AI Appeals Processor: A Deep Learning Approach to Automated Classification of Citizen Appeals in Government Services
यह शोध पत्र AI Appeals Processor को प्रस्तुत करता है, जो एक माइक्रोसर्विस-आधारित प्रणाली है जो नागरिक अपीलों को स्वचालित रूप से वर्गीकृत और रूट करने के लिए Word2Vec+LSTM डीप लर्निंग आर्किटेक्चर का लाभ उठाती है, जो पारंपरिक मैनुअल तरीकों की तुलना में प्रसंस्करण समय को काफी कम करते हुए 78% सटीकता के साथ ट्रांसफार्मर-आधारित मॉडलों के एक अधिक कुशल विकल्प के रूप में कार्य करती 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 एक विशाल, हलचल भरे डाकघर की जहाँ नागरिक हर दिन लाखों पत्र भेजते हैं। ये पत्र केवल "नमस्ते, आप कैसे हैं?" जैसे साधारण नोट नहीं हैं; ये सरकार के लिए तत्काल अनुरोध, क्रोधित शिकायतें और रचनात्मक विचार हैं।
समस्या: अत्यधिक काम से दबे सॉर्टर्स (छँटाई करने वाले)
अतीत में, यह डाकघर पूरी तरह से मानव कर्मचारियों पर निर्भर था जो हर एक पत्र को पढ़ते थे, यह समझते थे कि वह किस बारे में है, और तय करते थे कि उसे किस विभाग को भेजा जाना चाहिए।
- रुकावट (The Bottleneck): इन कर्मचारियों को केवल एक पत्र को प्रोसेस करने में लगभग 20 मिनट लगते थे।
- गलतियाँ: इतने समय के बाद भी, वे केवल 67% बार ही सही विभाग का चुनाव कर पाते थे।
- परिणाम: बिना छँटाई किए पत्रों का एक विशाल ढेर, निराश नागरिक, और एक ऐसी सरकार जो मांग के साथ तालमेल नहीं बिठा पा रही थी।
समाधान: "AI अपील्स प्रोसेसर"
इस शोध पत्र के लेखकों ने एक स्मार्ट रोबोट सहायक (एक सॉफ्टवेयर सिस्टम) बनाया ताकि इन पत्रों को छाँटने में मदद मिल सके। उन्होंने केवल एक ही रोबोट नहीं बनाया; उन्होंने यह देखने के लिए पांच अलग-अलग "मस्तिष्क" (brains) का परीक्षण किया कि कौन सा सबसे अच्छा काम करता है।
इन विभिन्न दृष्टिकोणों को एक बच्चे को पढ़ना सिखाने के विभिन्न तरीकों की तरह समझें:
- "कीवर्ड काउंटर" (BoW + SVM): जैसे एक बच्चे को यह सिखाना कि वह शब्दों की गिनती करके पत्रों को छाँटे, जैसे कि "टूटा हुआ" या "मदद" शब्द कितनी बार आए हैं। यह सरल है लेकिन इसमें बारीकियों की कमी है।
- "शब्द महत्व" सॉर्टर (TF-IDF + SVM): यह थोड़ा स्मार्ट संस्करण है जो जानता है कि "टूटा हुआ" शब्द "द" (the) जैसे शब्दों से अधिक महत्वपूर्ण है।
- "फास्ट लर्नर" (fastText): यह रोबोट शब्दों के छोटे निर्माण खंडों (जैसे अक्षर और शब्दांश) को देखता है ताकि अर्थ का अनुमान लगा सके, भले ही वर्तनी (spelling) अजीब क्यों न हो। यह अविश्वसनीय रूप से तेजी से सीखता है।
- "कॉन्टेक्स्ट रीडर" (Word2Vec + LSTM): यह प्रतियोगिता का विजेता है। एक ऐसे लाइब्रेरियन की कल्पना करें जो न केवल व्यक्तिगत शब्दों को देखता है बल्कि वाक्य की कहानी और प्रवाह को भी समझता है। वह जानता है कि "लिफ्ट खराब है, कृपया इसे ठीक करें" एक शिकायत है, जबकि "लिफ्ट खराब है, मैं इसकी रिपोर्ट करने के लिए लिख रहा हूँ" एक औपचारिक आवेदन है।
