💻 computer science

Using ASP(Q) to Handle Inconsistent Prioritized Data

यह शोध पत्र पारेटो (Pareto), वैश्विक (global) और पूर्णता-इष्टतम (completion-optimal) सुधारों का उपयोग करके प्राथमिकता वाले डेटा की विसंगति-सहनशील पूछताछ के लिए एक ASP(Q)-आधारित ढांचे को प्रस्तुत और कार्यान्वित करता है, जो उनके कम्प्यूटेशनल जटिलता और व्यावहारिक व्यवहार्यता का विश्लेषण करते हुए वैश्विक-इष्टतम और ग्राउंडेड अर्थों (grounded semantics) के लिए पहले सिस्टम प्रदान करता है।

मूल लेखक: Meghyn Bienvenu, Camille Bourgaux, Robin Jean, Giuseppe Mazzotta

प्रकाशित 2026-04-24

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Meghyn Bienvenu, Camille Bourgaux, Robin Jean, Giuseppe Mazzotta

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 आप एक व्यस्त रेस्टोरेंट किचन के मैनेजर हैं। आपके पास ऑर्डर्स की एक सूची है (आपका डेटा) और भोजन तैयार करने के लिए नियमों का एक समूह है (आपका लॉजिकल थ्योरी)।

आमतौर पर, सब कुछ सुचारू रूप से चलता है। लेकिन कभी-कभी, अराजकता छा जाती है। शायद किसी ग्राहक ने एक ऐसा स्टेक ऑर्डर किया है जो एक ही समय में "वेल-डन" और "रेयर" दोनों है, या शायद दो शेफ एक ही पैन का उपयोग एक साथ करने की कोशिश कर रहे हैं। आपका किचन अब असंगत (inconsistent) हो गया है। आप भोजन को वैसा का वैसा परोस नहीं सकते; आपको समस्या को ठीक करने के लिए कोई चुनाव करना होगा।

यह पेपर इस बारे में है कि जब आपका डेटा अस्त-व्यस्त हो, तो सबसे बेहतरीन विकल्प कैसे बनाएँ, जिसमें ASP(Q) नामक एक शक्तिशाली नए टूल का उपयोग किया गया है।

समस्या: गड़बड़ी को ठीक करने के बहुत सारे तरीके

जब आपके किचन में कोई संघर्ष होता है, तो आपको सब कुछ ठीक करने के लिए कुछ ऑर्डर्स को हटाना पड़ता है या कुछ निर्देशों को बदलना पड़ता है। कंप्यूटर विज्ञान में, आपके डेटा के इन "ठीक किए गए" संस्करणों को रिपेयर्स (Repairs) कहा जाता है।

आमतौर पर, गड़बड़ी को ठीक करने का केवल एक तरीका नहीं होता। दर्जनों तरीके होते हैं।

"बहादुर" शेफ: "मैं बस कोई भी ठीक करने वाला तरीका चुन लूँगा जो काम करता है और उसे परोस दूँगा।" (आशावादी, लेकिन जोखिम भरा)।
"सतर्क" शेफ: "मैं केवल वही परोसूँगा जिस पर हर संभव सुधार सहमत हो।" (बहुत सुरक्षित, लेकिन आप शायद बहुत कम खाना परोस पाएंगे)।
"औसत" शेफ: "मैं वह परोसूँगा जो अधिकांश सुधारों में काम करता है।" (एक बीच का रास्ता)।

लेकिन क्या होगा अगर कुछ सामग्रियां दूसरों से अधिक महत्वपूर्ण हैं? क्या होगा अगर ग्राहक की "रेयर" प्राथमिकता "वेल-ड डन" से अधिक महत्वपूर्ण है? यहीं पर प्राथमिकताएं (Priorities) काम आती हैं। हम केवल एक रिपेयर नहीं, बल्कि "सर्वश्रेष्ठ" रिपेयर खोजना चाहते हैं।

"सर्वश्रेष्ठ" के तीन स्तर

यह पेपर इस बात पर केंद्रित है कि प्राथमिकता नियमों को कितनी सख्ती से लागू किया जाता है, इसके आधार पर "सर्वश्रेष्ठ" को परिभाषित करने के तीन विशिष्ट तरीके क्या हैं:

