مفت Burstiness Checker جملوں کی لمبائی کے پھیلاؤ کا نقشہ بنائیں

کسی اقتباس میں جملوں کی لمبائیوں کا پھیلاؤ، اوسط لمبائی سے قطع نظر۔ دو اقتباسات فی جملہ اٹھارہ الفاظ کی ایک جیسی اوسط رکھ سکتے ہیں اور پھر بھی بالکل مختلف پڑھتے ہیں: ایک میں ہر جملہ اس اوسط سے چند الفاظ کے اندر رہتا ہے، جبکہ دوسرے میں چھ لفظوں والے جملے اور چالیس لفظوں والے جملے باری باری آتے ہیں۔ چیکر اس پھیلاؤ کو coefficient of variation کے طور پر رپورٹ کرتا ہے، یعنی فی جملہ الفاظ کی standard deviation کو اوسط سے تقسیم کیا جاتا ہے، اس لیے یہ عدد ایک واحد عام لمبائی کے بجائے تقسیم کی عکاسی کرتا ہے۔

کیونکہ ایک language model جب سب سے زیادہ ممکنہ تکمیل پیدا کرتا ہے تو وہ عموماً اپنے ہی دائرے کے وسط کے قریب جملوں کی لمبائیوں پر ٹھہر جاتا ہے، اس لیے خام model output میں اکثر ایسے جملے آتے ہیں جو ایک دوسرے سے چند الفاظ ہی مختلف ہوتے ہیں۔ یہ clustering تقسیم کی ایک خاصیت ہے، اور burstiness اس بات کی براہِ راست پیمائش کا طریقہ ہے کہ اعداد کا ایک مجموعہ اپنے مرکز کے گرد کتنی مضبوطی سے مجتمع ہے۔

تقریباً 45 فیصد اور اس سے زیادہ ایک وسیع پھیلاؤ کی نشاندہی کرتا ہے، یعنی نظرِ ثانی شدہ نثر میں عام طور پر مختصر اور طویل جملوں کا ملا جلا انداز۔ تقریباً 20 سے 45 فیصد کے درمیان اعتدال پسند پھیلاؤ ہوتا ہے۔ 20 فیصد سے کم میں لمبائیاں زیادہ قریب قریب جمع رہتی ہیں اور تال یکساں محسوس ہوتی ہے۔ انہیں حد بندیوں کے بجائے حوالہ نکات سمجھیں، ایک طریقہ کار کے حصے میں جہاں عددی طریقہ کار ہو، اسکور کم ہو سکتا ہے، اور اس میں کوئی غلط بات نہیں۔

اس نوعیت کا کوئی دعویٰ نہیں۔ یہ جملوں کی لمبائیوں کے بارے میں ایک تقسیماتی شماریاتی اعداد و شمار رپورٹ کرتا ہے، اس سے آگے کچھ نہیں۔ ایک مضبوطی سے جمع شدہ تقسیم اکثر غیر ترمیم شدہ AI آؤٹ پٹ میں نظر آتی ہے، اسی لیے لوگ اسے چیک کرتے ہیں، اور یہ ایسی انسانی تحریر میں بھی نظر آتی ہے جسے تدوین کے دوران بلند آواز میں پڑھا نہیں گیا۔ یہ عدد متن میں ایک نمونہ بیان کرتا ہے اور اس کی اصل کے بارے میں کچھ نہیں کہتا۔

ہاں، کیونکہ ایک ہی کوفیشینٹ پوری تقسیم کو ایک ہی عدد میں سمیٹ دیتا ہے۔ ایک اقتباس جس میں ایک بہت طویل جملہ ہو اور باقی مختصر ہوں، وہ اس اقتباس کے قریب اسکور کر سکتا ہے جس میں مختصر سے طویل تک ہموار میلان ہو، حالانکہ دونوں کو بلند آواز میں پڑھیں تو دونوں بالکل مختلف لگتے ہیں۔ نیچے دیا گیا چارٹ اسی وجہ سے موجود ہے، یہ اس شکل کو دکھاتا ہے جسے یہ عدد خلاصہ کر رہا ہے، صرف خلاصے سے آگے۔

پہلے زور کے لیے تدوین کریں اور تقسیم کو اس کے بعد آنے دیں۔ ہر پیراگراف میں وہ جملہ تلاش کریں جو اصل دعویٰ لے رہا ہو اور اسے مختصر کر دیں۔ دو باریک، متعلقہ جملوں کو ملا کر ایک کر دیں۔ تین شقیں سمیٹے ہوئے جملے کو اس کے فطری جوڑ پر تقسیم کر دیں۔ ان میں سے ہر تدوین تقسیم کی شکل کو ایک ضمنی اثر کے طور پر بدلتی ہے، ایسی نثر کے ذریعے جو بہتر پڑھی جاتی ہے، اور سببیت کی سمت یہی ہونی چاہیے۔