- "सुपर-जीनियस" (BERT): यह एक विशाल, उच्च शिक्षित रोबोट है जो भाषा के बारे में लगभग सब कुछ जानता है। यह सबसे बुद्धिमान है, लेकिन यह धीमा है, इसे खिलाने के लिए बहुत अधिक खर्च (भारी कंप्यूटर पावर) की आवश्यकता होती है, और इसे प्रशिक्षित करने में लंबा समय लगता है।
दौड़ के परिणाम
शोधकर्ताओं ने इन रोबोटों का परीक्षण 10,000 वास्तविक पत्रों पर किया। यहाँ क्या हुआ:
- मानव आधार रेखा (Human Baseline): 67% सटीकता, प्रति पत्र 20 मिनट।
- "सुपर-जीनियस" (BERT): इसने सबसे अच्छा स्कोर (82% सटीकता) प्राप्त किया, लेकिन यह काम के लिए बहुत भारी और धीमा था।
- विजेता (Word2Vec + LSTM): इसने एक 'स्वीट स्पॉट' (सही संतुलन) खोज लिया। इसने 78% सटीकता हासिल की (इंसानों से एक बड़ी छलांग) और प्रोसेसिंग के समय को आधा करके केवल 10 मिनट कर दिया।
यह वास्तविक जीवन में कैसे काम करता है
यह सिस्टम केवल एक जादुई बॉक्स नहीं है; यह एक टीम वर्क है।
- रोबोट पढ़ता है: AI पत्र को स्कैन करता है, व्याकरण को ठीक करता है, और श्रेणी (शिकायत, आवेदन, या प्रस्ताव) का अनुमान लगाता है।
- इंसान जाँच करता है: क्योंकि रोबोट पूर्ण नहीं है (वह अभी भी पेचीदा पत्रों में भ्रमित हो सकता है), एक मानव ऑपरेटर रोबोट के अनुमान की तुरंत समीक्षा करता है।
- लर्निंग लूप (सीखने का चक्र): यही असली सफलता का मंत्र है। जब इंसान रोबोट की गलती को सुधारता है, तो रोबोट उस गलती से सीखता है। समय के साथ, रोबोट अधिक स्मार्ट होता जाता है और उसे कम मदद की आवश्यकता होती है। यह एक ऐसे छात्र की तरह है जो हर बार शिक्षक द्वारा होमवर्क सुधरवाए जाने पर बेहतर होता जाता है।
यह क्यों महत्वपूर्ण है
- गति: यह सिस्टम अकेले इंसानों की तुलना में 54% तेजी से पत्रों को प्रोसेस करता है।
- स्केलेबिलिटी (विस्तार क्षमता): भले ही 100 लोग एक ही समय में पत्र भेजें, सिस्टम क्रैश नहीं होता; यह बस उन्हें कुशलतापूर्वक कतार (queue) में लगा देता है।
- सटीकता: यह "आवास" या "स्वास्थ्य सेवा" जैसे विशिष्ट विषयों को बहुत अच्छी तरह से संभालता है (84% सटीकता), हालांकि यह अस्पष्ट "विविध" (Miscellaneous) पत्रों के साथ थोड़ा संघर्ष करता है।
निष्कर्ष
यह शोध पत्र सिद्ध करता है कि सरकारी समस्याओं को हल करने के लिए आपको सबसे महंगे, सुपर-जटिल AI की आवश्यकता नहीं है। एक "गोल्डिलॉक्स" समाधान चुनकर—जो न बहुत सरल हो और न ही बहुत भारी—उन्होंने एक ऐसा सिस्टम बनाया जो तेज़, सटीक और वास्तव में पैसा बचाने वाला है। यह अराजक पत्रों के ढेर को एक व्यवस्थित, कुशल प्रवाह में बदल देता है, जिससे मानव कर्मचारियों को वह जटिल कार्य करने के लिए मुक्त करता है जो रोबोट अभी तक नहीं कर सकते।
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।