नवीन उपक्रम - कल्पनागार - भाग १

जर काही विशेष प्रश्न माझ्या मनात असेल (समजा स्वतःचा Hedge Fund सुरू करायचा! ) तर त्यासंदर्भात असणार्‍या दुव्यावर लक्ष केंद्रित करेन. त्याशिवाय नवीन उद्योग, भांडवल, कर्तबगार साथीदार मिळविण्यासाठी उपयुक्त अशा दुव्यांवर वेळ घालवेन.

जर कोणताही विशेष प्रश्न समोर नसेल तर दुव्यावरच्या मजकरानुसार गटवारी करून टॉप ऍन्ड बॉटम पाच पाच गटांची निवड करेन. त्याचे पुढे काही करता येण्यासारखे आहे किंवा काय अभ्यासासाठी सहकार्‍यांना आवाहन करेन.

माझ्या वेळेनुसार आणि सवडीनुसार कदाचित रॅन्डमली १० गट निवडेन. कदाचित त्यातूनच "खजिना" गवसेल!

असो... एकूणच अब्जावधीसारखा विदा समोर आला की पहिल्यांदा "कचरा" (कोणता ते ठरविणे आणि मग तो ) दूर करणे हीच पहिली पायरी असेल.

ह्म्म्म्... जाता जाता फ्रीकॉनॉमिक्सचे आम्ही जबरदस्त फॅन आहोत!

वरकरणी अपुर्‍या आणि/किंवा क्षुल्लक वाटणार्‍या या माहितीतूनही बरेच उपयोगी निष्कर्ष काढता येतील असे दिसते. जसे -
१. मजकुरावर आधारीत दुव्यांचे वर्गीकरण (क्लासिफिकेशन नव्हे, क्लस्टरिंग) - यासाठी मजकुरातील काही विशिष्ट शब्दांचा शोध घ्यावा लागेल आणि असे शब्द ज्या माहिती/ज्ञानशाखेत अंतर्भूत आहेत, अशा माहिती/ज्ञानशाखेच्या वर्गात (क्लस्टरमध्ये) हा मजकूर असलेला दुवा वर्गीकृत करता येईल (क्लस्टर्स = अनेक क्लासेस अशा ढोबळ संज्ञेवरून याला क्लासिफिकेशन म्हणून न संबोधता क्लस्टरिंग संबोधले आहे) जसे - विदागार, प्रणाली, आज्ञावली असे शब्द प्रामुख्याने आढळून येणारा मजकूर असलेला दुवा वाणिज्य वर्गात वर्गीकृत न करता संगणकशास्त्रात वर्गीकृत करणे. यासाठी मजकुरातील एकूण शब्दसंख्येच्या तुलनेत त्या विशिष्ट शब्दाची वारंवारता मोजून एखादा मजकूर अमुक एका शाखेशी संबंधित आहे, हे निश्चित करणारी त्या विशिष्ट शब्दाची सर्वमान्य वारंवारता माहीत असावी लागेल.
२. एकदा असे वर्गीकरण केले की प्रत्येक वर्गाची वर्गसंख्या आपसूक मिळेल. यावरून त्या त्या ज्ञान/माहिती शाखेशी संबंधित असलेले एकूण उपलब्ध दुवे किती, याची माहिती वास्त्वैक वर्गसंख्या, टक्केवारी किंवा इतर स्वरूपात मिळेल.
३. कुठल्या माहिती/ज्ञान शाखेशी संबंधित कमाल तसेच किमान दुवे उपलब्ध आहेत, याची माहिती मिळेल.
४. असे वर्गीकरण (क्लस्टरिंग) करताना लावले गेलेले निकषही पाहता येतील (सॅस एंटरप्राइझ मायनर किंवा वेका सारख्या सॉफ्टवेअर्समुळे हे सहज शक्य आहे)
५. दुवा कोणत्या आय पी पत्त्यावरून ऍक्सेस झाला आहे, ही माहिती कळली, तर त्या आय पी पत्त्यावरून मुख्यत्त्वेकरून कोणत्या स्वरूपाची माहिती/ज्ञान मागवले जाते, हे कळू शकेल. त्यावरून तो आय पी पत्ता वापरणारे लोक कोणत्या प्रकारच्या विषयात रुची बाळगून आहेत (की नाही) हे कळू शकेल.
६. दुवा नजरेआड करून फक्त मजकुरावर लक्ष केंद्रित केले, तर कंटेन्ट मायनिंग/टेक्स्ट मायनिंग (मजकूर शाब्दिक स्वरूपातला असल्यास) करता येईल.
तूर्तास इतकेच. यापुढे काही सुचल्यास नदनुसार भर घालेनच.
उपक्रम आवडला. यात सक्रीय सहभागी व्हायचा आणि माहिती/तंत्र/ज्ञान यांची देवाणघेवाण करण्याचा प्रामाणिक प्रयत्न करायला नक्कीच आवडेल. या उपक्रमाची सुरुवात केल्याबद्दल अभिनंदन, आभार आणि उपक्रमासंबंधी पुढील कार्यासाठी शुभेच्छा.

