Towards an LLM-based method for quantifying the sexual content in song lyrics
यह शोध पत्र गीतों के बोलों में विषयगत सामग्री को मापने के लिए एक पुनरुत्पादक लार्ज लैंग्वेज मॉडल-आधारित विधि प्रस्तुत करता है और कलाकारों, समय, तथा स्पोटिफ़ाई (Spotify) के एक्सप्लिसिट फ्लैग्स (explicit flags) के विरुद्ध यौन स्पष्टता का विश्लेषण करने के लिए इसे 1,259 रेगेटन ट्रैक्स के संग्रह पर लागू करता 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
संगीत की दुनिया की कल्पना एक विशाल, शोर-शराबे वाली लाइब्रेरी के रूप में करें जहाँ हर गाना एक किताब है। लंबे समय तक, जब लोग रेगेटन (Reggaeton) नामक एक विशिष्ट शैली की किताबों के अंदर क्या है यह जानना चाहते थे, तो उन्हें उन्हें एक-एक करके पढ़ना पड़ता था और हाथ से नोट्स लेने पड़ते थे। यह एक शहर में लाल कारों की संख्या गिनने के लिए सड़क के कोने पर खड़े होकर उन्हें गुजरते हुए लिखने जैसा है। यह धीमा है, थका देने वाला है, और आप थकने से पहले केवल कुछ ही कारों को देख सकते हैं। इस अध्ययन के क्षेत्र को "कंटेंट एनालिसिस" (विषय-वस्तु विश्लेषण) कहा जाता है, और यह वही तरीका है जिससे वैज्ञानिक भावनाओं और विषयों—जैसे प्यार, गुस्सा या पार्टी करना—को वास्तविक नंबरों में बदलने की कोशिश करते हैं ताकि वे उनकी तुलना कर सकें। बड़ा सवाल जो हर कोई पूछ रहा है: "क्या रेगेटन वास्तव में सेक्स के बारे में है, या यह सिर्फ एक अफवाह है?" इसका उत्तर देने के लिए, हमें उनके हर एक गीत को मैन्युअल रूप से पढ़े बिना उनके बोलों को मापने का एक तरीका चाहिए। यहीं पर एक नया तरह का सहायक आता है: एक सुपर-स्मार्ट कंप्यूटर दिमाग जिसे 'लार्ज लैंग्वेज मॉडल' (LLM) कहा जाता है। एक LLM को एक ऐसे रोबोट के रूप में सोचें जिसने लाइब्रेरी की लगभग हर किताब पढ़ ली है और वह तुरंत आपको बता सकता है, "इस कहानी में रोमांस बहुत है," या "यह हिंसा से भरा है," और इसे शून्य से दस तक का स्कोर दे सकता है।
यह शोध पत्र उस रोबोटिक दिमाग का उपयोग करके रेगेटन गीतों की "तीखेपन" (spiciness) को मापने की एक रेसिपी की तरह है। लेखक, इग्नासियो स्टिको (Ignacio Sticco) ने एक विधि बनाई जिसमें 12 प्रसिद्ध कलाकारों के 1,259 गीतों को कंप्यूटर में फीड किया गया। केवल यह पूछने के बजाय कि "क्या यह गाना गंदा है?", कंप्यूटर को गाने के नौ अलग-अलग स्वादों को देखने के लिए सिखाया गया था, जैसे कि "पार्टी वाइब्स," "दुखी प्रेम," "स्ट्रीट क्राइम," और "सेक्स टॉक" के दो विशिष्ट प्रकार: एक जो संकेत देता है (suggestive) और एक जो सीधे तौर पर कहता है (explicit)। रोबोट को पहले गीतों के एक छोटे समूह पर प्रशिक्षित किया गया था जिन्हें मनुष्यों द्वारा पहले ही ग्रेड किया जा चुका था, ताकि वह वही स्कोर दे सके जो एक इंसान देता। एक बार जब रोबोट तैयार हो गया, तो उसने पूरे पुस्तकालय के गीतों को ग्रेड किया, जिससे एक विशाल डेटा स्प्रेडशीट तैयार हुई जो दिखाती है कि प्रत्येक ट्रैक में प्रत्येक विषय कितनी मात्रा में मौजूद है।
