कंप्यूटर बंद पार्टिसन विभाजन में मदद कर सकता है?

कंप्यूटर कैसे चलाते हैं ? कंप्यूटर और लैपटॉप चलाना सीखें | Basic Computer tutorial for Beginners. (जून 2019).

Anonim

विस्कॉन्सिन-मैडिसन विश्वविद्यालय के शोधकर्ता कंप्यूटरों का उपयोग राजनीति के बारे में संवाद करने के तरीके और मीडिया, सोशल नेटवर्क और व्यक्तिगत इंटरैक्शन द्वारा उन बातचीत को कैसे आकार दिया जा सकता है, इसकी व्यापक तस्वीर विकसित करने के नए तरीकों से कंप्यूटर का उपयोग कर रहे हैं।

शोधकर्ताओं को आशा है कि उनके कंप्यूटर विश्लेषण में क्या उम्मीद है, राजनीतिक गलियारे के दोनों तरफ लोगों के बीच विभाजन को पुल करने में मदद कर सकते हैं जो समाज की समस्याओं को हल करने के लिए एक साथ आने में असमर्थ हैं क्योंकि वे एक-दूसरे से बात भी नहीं कर सकते हैं ताकि वे अलग-अलग भाषाओं को भी बोल सकते हैं।

"हमारे लिए सबसे महत्वपूर्ण प्रश्नों में से एक यह है: क्या संचार प्रणाली लोगों को उनके सामाजिक और राजनीतिक जीवन में परिभाषित समस्याओं को समझने में मदद करती है?" यूडब्ल्यू-मैडिसन स्कूल ऑफ जर्नलिज्म एंड मास कम्युनिकेशन के प्रोफेसर लुईस फ्राइडलैंड कहते हैं। "या, क्या हमारे पास एक ऐसी प्रणाली है जो वास्तव में लोगों के बीच विभाजन को बढ़ा देती है-जो दूसरों को हमारे या अयोग्य के रूप में देखने के लिए 'ingroups' और 'outgroups' में विभाजित करना आसान बनाता है?"

2010 में फैले विस्कॉन्सिन से सोशल मीडिया पोस्ट, जनमत सर्वेक्षण, समाचार कवरेज और व्यक्तिगत साक्षात्कार पर चित्रण, फ्राइडलैंड और सहयोगी एक जीवित, बदलते माहौल के रूप में राजनीतिक बातचीत की तस्वीर पेंट करेंगे- एक "संचार पारिस्थितिकी" - वेब के साथ राज्य में लोगों और संस्थानों के बीच बातचीत का। UW2020 पहल से वित्त पोषण द्वारा समर्थित, यह समझने के लिए कभी भी सबसे महत्वाकांक्षी प्रयासों में से एक है कि कैसे पूरे राज्य में लोग राजनीति के बारे में बात करते हैं, और समय के साथ उन बातचीत कैसे बदल गई हैं।

फ्राइडलैंड कहते हैं, "किसी ने राज्यव्यापी स्तर पर विशेष रूप से आठ वर्षों से संचार पारिस्थितिकी का मॉडल करने का प्रयास नहीं किया है।" "यह आंकड़ों को इकट्ठा करने, संबंधों को मॉडलिंग और विश्लेषण विधियों के विकास में भारी रचनात्मकता लेता है।"

शोधकर्ता मशीन सीखने की शक्ति का उपयोग कर रहे हैं, जिसमें यूडब्ल्यू-मैडिसन एक अग्रणी नवप्रवर्तनक है, यह पता लगाने के लिए कि विपरीत राजनीतिक persuasions के लोग एक ही शब्द के लिए अलग-अलग अर्थ निर्दिष्ट करते हैं।

उदाहरण के लिए, "विनियमन" शब्द में उदारवादी और रूढ़िवादी के लिए "उपयोगी और आवश्यक" या "भारी और आक्रामक" शब्द काफी अलग-अलग अर्थ हो सकते हैं। जबकि उन भावनाओं को सहज महसूस हो सकता है, वैसे ही कठोर रूप से परिभाषित करना और मात्रा को मापना मुश्किल है कि लोग शब्दों के अर्थ कैसे निर्दिष्ट करते हैं।

मशीन लर्निंग वेक्टर नामक ज्यामितीय अवधारणाओं में शब्दों को बदलकर और तुलना करने के लिए गणितीय परिचालनों का उपयोग करके उस समस्या का समाधान प्रदान करती है।

प्रोजेक्ट पर विद्युत और कंप्यूटर इंजीनियरिंग और सहयोगी के यूडब्ल्यू-मैडिसन प्रोफेसर विलियम सेठारेस कहते हैं, "वेक्टर आपको शब्दों के बारे में कुछ दिखाते हैं।" "समानार्थी शब्दों जैसी सरल चीजों में समान वैक्टर होंगे, और समान शब्दों के लिए वैक्टर एक-दूसरे के साथ समान संबंध बनाएंगे।"

वेक्टर अमूर्त वस्तुएं हैं जिनमें लंबाई और दिशा होती है; दो आयामों में, एक वेक्टर एक तीर प्रतीक की तरह दिखता है। शब्द वैक्टर सरल तीर के समान होते हैं, सिवाय इसके कि वे कई और आयामों में मौजूद हैं। हालांकि कागज के एक फ्लैट शीट पर शब्द वैक्टरों को आकर्षित करना असंभव होगा, लेकिन "राजा" और "रानी" के लिए प्रतिनिधित्व एक अर्थ में, एक दूसरे के संबंध में "लड़के" के लिए एक ही दिशा में इंगित करेंगे और "लड़की।"

