओं की संबंधात्मक संरचना को कैप्चर करते हुए, कवि के स्तर तक कम्प्यूटेशनल विश्लेषण को स्केल कर सकें।

2. कार्यप्रणाली (Methodology)

लेखक एक अनिश्चितता-जागरूक कम्प्यूटेशनल ढाँचा प्रस्तावित करते हैं जो छंद-स्तरीय एनोटेशन को कवि-स्तरीय मनोवैज्ञानिक प्रोफाइल में परिवर्तित करता है। यह वर्कफ़्लो चार चरणों से मिलकर बना है:

A. डेटा और एनोटेशन (Data and Annotation)

संग्रह (Corpus): गंजूर (Ganjoor) डिजिटल संग्रह से 10 शास्त्रीय फारसी कवियों (हाफ़िज़, सादी, खय्याम और परवीन सहित) के 61,573 छंद।
LLM एनोटेशन: छंदों को एक 9-लेबल मनोवैज्ञानिक ऑन्टोलॉजी (जैसे, Melancholia, Emotional Dependency, Identity Fragmentation, Spiritual Narcissism) के विरुद्ध Gemini 2.5 Flash का उपयोग करके मल्टी-लेबल क्लासिफायर के रूप में एनोटेट किया गया।
अनिश्चितता संकेत (Uncertainty Signals): मॉडल को निम्नलिखित आउटपुट देने के लिए निर्देशित किया गया था:
1. Labels: लागू अवधारणाओं का एक सेट।
2. Confidence Scores: प्रत्येक लेबल के लिए क्रमिक संभावनाएँ ( $p_{v,c} \in [0,1]$ )।
3. Abstention Flag: एक स्पष्ट संकेत ( $a_v=1$ ) जब मॉडल छंद को ऑन्टोलॉजी से विश्वसनीय रूप से जोड़ने में असमर्थ हो (अस्पष्टता को नकारात्मक साक्ष्य के बजाय "गैर-प्रतिबद्धता" के रूप में मानना)।
सत्यापन (Validation): दो मनोविज्ञान डोमेन विशेषज्ञों द्वारा एक स्तरीकृत 500-छंद के नमूने का सत्यापन किया गया, जिसने न्यायसंगत संदर्भ के विरुद्ध 0.818 का मैक्रो कोहेन्स $\kappa$ (Cohen's $\kappa$ ) और 0.794 का F1 स्कोर प्राप्त किया।

B. अनिश्चितता-जागरूक एकत्रीकरण (Uncertainty-Aware Aggregation)

कवि $\times$ अवधारणा मैट्रिक्स ( $X$ ): साधारण गणना के बजाय, लेखक कॉन्फिडेंस-वेटेड कॉन्सेप्ट मास को एकत्रित करते हैं।
$X_{i,c} = \sum_{v \in V_i} (1 - a_v) \cdot p_{v,c} \cdot \mathbb{1}[c \in L_v]$
यह सुनिश्चित करता है कि अनिश्चित या कम-विश्वास वाले लेबल अंतिम प्रोफाइल में कम योगदान दें।
संभाव्यता वितरण (Probability Distributions): प्रत्येक कवि को एक एडिटिव स्मूथिंग के साथ रो-नॉर्मलाइजेशन के माध्यम से अवधारणाओं पर एक संभाव्यता वितरण $P_i(c)$ के रूप में दर्शाया गया है, जिसकी तुलना वैश्विक संग्रह बेसलाइन $P_0(c)$ से की गई है।

C. व्यक्तित्व का परिमाणीकरण (Quantifying Individuality - Divergence)

कवि की विशिष्टता को जेन्सन-शैनन डाइवर्जेंस (JSD) और कुल्बैक-लीब्लर (KL) डाइवर्जेंस का उपयोग करके वैश्विक बेसलाइन से विचलन (divergence) के रूप में मापा जाता है।
यह एक पुनरुत्पादनीय मीट्रिक प्रदान करता है कि एक कवि का अलंकारिक-भावात्मक पैटर्न संपूर्ण परंपरा की तुलना में कितना विशिष्ट है।

