पारंपरिक दृष्टिकोण क्यों विफल हो रहे हैं
सोशल मीडिया राजनीतिक चर्चाओं का प्रमुख मंच बन गया है। पोस्ट, लाइक और रीपोस्ट दर्शाते हैं कि लोगों का विश्वदृष्टिकोण कैसे बदल रहा है, लेकिन शोधकर्ताओं के लिए इस प्रक्रिया पर नज़र रखना कठिन है। मुख्य बाधाएँ लंबे समय से ज्ञात हैं:
- राजनीतिक रूप से महत्वपूर्ण संदेश मनोरंजन और व्यक्तिगत सामग्री के प्रवाह में डूब जाते हैं।
- एल्गोरिदम को प्रशिक्षित करने के लिए मैन्युअल एनोटेशन महंगा है और व्यक्तिपरकता से ग्रस्त है।
- विभिन्न प्लेटफार्मों का डेटा अलग-अलग तरीके से संरचित होता है, इसलिए एक सोशल नेटवर्क पर प्रशिक्षित मॉडल दूसरे पर काम नहीं करता।
- सबसे कठिन काम यह भविष्यवाणी करना है कि किसी व्यक्ति के विचार कैसे बदलेंगे, क्योंकि उन पर समाचार, परिवेश और अन्य उपयोगकर्ताओं का व्यवहार प्रभाव डालता है।
पारंपरिक मशीन लर्निंग विधियाँ अक्सर विफल हो जाती हैं: वे या तो आवश्यक संकेत नहीं ढूंढ पातीं, या केवल वर्तमान प्राथमिकताओं को बताने तक सीमित रहती हैं।
TSN4PI कैसे काम करता है
TSN4PI सोशल मीडिया में राजनीतिक विचारों के विकास पर नज़र रखने के लिए एक नई प्रणाली है। इसकी वास्तुकला दो भागों में विभाजित है, जिनमें से प्रत्येक अपना स्वयं का कार्य हल करता है।
वैचारिक फ़िल्टरिंग
पहला मॉड्यूल (PIDN) राजनीतिक सामग्री को अप्रासंगिक सामग्री से अलग करने के लिए ज़िम्मेदार है। यह बड़े भाषा मॉडल और शैली स्थानांतरण तकनीकों का उपयोग करता है, जिससे अतिरिक्त एनोटेशन के बिना विभिन्न स्रोतों से शोर-युक्त डेटा को संसाधित करना संभव हो जाता है। सीधे शब्दों में कहें तो, मॉड्यूल यह समझना सीखता है कि पोस्ट वास्तव में किस बारे में है, और मनोरंजन पोस्ट से विचलित नहीं होता।
बदलावों की भविष्यवाणी
दूसरा मॉड्यूल (PIPN) भविष्य की ओर देखता है। टेम्पोरल ग्राफ न्यूरल नेटवर्क का उपयोग करके, यह अन्य लोगों और संदेशों के साथ उपयोगकर्ता के संबंधों का विश्लेषण करता है और आकलन करता है कि उसकी स्थिति किस दिशा में बदलेगी: क्या मौजूदा विचारधारा मजबूत होगी, कमजोर होगी, या पूरी तरह से विपरीत में बदल जाएगी।
परीक्षण से क्या पता चला
वैज्ञानिकों ने X और Truth Social प्लेटफार्मों से संबंधित दो बड़े डेटासेट एकत्र किए और उन्हें गैर-व्यावसायिक अनुसंधान के लिए प्रदान किया। परीक्षण से पता चला कि TSN4PI कार्यों को सफलतापूर्वक पूरा करता है। सिस्टम न केवल राजनीतिक विश्वासों के निशान ढूंढता है, बल्कि समय के साथ होने वाले परिवर्तनों को भी नोटिस करता है।
विशेष रुचि प्लेटफार्मों के बीच अंतर है। X और Truth Social पर दर्शकों का ध्रुवीकरण अलग-अलग तरीकों से प्रकट होता है, और मॉडल इन बारीकियों को देखने की अनुमति देता है। यह अनुभवजन्य पुष्टि है कि इंटरनेट पर राजनीतिक विचार स्थिर नहीं हैं: वे सूचना वातावरण के प्रभाव में बहते हैं।
यह क्यों आवश्यक है
विचारधाराओं के विकास को सटीक रूप से ट्रैक करने की क्षमता केवल सैद्धांतिक अनुसंधान के लिए ही महत्वपूर्ण नहीं है। यह सार्वजनिक भावनाओं की भविष्यवाणी करने, हेरफेर की योजनाओं का पता लगाने और अनुशंसा एल्गोरिदम को अधिक तटस्थ बनाने में मदद करती है। खुले डेटासेट के लिए धन्यवाद, अन्य टीमें समान डेटा पर अपने स्वयं के दृष्टिकोण का परीक्षण कर सकेंगी, जिसका अर्थ है कि परिणामों की तुलना करना आसान होगा।
मॉडल आदर्श नहीं है — मानव राजनीतिक व्यवहार एक सूत्र में समेटने के लिए बहुत जटिल है। लेकिन ऐसा एकीकृत ढांचा एक संदर्भ बिंदु निर्धारित करता है जिससे आगे के काम में शुरुआत की जा सकती है। यह शोध पहले ही प्रतिष्ठित पत्रिका ACM Transactions on Intelligent Systems and Technology में प्रकाशन के लिए स्वीकार किया जा चुका है।