परिणाम थोड़े आश्चर्यजनक हैं और निश्चित रूप से वैसा नहीं हैं जैसा आप रेडियो सुनकर उम्मीद करेंगे। पहला, अध्ययन में पाया गया कि हालांकि रेगेटन वास्तव में यौन विषयों से भरा है, लेकिन "संकेत देने वाला" (suggestive) प्रकार "स्पष्ट" (explicit) प्रकार की तुलना में वास्तव में दोगुना आम है। यह खोजने जैसा है कि अधिकांश पार्टी गीत एक जंगली रात के विचार के बारे में हैं, न कि ग्राफिक विवरण के साथ उस जंगली रात का वर्णन करने के बारे में। दूसरा, कलाकार सभी एक जैसे नहीं हैं। कुछ, जैसे प्लान बी (Plan B), एक तीखे मिर्च की तरह हैं, जो सीधे यौन सामग्री पर बहुत उच्च स्कोर करते हैं। अन्य, जैसे कैमिलो (Camilo), एक मीठे डेज़र्ट की तरह हैं, जिनके बोल लगभग पूरी तरह से रोमांटिक प्रेम के बारे में हैं और जिनमें यौन बातचीत बहुत कम है। अध्ययन दिखाता है कि सभी रेगेटन कलाकारों को एक ही समूह के रूप में मानना एक गलती है; वे एक-दूसरे से उतने ही अलग हैं जितने कि एक हेवी मेटल बैंड और एक जैज़ तिकड़ी।
पेपर ने यह भी देखा कि 2002 से 2025 तक समय के साथ चीजें कैसे बदली हैं। इस विचार के विपरीत कि यह शैली हर तरह से "जंगली" होती जा रही है, अध्ययन में पाया गया कि "स्ट्रीट क्राइम" का विषय वास्तव में कम होता जा रहा है, जबकि "रोमांटिक इमोशन" का विषय मजबूत होता जा रहा है। हालाँकि, "सीधे तौर पर स्पष्ट" (directly explicit) यौन सामग्री पिछले दो दशकों में दोगुनी हो गई है। इसका मतलब है कि शैली केवल अधिक सांकेतिक (suggestive) नहीं हो रही है; यह अपनी भाषा में अधिक प्रत्यक्ष होती जा रही है, लेकिन यह अपराध के बारे में कम और भावनात्मक रूप से अधिक समृद्ध भी हो रही है।
अंत में, लेखक ने Spotify के अपने "एक्सप्लिसिट" लेबल (वह छोटा "E" जो आप गाने के बगल में देखते हैं) के विरुद्ध कंप्यूटर के काम की जाँच की। कंप्यूटर ने पाया कि Spotify स्पष्ट सामग्री के एक बड़े हिस्से को मिस कर रहा है। कंप्यूटर द्वारा पहचाने गए हर चार गीतों में से जिनमें स्पष्ट यौन बोल थे, Spotify ने केवल एक को ही फ्लैग किया। यह एक सुरक्षा गार्ड की तरह है जो केवल बड़े, शोर वाले हथियारों की जाँच करता है लेकिन छोटी, तेज छुरियों को मिस कर देता है। यह सुझाव देता है कि संगीत को लेबल करने का वर्तमान तरीका बहुत ही सतही है और इन गीतों में पाए जाने वाले विशिष्ट प्रकार के यौन कंटेंट को पकड़ने में सक्षम नहीं है।
संक्षेप में, यह पेपर केवल यह नहीं कहता कि "रेगेटन सेक्सी है।" यह एक चतुर कंप्यूटर पद्धति का उपयोग करके यह साबित करता है कि यह शैली रोमांस, पार्टी और सीधी यौन बातचीत का एक जटिल मिश्रण है, और पिछले 20 वर्षों में यह विशिष्ट तरीकों से बदली है। यह भी दिखाता है कि संगीत को लेबल करने के लिए हम वर्तमान में उपयोग किए जाने वाले उपकरण (जैसे Spotify का फ्लैग) उन विशिष्ट विवरणों को पकड़ने के लिए बहुत अच्छे नहीं हैं जिनकी शोधकर्ताओं और श्रोताओं को परवाह हो सकती है। लेखक ने अपना कोड और डेटा साझा किया है, जिससे किसी भी अन्य व्यक्ति को इसी रोबोट-दिमाग पद्धति का उपयोग करके अन्य संगीत शैलियों या यहाँ तक कि विभिन्न भाषाओं का अध्ययन करने के लिए आमंत्रित किया गया है, जिससे गीतों को पढ़ने की धीमी कला को एक तेज़, मापने योग्य विज्ञान में बदल दिया गया 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।