D. स्पेक्ट्रल ग्राफ़ विश्लेषण (Eigenmood Space)

यह कैप्चर करने के लिए कि अवधारणाएँ कैसे सह-घटित (co-occur) होती हैं, एक कॉन्फिडेंस-वेटेड को-अकरेंस ग्राफ बनाया गया है जहाँ किनारों (edge) के भार अवधारणा युग्मन (coupling) की शक्ति का प्रतिनिधित्व करते हैं।
लैपलेसियन स्पेक्ट्रल अपघटन (Laplacian Spectral Decomposition): ग्राफ लैपलेसियन को आइगेनमूड एम्बेडिंग्स (Eigenmood embeddings) प्राप्त करने के लिए विघटित किया गया है।
- PCA (जो मार्जिनल प्रवलता में भिन्नता खोजता है) के विपरीत, आइगेनमूड अक्ष अवधारणाओं के अनुभवजन्य युग्मन द्वारा सूचित विचलन की दिशाओं का प्रतिनिधित्व करते हैं।
- कवियों को इन अक्षों ( $z_i^{(k)}$ ) पर प्रोजेक्ट किया जाता है, जिससे विशिष्ट स्पेक्ट्रल दिशाओं (जैसे, "Internal Projection बनाम Identity Fragmentation") का उदाहरण देने वाले छंदों को पुनः प्राप्त करना संभव होता है।

E. मजबूती और पूर्वाग्रह निदान (Robustness and Bias Diagnostics)

थ्रेशोल्डिंग (Thresholding): ढाँचा निम्न-विश्वास वाले लेबल को फ़िल्टर करके ( $\tau \ge 0.5, 0.7$ ) स्थिरता का परीक्षण करता है।
चयन पूर्वाग्रह विश्लेषण (Selection Bias Analysis): 'एब्स्टेंशन' (abstention) को एक स्पष्ट श्रेणी के रूप में माना जाता है ताकि यह मापा जा सके कि "लुप्त होना" (missingness) कवियों की रैंकिंग को कैसे प्रभावित करता है।
बूटस्ट्रैप अनिश्चितता (Bootstrap Uncertainty): विशेष रूप से छोटे उप-संग्रह वाले कवियों के लिए डाइवर्जेंस स्कोर के विश्वास अंतराल का अनुमान लगाने के लिए नॉन-पैरामीट्रिक बूटस्ट्रैपिंग का उपयोग किया जाता है।

3. मुख्य परिणाम (Key Results)

महत्वपूर्ण अनिश्चितता: 22.2% छंदों से परहेज किया गया (13,678 छंद), जिसमें "कोई स्पष्ट मनोवैज्ञानिक संकेत नहीं" प्राथमिक कारण था। यह रेखांकित करता है कि अनिश्चितता डेटा की एक संरचनात्मक विशेषता है, न कि केवल एक मामूली मामला।
कवि विशिष्टता:
- खय्याम सबसे विचलनशील कवि ( $D_{JS} = 0.0901$ ) के रूप में उभरे, जो उच्च Melancholia और Identity Fragmentation लेकिन कम Emotional Dependency द्वारा चिह्नित थे।
- परवीन दूसरे सबसे विचलनशील ( $D_{JS} = 0.0459$ ) थे, जो उच्च Self-Destructive Idealization और Melancholia प्रदर्शित करते हैं।
- हाफ़िज़ और शाहरियार बेसलाइन के सबसे करीब थे, जो यह सुझाव देते हैं कि उनके भावात्मक पैटर्न पूरे संग्रह के मानदंडों के प्रतिनिधि हैं।
स्थिरता: सख्त कॉन्फिडेंस थ्रेशोल्डिंग ( $\tau=0.7$ ) के तहत भी कवियों की रैंकिंग अत्यधिक स्थिर ( $\rho > 0.96$ ) रही, जो कॉन्फिडेंस-वेटेड और यूनिफॉर्म वेटिंग के बीच स्विच करने पर भी परिणामों की मजबूती को प्रमाणित करती है।
स्पेक्ट्रल ज्योमेट्री: आइगेनमूड एम्बेडिंग ने विशिष्ट अक्षों को प्रकट किया:
- EM1: Spiritual Narcissism (अलंकारिक आत्म-विशिष्टता) बनाम Melancholia/Ambivalent Attachment (शोकपूर्ण निर्भरता) के बीच अंतर करता है।
- EM2: Internal Projection (आंतरिक स्थानीयकरण) बनाम Identity Fragmentation (विरोधाभासी स्वयं) के बीच अंतर करता है।
- EM3: Ambivalent Attachment (दोलनशील विमर्श) बनाम Identity Fragmentation/Internal Projection के बीच अंतर करता है।
चयन पूर्वाग्रह: 'एब्स्टेंशन' को एक श्रेणी के रूप में मानने से मध्यम-स्तर के कवियों की रैंकिंग बदल गई (जैसे, एरागी अपने निम्न एब्स्टेंशन दर के कारण अधिक विशिष्ट हो गए), जो सिद्ध करता है कि "लुप्त डेटा" सार्थक संरचनात्मक जानकारी रखता है।