पारेटो-ऑप्टिमल (The "Local Hero"): आप किसी चीज़ को बेहतर बनाए बिना किसी दूसरी चीज़ को खराब नहीं कर सकते। यह एक अच्छा सुधार है, लेकिन शायद यह परफेक्ट नहीं है।
कम्प्लीशन-ऑप्टिमल (The "Tie-Breaker"): आप यह मान लेते हैं कि यदि नियम यह नहीं बताते कि कौन सी सामग्री बेहतर है, तो आप निर्णय लेने के लिए बस एक को मनमाने ढंग से चुन लेते हैं।
ग्लोबली-ऑप्टिमल (The "Grandmaster"): यह स्वर्ण मानक (gold standard) है। यह पूरे किचन को एक साथ देखता है। यह पूछता है: "क्या इसे ठीक करने का कोई अन्य तरीका है जो हमारी प्राथमिकताओं के अनुसार स्पष्ट रूप से बेहतर है?" यदि उत्तर 'नहीं' है, तो आपके पास ग्लोबल ऑप्टिमल रिपेयर है।

चुनौती: "ग्रैंडमास्टर" (ग्लोबल ऑप्टिमल) को खोजना कंप्यूटरों के लिए अविश्वसनीय रूप से कठिन है। यह आँखें बंद करके रुबिक क्यूब हल करने जैसा है, जबकि कोई दूसरा मेज को हिला रहा हो। पिछले कंप्यूटर केवल "लोकल हीरो" और "टाई-ब्रेकर" सुधारों को ही संभाल सकते थे। वे "ग्रैंडमास्टर" को छोड़ देते थे क्योंकि यह बहुत जटिल था।

समाधान: एक नया टूल (ASP(Q))

लेखकों ने ASP(Q) नामक एक प्रोग्रामिंग भाषा का उपयोग करके एक नया सिस्टम बनाया है।

साधारण प्रोग्रामिंग को एक पहेली सुलझाने वाले एक अकेले व्यक्ति की तरह समझें। ASP(Q) एक विशिष्ट पदानुक्रम (hierarchy) में काम करने वाली जासूसों की एक टीम की तरह है:

जासूस A कहता है: "मुझे एक संभावित समाधान मिला है।"
जासूस B (बॉस) कहता है: "ठीक है, लेकिन हर उस तरीके के लिए जिसे जासूस A ने हल किया है, क्या कोई बेहतर तरीका है?"
जासूस C कहता है: "और हर उस तरीके के लिए जिसे जासूस B ने पाया है, क्या कोई बेहतर तरीका है?"

यह "क्वांटिफायर" शक्ति (यह पूछना कि "सभी के लिए" या "अस्तित्व में है") कंप्यूटर को बिना भटके विशाल जटिलता को संभालने की अनुमति देती है। यह एक साइकिल से हाई-स्पीड ट्रेन में अपग्रेड करने जैसा है ताकि पहाड़ को पार किया जा सके।

"ग्राउंडेड" शॉर्टकट (The "Grounded" Shortcut)

इस सुपर-टूल के साथ भी, विशाल डेटासेट के लिए हर एक संभावना की जांच करना बहुत लंबा समय ले सकता है। इसलिए, लेखकों ने ग्राउंडेड सिमेंटिक्स (Grounded Semantics) नामक एक चतुर शॉर्टकट का भी परीक्षण किया।

कल्पना कीजिए कि आप बारूदी सुरंगों (minefield) के बीच से सबसे सुरक्षित रास्ता खोजने की कोशिश कर रहे हैं।

पूर्ण जांच (Full Check): आप यह देखने के लिए हर एक संभावित रास्ते पर चलते हैं कि कौन से सुरक्षित हैं। (धीमा, लेकिन संपूर्ण)।
ग्राउंडेड शॉर्टकट: आप मानचित्र देखते हैं और कहते हैं, "ठीक है, ये विशिष्ट स्थान निश्चित रूप से सुरक्षित हैं क्योंकि कोई भी बम इनकी ओर इशारा नहीं कर रहा है।" आप वहां से शुरू करते हैं, फिर देखते हैं कि उसके कारण क्या सुरक्षित हो जाता है, और आगे बढ़ते रहते हैं।