उदारवादी, रूढ़िवादी और गैर-पक्षियों द्वारा पोस्ट की गई लगभग 2, 000 ट्वीट्स से वेक्टरों की तुलना करने के बाद, शोधकर्ताओं ने "राजनेता, " "सरकार" और "पर्यावरण" सहित राजनीतिक विचारधाराओं के बीच विभिन्न उपयोगों के साथ शीर्ष 10 शब्दों की पहचान की।

उन मतभेदों को प्रकट करने के लिए सेठारे और स्नातक छात्र प्रथुष शर्मा द्वारा विकसित एक नया कम्प्यूटेशनल दृष्टिकोण की आवश्यकता है।

शब्दों को वैक्टर में बदलने की प्रक्रिया को एम्बेडिंग कहा जाता है, और इसमें आम तौर पर विकिपीडिया की संपूर्णता या प्रकाशित हर Google समाचार कहानी जैसे टेक्स्ट की भारी मात्रा में ट्रैवल करने के लिए प्रोग्रामिंग एल्गोरिदम शामिल होते हैं।

समस्या यह है कि विकिपीडिया जैसे विशाल डेटाबेस से शक्तिशाली जेनेरिक शब्द एम्बेडिंग अक्सर भाषा में बारीकियों को याद करते हैं-आखिरकार, प्रत्येक शब्द एक एकल वेक्टर बन जाता है, इसलिए कई अर्थों के साथ शब्दों में सबसे स्मार्ट एल्गोरिदम भी भ्रमित हो सकते हैं ("हैक" के बारे में सोचें, जो कर सकते हैं वर्णन करें कि कुल्हाड़ी क्या है, कंप्यूटर आक्रमण, या एक अनचाहे लेखक)।

जबकि उन सूक्ष्म मतभेद विशिष्ट डेटा सेटों में उभर सकते हैं, जैसे कि 2, 000 राजनीतिक ट्वीट्स के पाठ की तरह, सटीक वैक्टर बनाने के लिए पर्याप्त शब्द नहीं होंगे।

सेठारेस कहते हैं, "कोई भी छोटा आला अपने तरीके से शब्दों का उपयोग करता है।" "जो चीजें वास्तव में अच्छी तरह से काम करती हैं उन्हें अरबों शब्दों की आवश्यकता होती है, इसलिए हम एक जाल में पकड़े जाते हैं क्योंकि हम छोटे डेटा सेट पर एल्गोरिदम को प्रशिक्षित नहीं कर सकते हैं।"

इसके बजाय, सेठारेस और शर्मा को राजनीतिक ट्वीट्स की विशिष्टता के साथ विकिपीडिया से व्युत्पन्न शब्द एम्बेडिंग की शक्ति को गठबंधन करने के लिए एक प्रभावी तरीका मिला। उनके एल्गोरिदम ने न केवल उन शब्दों की पहचान की है जो रूढ़िवादी और उदारवादी अलग-अलग उपयोग करते हैं, बल्कि एक ट्वीट के लेखक की राजनीतिक विचारधारा की भविष्यवाणी भी करते हैं, जिसमें अकेले भाषा के आधार पर लगभग 90 प्रतिशत सटीकता होती है।

सेठारे और सहयोगी विस्कॉन्सिन राजनीतिक समाचार और अभियान भाषणों के लिए एक ही मशीन सीखने के दृष्टिकोण को लागू करने की योजना बना रहे हैं। दृष्टिकोण उन्हें शहरी और ग्रामीण समुदायों में राजनीतिक वार्ता के बीच तुलना करने में सक्षम बनाता है और यह भी जांच सकता है कि समय के साथ पक्षपातपूर्ण शब्द का अर्थ कैसे बदल सकता है।

इसके बाद वे डेटा के अतिरिक्त परतों के साथ शब्द अर्थों के बारे में जानकारी एकत्र करेंगे, जिसमें व्यक्तिगत साक्षात्कार, चुनाव परिणाम और सार्वजनिक राय मतदान से ऐतिहासिक आंकड़े शामिल हैं। परिणामस्वरूप संचार पारिस्थितिकता विस्कॉन्सिन राजनीतिक माहौल विकसित हो रही है, इस बारे में अभूतपूर्व अंतर्दृष्टि प्रदान करेगी।

फ्राइडलैंड कहते हैं, "पर्यावरण को शोर और शोर हो रहा है।" "जिन लोगों के पास समय और ध्यान सीमित है, वे केवल किसी दिए गए दिन में बहुत अधिक ध्यान केंद्रित कर सकते हैं।"

और भले ही पक्षपातपूर्ण ग्रिडलॉक को असंगत करने के लिए राजनीतिक स्पेक्ट्रम के लोगों से पर्याप्त सहानुभूति और प्रयास की आवश्यकता होगी, लेकिन संचार वातावरण को समझना विभाजन को ब्रिज करने की दिशा में एक महत्वपूर्ण पहला कदम है, फ्राइडलैंड कहते हैं।

menu
menu