अश्या समस्या देऊन त्यावर चर्चा करण्याची कल्पना एकदम गार (कूल :)) आहे.

समजा तुम्हाला विश्वजालातील अनेक (१ अब्ज) संकेतपृष्ठे उपलब्ध आहेत. (दुवा, दुव्यावरचा मजकूर) ह्या दुकलीच्या यादीच्या स्वरुपात. तुम्ही काय विश्लेषण कराल ? कुठले संशोधन कराल ?

१. पानांवरील माहितीतील कळीचे शब्द (कीवर्ड्स) शोधून या माहितीचे ढोबळमानाने वर्गीकरण उदा. करमणू़क, खेळ, विज्ञान, कला इ.इ. विषयांची पाने किती?

२. भाषावार वर्गीकरण. इंग्रजी, स्पॅनिश, हिंदी पाने किती?

३. डोमेन नावांवरून (आणि आयपी पत्त्यांवरून) देश/प्रदेश/विभागवार वर्गीकरण. भारत, चीन, आखाती देश इ. या विभागातील पाने किती?

४. १ आणि ३ एकत्र करून कोणत्या भागात कोणत्या प्रकारची माहिती अधिक प्रमाणात उपलब्ध आहे आणि कोणती नाही याचा अंदाज येईल. (त्यावरून त्या प्रदेशात/देशात/विभागात कुठले क्षेत्र आता संतृप्त झाले आहे आणि कुठल्या क्षेत्रात अधिक पानांना वाव आहे हे कळेल.)

५. २ आणि ३ एकत्र करून कोणत्या भागात कोणत्या भाषेतील पाने अधिक आहेत याचा अंदाज येईल. (उदा भारतात इतर भाषा प्रामुख्याने बोलल्या जात असल्या तरी बहुसंख्य पाने इंग्रजीत असतील. तीच गत इतर युरोपियन देशांच्या वसाहतींची)

इ. इ.

समजा तुम्हाला विश्वजालातील अनेक (१ अब्ज) संकेतपृष्ठे उपलब्ध आहेत. (दुवा, दुव्यावरचा मजकूर) ह्या दुकलीच्या यादीच्या स्वरुपात. तुम्ही काय विश्लेषण कराल ? कुठले संशोधन कराल ?

०. असे विदागार सर्वाधिक फायद्यासाठी कसे वापरावे हे सांगु शकेल अशा तज्ज्ञाचा पत्ता या दुव्यांत आहे का ते शोधेल. (गेला बाजार उपक्रमावरचा हा दुवा त्यात आहे का हे शोधेल, जिथे अनेक तज्ज्ञ भेटतील.)

१. उष्ण रंगसंगती, शीत रंगती, मिश्र रंगसंगतीची पाने वेगळी करेल, कुठली संगती अधिक लोकप्रिय आहे हे पाहील.

२. पानावरील चित्रांचे प्रमाण (आकाराची %) व दुव्यांची लोकप्रियता यांचा संबंध ताडेल.

३. जाहिरातींचे प्रमाण (आकाराची %) व लोकप्रियता यांचा संबंध जोडू पाहील.

४. कुठल्या दुव्यांवर वाचक परतून आले व न आले हे पाहील.

५. सर्वात मोठे (जास्त लिखाण असलेले) व छोटे (कमी लिखाण असलेले) दुवे व त्याचा भेटींशी संबंध पाहील.

६. इंग्रजी शब्दकोषानुसार दुव्यात वापरलेल्या शब्दांची भेटींनुसार उतरंड लावेल.

७. (कुठे पासवर्डस वगैरे सापडतात का हे पाहील.)

८. पैसे भरून पाहिले जाणारे दुवे वेगळे शोधून त्याचे ग्राहक कोण आहेत हे पाहील.

९. तो जे दुवे पाहतो त्या शी सर्वाधिक साधर्म्य असणारे वाचक इतर कोणते दुवे पाहतात, ते पाहील.

१०. कोण किती दुव्यावर किती वेळ थांबला हे पाहता येत असेल तर त्याची उतरण लावेल. (इथे चलचित्र वाल्या जाहिराती देता येतील.)

११. सर्वाधिक भेट दिली जाणारी, निशुल्क अव्यावसायिक संकेतस्थळे शोधेल.

वगैरे..वगैरे..

सर्किटराव,

कल्पनागाराचा उपक्रम आवडला. अधिविदा हा सुरेख शब्द आहे. आपण दिलेला गृहपाठ मस्त आहे. अधिक विचार करून माझा उत्तराचा प्रयत्न काही दिवसांनी येथे प्रकाशित करावे म्हणतो.

क.लो.अ.,
शैलेश