4. मुख्य योगदान (Key Contributions)

अनिश्चितता-जागरूक एकत्रीकरण: डिजिटल ह्यूमैनिटीज में LLM आउटपुट को एकत्रित करने का एक अभिनव तरीका जो एब्स्टेंशन और कॉन्फिडेंस को प्रथम-श्रेणी के चर के रूप में मानता है, जिससे अस्पष्टता को स्पूरियस साक्ष्य में बदलने से रोका जा सके।
आइगेनमूड एम्बेडिंग: एक स्पेक्ट्रल ग्राफ़ दृष्टिकोण का परिचय जो एक "मनोवैज्ञानिक स्थान" को परिभाषित करता है जहाँ अक्ष केवल मार्जिनल फ्रीक्वेंसी के बजाय अवधारणा सह-घटन (co-occurrence) से प्राप्त होते हैं, जो काव्य प्रभाव की संबंधात्मक प्रकृति को कैप्चर करता है।
डिस्टेंट-टू-क्लोज वर्कफ़्लो: एक स्केलेबल पाइपलाइन जो मैक्रो-स्तरीय कवि प्रोफाइल को माइक्रो-स्तरीय छंद पुनर्प्राप्ति से जोड़ती है। सिस्टम उन विशिष्ट छंदों को पुनः प्राप्त कर सकता है जो आइगेनमूड स्पेस में कवि की स्थिति का उदाहरण देते हैं, जिससे कम्प्यूटेशनल दावों के लिए ऑडिट योग्य साक्ष्य मिलता है।
ज्ञानमीमांसीय रूप से विनम्र ढाँचा: यह शोध पत्र अपने आउटपुट को नैदानिक निदान के बजाय तुलनात्मक विश्लेषण के लिए परिचालन निर्माणों (operational constructs) के रूप में स्पष्ट रूप से फ्रेम करता है, जो ऐतिहासिक ग्रंथों पर आधुनिक मनोविज्ञान लागू करने के कालभ्रम के जोखिम को संबोधित करता है।

5. महत्व और निहितार्थ (Significance and Implications)

डिजिटल ह्यूमैनिटीज (DH) के लिए: यह कार्य "डिस्टेंट रीडिंग" (सांख्यिकीय एकत्रीकरण) और "क्लोज रीडिंग" (व्याख्यात्मक सूक्ष्मता) के बीच के अंतर को पाटता है। अनिश्चितता को प्रसारित करके, यह विद्वानों को व्याख्यात्मक सावधानी से समझौता किए बिना स्केलेबल दावे करने की अनुमति देता है।
कम्प्यूटेशनल साइकोलॉजी के लिए: यह दर्शाता कि साहित्यिक ग्रंथों में "सांस्कृतिक मनोविज्ञान" को कैसे मॉडल किया जा सकता है—निजी मानसिक अवस्थाओं के बजाय अलंकारिक-भावात्मक पैटर्न के वितरण का विश्लेषण करके।
पद्धतिगत कठोरता: अनिश्चितता अंतराल, चयन-पूर्वाग्रह निदान और मानव सत्यापन सेट का समावेश विश्वसनीयता के लिए एक नया मानक स्थापित करता है।
सांस्कृतिक अंतर्दृष्टि: ढाँचा प्रकट करता है कि जबकि कई कवि एक सामान्य "बेसलाइन" (शोकपूर्ण और जुनूनी विषयों) को साझा करते हैं, खय्याम और परवीन जैसे आउटलेयर्स विशिष्ट अलंकारिक-भावात्मक विन्यास (जैसे, अस्तित्वगत विखंडन बनाम उपदेशात्मक बलिदान) का उपयोग करते हैं जो उनके अद्वितीय साहित्यिक हस्ताक्षरों को परिभाषित करते हैं।

संक्षेप में, Eigenmood Space शास्त्रीय साहित्य के मनोवैज्ञानिक आयामों का विश्लेषण करने के लिए एक कठोर, ऑडिट योग्य और अनिश्चितता-जागरूक कार्यप्रणाली प्रदान करता है, जो काव्य अस्पष्टता की चुनौती को एक बाधा के बजाय एक मात्रात्मक विशेषता में बदल देता है।