पेपर ने एक आश्चर्यजनक खोज की: शॉर्टकट लगभग उतना ही अच्छा काम करता है जितना कि पूर्ण जांच! कई मामलों में, "ग्राउंडेड" उत्तर बिल्कुल वही था जो जटिल "ग्लोबल ऑप्टिमल" उत्तर था, लेकिन इसे घंटों के बजाय सेकंडों में कंप्यूट किया गया था।

उन्होंने क्या पाया (परिणाम)

टीम ने नकली डेटा (जैसे लाखों रिकॉर्डों के सिम्युलेटेड डेटाबेस) पर हजारों प्रयोग चलाए।

"ग्रैंडमास्टर" आखिरकार संभव है: उन्होंने पहली बार ग्लोबल ऑप्टिमल रिपेयर को सफलतापूर्वक लागू किया। यह अन्य तरीकों की तुलना में धीमा है (जैसा कि अपेक्षित है), लेकिन यह काम करता है।
शॉर्टकट एक सुपरस्टार है: "ग्राउंडेड" दृष्टिकोण अविश्वसनीय रूप से प्रभावी था। इसने लगभग सभी सही उत्तर पकड़े जो जटिल तरीकों ने खोजे थे, लेकिन यह बहुत तेज़ था।
रणनीति: किचन (या डेटाबेस) चलाने का सबसे अच्छा तरीका यह है:
- पहले, एक त्वरित, सुरक्षित उत्तर प्राप्त करने के लिए ग्राउंडेड शॉर्टकट का उपयोग करें।
- यदि यह स्पष्ट उत्तर नहीं देता है, तो कठिन पारेटो विधि को आजमाएं।
- केवल यदि आपको बिल्कुल सटीक "ग्रैंडमास्टर" उत्तर की आवश्यकता है, तभी भारी ग्लोबल ऑप्टिमल टूल का उपयोग करें (और प्रतीक्षा करने के लिए तैयार रहें)।

निष्कर्ष

यह पेपर एक बड़ी सफलता है क्योंकि यह अंततः कंप्यूटरों को सबसे कठिन प्रकार के अस्त-व्यस्त डेटा को सबसे तार्किक, प्राथमिकता-आधारित नियमों का उपयोग करके संभालने की अनुमति देता है। यह हमें यह भी सिखाता है कि कभी-कभी, एक स्मार्ट, सरल शॉर्टकट (ग्राउंडेड सिमेंटिक्स) सबसे व्यावहारिक उपकरण होता है, जो हमें हर बार सबसे कठिन पहेली को हल करने की आवश्यकता से बचाता है।

संक्षेप में: हमारे पास अंततः सबसे अव्यवस्थ डेटा को पूरी तरह से ठीक करने का एक तरीका है, लेकिन हमने 99% तक पहुँचने का एक सुपर-फास्ट तरीका भी खोज लिया है।

यहाँ शोध पत्र "Using ASP(Q) to Handle Inconsistent Prioritized Data" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र प्राथमिकता वाले ज्ञान आधारों (prioritized knowledge bases - KBs) पर असंगति-सहनशील क्वेरी उत्तर (inconsistency-tolerant query answering) की चुनौती को संबोधित करता है। उन परिदृश्यों में जहाँ डेटा एक तार्किक सिद्धांत (जैसे कि ऑन्टोलॉजी या डेटाबेस बाधाएं) के साथ संघर्ष करता है, मानक क्वेरी उत्तर विफल हो जाता है। मानक दृष्टिकोण रिपेयर-आधारित सिमेंटिक्स (repair-based semantics) का उपयोग करता है, जहाँ क्वेरीज़ को "रिपेयर्स" (डेटा के अधिकतम सुसंगत उपसमुच्चयों) पर मूल्यांकित किया जाता है।

जब डेटा प्राथमिकता वाला होता है (अर्थात, संघर्ष की स्थिति में कुछ तथ्यों को दूसरों की तुलना में बेहतर माना जाता है), तो प्राथमिकता संबंध $\succ$ के आधार पर तीन विशिष्ट इष्टतम रिपेयर (optimal repairs) अवधारणाएँ परिभाषित की गई हैं:

पारेटो-इष्टतम (Pareto-optimal): कोई भी एकल तथ्य किसी बेहतर तथ्य से बदला नहीं जा सकता।
वैश्विक-इष्टतम (Globally-optimal): तथ्यों का कोई भी उपसमुच्चय एक बेहतर उपसमुच्चय द्वारा नहीं बदला जा सकता।
पूर्णता-इष्टतम (Completion-optimal): रिपेयर प्राथमिकता संबंध के किसी पूर्णता (total completion) के तहत वैश्विक रूप से इष्टतम है।

मुख्य चुनौती:
जबकि पारेटो और पूर्णता-इष्टतम रिपेयर्स के तहत क्वेरी उत्तर देना बहुपद पदानुक्रम (polynomial hierarchy) के पहले स्तर (NP या coNP) में आता है, वैश्विक-इष्टतम रिपेयर्स के तहत क्वेरी उत्तर देना काफी कठिन है, जो द्वितीय स्तर के बहुपद पदानुक्रम ( $\Sigma^p_2$ या $\Pi^p_2$ ) में स्थित है।

मौजूदा कार्यान्वयन (जैसे SAT या मानक ASP का उपयोग करने वाले) आसान मामलों को संभालते हैं लेकिन मॉडलिंग जटिलता के कारण वैश्विक-इष्टतम सिमेंटिक्स को कुशलतापूर्वक लागू करने में विफल रहते हैं।
विविक्त नियमों (disjunctive rules) के साथ मानक ASP सैद्धांतिक रूप से $\Sigma^p_2$ समस्याओं को संभाल सकता है, लेकिन इसके लिए जटिल तकनीकों (जैसे सैचुरेशन) की आवश्यकता होती है जो मॉडल करने में कठिन और अक्सर व्यावहारिक रूप से अक्षम होती हैं।

2. कार्यप्रणाली (Methodology)

लेखक इन उच्च-जटिलता वाले सिमेंटिक्स को एनकोड और हल करने के लिए क्वांटिफायर के साथ एएसपी (ASP(Q)) का उपयोग करने वाला एक नवीन दृष्टिकोण प्रस्तावित करते हैं।

A. ASP(Q) ढांचा

ASP(Q), विभिन्न प्रोग्राम्स के उत्तर सेटों पर क्वांटिफिकेशन ( $\exists_{st}$ और $\forall_{st}$ ) की अनुमति देकर मानक ASP का विस्तार करता है। यह जटिल सैचुरेशन तकनीकों का सहारा लिए बिना बहुपद पदानुक्रम की समस्याओं के लिए एक स्वाभाविक और संक्षिप्त एनकोडिंग की अनुमति देता है।

एनकोडिंग रणनीति: पेपर एक क्वेरी कारण (query cause) वाले रिपेयर के अस्तित्व (Brave semantics के लिए) या वैश्विक सुधार के गैर-अस्तित्व (AR semantics के लिए) को नेस्टेड क्वांटिफायर का उपयोग करके एनकोड करता है।
- उदाहरण: यह जांचने के लिए कि क्या एक क्वेरी G-AR (Globally-optimal AR) के तहत सत्य है, सिस्टम यह जांचता है कि क्या प्रत्येक रिपेयर $R$ के लिए, कोई वैश्विक सुधार $B$ मौजूद नहीं है जिससे $R$ इष्टतम न रहे। यह ASP(Q) में $\forall \exists$ संरचना के साथ स्वाभाविक रूप से मेल खाता है।

B. प्रमुख अनुकूलन (Key Optimizations)

इस दृष्टिकोण को व्यवहार्य बनाने के लिए, लेखक कई अनुकूलन पेश करते हैं:

स्थानीयकरण (Localization/Reachability): पूरे डेटासेट पर विचार करने के बजाय, एनकोडिंग को "पहुंच योग्य" (reachable) तथ्यों तक सीमित कर दिया जाता है।
- कमजोर पहुंच योग्यता (Weak Reachability - $R_w$ ): वैश्विक-इष्टतम रिपेयर्स के लिए उपयोग की जाती है।
- मजबूत पहुंच योग्यता (Strong Reachability - $R_s$ ): पारेटो और पूर्णता-इष्टतम रिपेयर्स के लिए उपयोग की जाती है।
- यह विशिष्ट क्वेरी कारणों और संघर्षों के अप्रासंगिक तथ्यों को अनदेखा करके खोज स्थान (search space) को नाटकीय रूप से कम कर देता है।
बाइनरी संघर्ष सरलीकरण (Binary Conflict Simplification): जब संघर्ष केवल दो तथ्यों (बाइनरी) में शामिल होते हैं, तो अटैक संबंधों और रिपेयर बाधाओं को सरल बनाया जा सकता है, जिससे अधिक कुशल एनकोडिंग प्राप्त होती है।
सुगम अल्प-अनुमान (Tractable Under-Approximations): लेखक ग्राउंडेड सिमेंटिक्स (Grounded Semantics) (एब्स्ट्रैक्ट आर्गुमेंटेशन से व्युत्पन्न) का उपयोग एक सुगम अल्प-अनुमान के रूप में करते हैं।
- ग्राउंडेड रिपेयर सभी इष्टतम रिपेयर्स का एक उपसमुच्चय है।
- यदि कोई क्वेरी ग्राउंडेड सिमेंटिक्स के तहत सत्य है, तो वह सभी इष्टतम रिपेयर सिमेंटिक्स के तहत भी सत्य होगी।
- यह महंगे $\Sigma^p_2$ सॉल्वर को बुलाए बिना कई उत्तरों को जल्दी से फ़िल्टर करने की अनुमति देता है।
हाइब्रिड रणनीति (Hybrid Strategy): सिस्टम पहले सुगम अनुमानों (Grounded, Trivial P-IAR) का उपयोग करके उत्तरों की जाँच करता है। केवल अनसुलझे उम्मीदवारों के लिए ही यह पूर्ण $\Sigma^p_2$ एनकोडिंग को पारेटो, पूर्णता या वैश्विक सिमेंटिक्स के लिए कॉल करता है।

3. मुख्य योगदान (Key Contributions)

वैश्विक-इष्टतम सिमेंटिक्स का प्रथम कार्यान्वयन: यह शोध पत्र पहला कार्यशील सिस्टम प्रस्तुत करता है जो वैश्विक-इष्टतम रिपेयर्स के आधार पर क्वेरी उत्तरों की गणना करने में सक्षम है, एक ऐसा कार्य जिसे पहले व्यावहारिक कार्यान्वयन के लिए बहुत जटिल माना जाता था।
ग्राउंडेड सिमेंटिक्स का प्रथम कार्यान्वयन: यह प्राथमिकता वाले KBs के लिए ग्राउंडेड सिमेंटिक्स को लागू करता है, जो सभी इष्टतम रिपेयर सिमेंटिक्स के लिए एक तेज़, सुगम अल्प-अनुमान प्रदान करता है।
ASP(Q) एनकोडिंग: यह बहुपद पदानक्रम के दूसरे स्तर की समस्याओं के लिए ASP(Q) की व्यावहारिक उपयोगिता को प्रदर्शित करता है, जो सैद्धांतिक व्यवहार्यता से आगे बढ़कर प्रयोगात्मक सत्यापन तक जाता है।
व्यापक प्रयोगात्मक मूल्यांकन: लेखक एक कठोर तुलना प्रदान करते हैं:
- विभिन्न सिमेंटिक्स (Pareto बनाम Global बनाम Completion)।
- विभिन्न एनकोडिंग (Generic बनाम Binary-specific)।
- स्थानीयकरण (Localization) का प्रभाव।
- ग्राउंडेड अनुमान की प्रभावशीलता।

4. प्रयोगात्मक परिणाम (Experimental Results)

मूल्यांकन में 75k से 2M तथ्यों वाले ORBITS और CQAPri बेंचमार्क का उपयोग किया गया, जिसमें बाइनरी और गैर-बाइनरी (आकार 10) दोनों प्रकार के संघर्ष शामिल थे।

