جذبات کا تجزیہ (سینٹیمنٹ اینالیسس): کمپیوٹر تحریری الفاظ کے پیچھے چھپے ہوئے احساسات اور مزاج کیسے پہچانتا ہے؟

انسانی جذبات اور کیفیات کو حسابی اسکور میں بدلنا

انٹرنیٹ پر روزانہ کروڑوں لوگ مصنوعات کے جائزے، تبصرے، کسٹمر کیئر پیغامات اور شکایات لکھتے ہیں۔ تجارتی کمپنیوں، عوامی اداروں اور محققین کے لیے اس بے پناہ تحریری مواد کو خود ایک ایک کر کے پڑھنا ممکن نہیں ہوتا۔ عوامی ردعمل جاننے کے لیے وہ جذبات کے تجزیے (سینٹیمنٹ اینالیسس) کا سہارا لیتے ہیں، جو انسانی زبان سمجھنے والی ٹیکنالوجی (قدرتی زبان کی پروسیسنگ یا NLP) کے ذریعے تحریر کے جذباتی لہجے کو باقاعدہ حسابی اعداد و شمار میں تبدیل کرتی ہے۔

ابتدائی دور میں جذبات کا حساب لگانے کے لیے الفاظ کی لغت پر مبنی روایتی نظام (لیکسیکون بیسڈ سسٹمز) استعمال ہوتے تھے۔ انجینئرز نے پہلے سے طے شدہ مثبت (+1) اور منفی (-1) الفاظ کی طویل فہرستیں بنائیں؛ جیسے 'بہترین'، 'لاجواب' کے لیے جمع ایک، اور 'خراب'، 'ناقص' کے لیے منفی ایک۔ سافٹ ویئر صارف کے جملے میں موجود ان الفاظ کے نمبر جمع کر کے پیغام کو اچھا، برا یا غیر جانبدار قرار دیتا تھا۔

الفاظ کی یہ سادہ گنتی روزمرہ کی زندہ زبان کے سامنے فوراً ناکام ہو گئی۔ مثال کے طور پر 'یہ فون بالکل برا نہیں ہے' میں منفی لفظ 'برا' دیکھ کر پرانا نظام اسے تعریف کے بجائے شکایت سمجھ لیتا تھا۔ جدید سسٹمز نے اس لفظی گنتی کی جگہ زبان کی گہری سمجھ رکھنے والے جدید نیورل نیٹ ورکس (ٹرانسفارمر ماڈلز) اپنا لیے ہیں جو گرامر، الفاظ کی ترتیب اور جملے کے پورے پس منظر (سیاق و سباق) کا بیک وقت جائزہ لیتے ہیں۔

جدید ماڈلز جذباتی رخ، شدت اور پہلوؤں کو کیسے ناپتے ہیں؟

جدید سسٹمز تحریر کا تجزیہ درج ذیل بنیادی تہوں کے ذریعے کرتے ہیں:

• فقرے کا جذباتی رخ: ماڈل تحریر کو کثیر جہتی حسابی نقشوں (معنوی ویکٹرز) میں بدل کر منفی ایک سے لے کر مثبت ایک کے درمیان اسکور نکالتا ہے، جس سے مجموعی تاثر واضح ہوتا ہے۔
• جذباتی شدت اور وزن: ایک الگ پیمانہ تاثر کی طاقت ناپتا ہے، جس سے عام اطمینان اور شدید جوش و خروش کے درمیان فرق سامنے آتا ہے۔
• مختلف پہلوؤں پر الگ الگ تجزیہ: ماڈل بات کے مختلف زاویوں کو الگ الگ پرکھتا ہے (ایسپیکٹ بیسڈ اینالیسس)۔ مثلاً وہ سمجھتا ہے کہ 'کھانا عمدہ تھا لیکن سروس سست تھی' میں ایک ہی وقت میں تعریف اور شکایت دونوں موجود ہیں۔
• مخصوص ناموں سے تعلق جوڑنا: کمپیوٹر تاثرات کو تحریر میں آئے ہوئے خاص ناموں اور برانڈز (اینٹیٹی لنکنگ) سے جوڑتا ہے، تا کہ یہ ابہام نہ رہے کہ پسندیدگی کس چیز کے بارے میں ہے۔

فلموں کے تبصروں میں لفظی گنتی اور جملے کے اصل مطلب کے فرق کو سمجھیے۔ اگر کوئی دیکھنے والا لکھے کہ 'اس خوفناک فلم نے مجھے دہشت زدہ کیے رکھا'، تو پرانا لفظی نظام 'خوفناک' اور 'دہشت زدہ' کے الفاظ دیکھ کر اسے ناراضگی قرار دے گا۔ اس کے برعکس جدید ماڈل سمجھتا ہے کہ سنسنی خیز اور ڈراؤنی فلموں کے شائقین کے لیے خوف دراصل پسندیدہ اور مطلوبہ کیفیت ہے، چنانچہ وہ اسے ایک پرجوش تعریف کے طور پر درست درجہ دیتا ہے۔

طنز، ثقافتی باریکیوں اور خودکار کسٹمر کیئر کی خامیاں

نمایاں تکنیکی ترقی کے باوجود کمپیوٹر کو انسانی بول چال کے لطیف اور پرمزاح انداز سمجھنے میں اکثر دشواری پیش آتی ہے:

• طنز اور الٹی بات: جملے جیسے 'کیا بات ہے، عین سفر کے دن گاڑی خراب ہو گئی' بظاہر اچھے الفاظ سے غصے کا اظہار کرتے ہیں، جنہیں خودکار نظام اکثر سمجھ نہیں پاتے۔
• علاقائی محاورے: روزمرہ کے جملے جیسے 'اس تقریر نے تو محفل لوٹ لی' دل جیتنے کے لیے بولے جاتے ہیں، لیکن لفظی نظام انہیں لوٹ مار سمجھ کر غلط زمرے میں ڈال دیتے ہیں۔
• کسٹمر سروس میں ترجیحات کا بگاڑ: جب کمپیوٹر سسٹمز صرف سخت اور منفی اسکور دیکھ کر فوری جواب دیتے ہیں، تو شائستہ انداز میں شکایت لکھنے والے گھنٹوں انتظار کرتے ہیں جبکہ چیخ کر بات کرنے والوں کو ترجیح مل جاتی ہے۔
• زبان اور ثقافت کا فرق: غیر مادری زبان میں لکھنے والوں کے انداز کو الگورتھم اکثر بے تکلف یا جارحانہ سمجھ لیتے ہیں، کیونکہ تربیتی ڈیٹا میں تمام ثقافتوں کی زبان یکساں شامل نہیں ہوتی۔

جذبات کا تجزیہ عوامی رائے کا فوری اندازہ تو فراہم کرتا ہے، مگر انسانی گفتگو دل اور احساسات سے جڑی ہوتی ہے۔ یہ سمجھنا نہایت اہم ہے کہ سافٹ ویئر الفاظ کے امکانات اور حسابی اوسط تو تیزی سے نکال سکتا ہے، لیکن حقیقی ہمدردی، طنز کی چوٹ اور حالات کی باریکی کو سمجھنے کے لیے ہمیشہ انسان کے اپنے فہم، شعور اور حتمی فیصلے کی ضرورت باقی رہتی ہے۔