Global Semantics की व्यवहार्यता: हालांकि वैश्विक-इष्टतम रिपेयर्स की गणना करना पारेटो/पूर्णता वेरिएंट की तुलना में काफी धीमा है (अक्सर बड़े डेटासेट पर टाइमआउट का कारण बनता है), ASP(Q) दृष्टिकोण ने कई उदाहरणों को सफलतापूर्वक हल किया, जिससे इसकी व्यवहार्यता सिद्ध हुई।
Grounded Semantics की प्रभावशीलता:
- ग्राउंडेड रिपेयर अधिक जटिल सिमेंटिक्स द्वारा पाए गए अधिकांश उत्तरों को कैप्चर करता है।
- कई मामलों में, ग्राउंडेड सिमेंटिक्स के तहत उत्तरों का सेट सभी इष्टतम रिपेयर्स के प्रतिच्छेदन (intersection) के समान या उसके बहुत करीब होता है (X-IAR)।
- रनटाइम प्रभाव: एक फ़िल्टर के रूप में ग्राउंडेड सिमेंटिक्स का उपयोग करने से उन उदाहरणों की संख्या काफी कम हो जाती है जिन्हें महंगे $\Sigma^p_2$ सॉल्वर की आवश्यकता होती है।
Localization का प्रभाव: स्थानीयकरण महत्वपूर्ण है; इसके बिना, सिस्टम लगभग सभी गैर-ग्राउंडेड उदाहरणों पर टाइमआउट हो जाता है।
Binary बनाम Non-Binary: बाइनरी संघर्षों के लिए सरलीकृत एनकोडिंग आम तौर पर पारेटो सिमेंटिक्स के लिए प्रदर्शन में सुधार करती है, लेकिन ग्लोबल सिमेंटिक्स के लिए मिश्रित परिणाम दिखाती है (मामले के आधार पर कभी तेज़, कभी धीमा)।
सिमेंटिक्स तुलना:
- पारेटो-इष्टतम रिपेयर्स की गणना करना सबसे तेज़ है।
- वैश्विक-इष्टतम रिपेयर्स, पारेटो की तुलना में कम उत्तर देते हैं (अधिक सतर्क), लेकिन कम्प्यूटेशनल रूप से बहुत अधिक महंगे हैं।
- तीनों प्रकार के इष्टतम रिपेयर्स अक्सर व्यावहारिक रूप से समान उत्तर देते हैं, जो यह सुझाव देता है कि यदि पहले एक सस्ते सिमेंटिक्स (जैसे पारेटो) का उपयोग किया जाए, तो महंगी वैश्विक गणना अनावश्यक हो सकती है।

5. महत्व (Significance)

सैद्धांतिक प्रगति: यह कार्य बहुपद पदानक्रम स्तरों के बीच के अंतर को पाटता है, यह दिखाते हुए कि ASP(Q), $\Sigma^p_2$ समस्याओं के लिए एक व्यवहार्य उपकरण है।
व्यावहारिक उपयोगिता: ग्राउंडेड सिमेंटिक्स को प्रीप्रोसेसिंग चरण के रूप में पेश करके, लेखक असंगत प्राथमिकता वाले डेटा को कुशलतापूर्वक संभालने के लिए एक रणनीति प्रदान करते हैं। यह सिस्टम को अस्पष्ट मामलों के लिए भारी गणना को सुरक्षित रखते हुए तेजी से उच्च-विश्वास वाले उत्तर देने की अनुमति देता है।
भविष्य के कार्य के लिए ढांचा: यह शोध पत्र प्राथमिकता संबंधों को निर्दिष्ट करने और गणना करने के लिए एक ढांचा स्थापित करता है और भविष्य के अनुसंधान के लिए एक आधार रेखा प्रदान करता है, विशेष रूप से बड़े पैमाने के डेटासेट के लिए जहाँ मानक रिपेयर-आधारित दृष्टिकोण बहुत धीमे होते हैं।

निष्कर्षतः, यह शोध पत्र सफलतापूर्वक प्रदर्शित करता है कि ASP(Q) वैश्विक-इष्टतम रिपेयर सिमेंटिक्स के पहले व्यावहारिक कार्यान्वयन को सक्षम बनाता है, जबकि यह भी रेखांकित करता है कि ग्राउंडेड सिमेंटिक्स असंगत प्राथमिकता वाले डेटा को संभालने के लिए एक अत्यंत प्रभावी, कम लागत वाला अल्प-अनुमान के रूप में कार्य करता है।