ناموں اور نسب سے شناخت کی پہچان: ریکارڈز کی معیاری کاری اور مطابقت

خلاصہ

ناموں کی تکرار اور اُن کے لکھنے کے مختلف طریقے نسب کے نظاموں میں افراد کے درمیان فرق کرنا ایک بنیادی چیلنج بنا دیتے ہیں۔ یہ مقالہ ریکارڈز کی مطابقت (record linkage) کے ادب کا جائزہ لیتا ہے، جو Fellegi اور Sunter کی شماریاتی بنیاد سے شروع ہوتا ہے [1]، پھر صوتی مطابقت اور سلسلوں کی مشابہت کے پیمانوں [2][3]، اور بالخصوص عربی ناموں کے چیلنجوں [4] سے ہوتا ہوا، جدید کیان مطابقت (entity resolution) تک پہنچتا ہے [6]۔ اس کے بعد ہم اعلیٰ سطح پر نَسايِب پلیٹ فارم کی وہ منہج بیان کرتے ہیں جس کے ذریعے وہ اس کی تفصیلات ظاہر کیے بغیر ایک «شناختی نقش» بناتا ہے۔

۱۔ مسئلہ

کسی بھی بڑے خاندان میں یہ سوال بار بار آتا ہے: کیا یہ «محمد بن احمد» وہی ہے جو دوسری شاخ میں ہے، یا کوئی اور شخص جو یہی نام رکھتا ہے؟ غلط جواب کا مطلب یا تو ایک ہی شخص کے دو ریکارڈ (جھوٹا اضافہ اور تضاد) ہے، یا دو مختلف افراد کا ادغام (حقیقت کا ضیاع)۔ اور یہ دشواری ناموں کی دو خصوصیات کے ساتھ دُگنی ہو جاتی ہے: لکھنے کے متعدد طریقے، اور ایک ہی خاندان کے اندر ناموں کی شدید تکرار۔

۲۔ نام کا چیلنج

ایک ہی نام ہمزوں، الف اور تائے مربوطہ وغیرہ کے املا کے مطابق کئی شکلوں میں لکھا جاتا ہے (فؤاد/فواد، أحمد/احمد)۔ اسی طرح آباؤ اجداد کی تعظیم میں یہی نام کثرت سے دہرائے جاتے ہیں، چنانچہ ایک ہی شاخ میں آپ کو کئی افراد ملیں گے جن کا نام بھی ایک ہے اور والد کا نام بھی ایک۔ اس لیے قابلِ اعتماد تمیز کے لیے نہ صرف نام کافی ہے اور نہ ہی نام کے ساتھ والد کا نام۔ اور یہ ایک معروف مسئلہ ہے جو عام طور پر تاریخی اور آبادیاتی ریکارڈز کے ربط میں پیش آتا ہے [5]۔

۳۔ ادب کا جائزہ

Fellegi اور Sunter نے ۱۹۶۹ میں ریکارڈز کی مطابقت کے لیے کلاسیکی احتمالی چوکھٹا قائم کیا، جو متعدد خانوں کے ذریعے مطابقت اور عدمِ مطابقت کے احتمالات کو موازن کرنے پر مبنی ہے [1]۔ اس سے پہلے اور بعد میں صوتی مطابقت نے ترقی کی: Soundex الگورتھم اور پھر NYSIIS، تاکہ لکھائی کے اختلاف کے باوجود تلفظ میں ملتے جلتے ناموں کو ایک گروہ میں رکھا جا سکے [2]۔ اور سلسلوں کی مشابہت کے پیمانوں جیسے Levenshtein اور Jaro–Winkler نے دو متنی سلسلوں کی قربت کا ایک مقداری پیمانہ فراہم کیا [3]۔

جہاں تک عربی ناموں کا تعلق ہے، وہ معیاری کاری اور صوتی نقل حرفی میں خاص چیلنج پیش کرتے ہیں، جنہیں فطری زبان کی پروسیسنگ کی تحقیق نے لکھائی کی شکلوں کو یکساں کرنے اور لواحق و اضافات کو سنبھالنے کی تکنیکوں سے حل کیا ہے [4]۔ اور وسیع تر پیمانے پر، حالیہ سروے «کیان مطابقت» (entity resolution) میں پھیل گئے ہیں، جو مسئلے کو عام کرتے ہوئے ان ریکارڈز کو جوڑتے ہیں جو متعدد ذرائع کے آر پار ایک ہی کیان کی طرف اشارہ کرتے ہیں [6]، اور اس کے ساتھ ڈیٹا مطابقت کے ادب میں جامع عملی چوکھٹے موجود ہیں [7]۔

نام بہتوں کی طرف اشارہ کرتا ہے؛ شناخت ایک کی طرف اشارہ کرتی ہے۔

۴۔ نام سے ساخت کی طرف

اس ادب میں بار بار ملنے والا سبق یہ ہے کہ اکیلا نام ایک کمزور اشارہ ہے؛ اور درستگی متعدد اشاروں کو یکجا کرنے سے، اور کیان کو اس کے گرد و پیش کی ساخت کے ساتھ جوڑنے سے آتی ہے، نہ کہ اسے الگ تھلگ برتنے سے۔ نسب کے تناظر میں، گرد و پیش کی ساخت خود قرابت کا شبکہ ہے: نسب، شادی، اور خاکے میں موقع۔ اور یہ بات شناخت کے مسئلے کو قرابت کی نمائندگی کے مسئلے کے ساتھ گہرائی سے جوڑ دیتی ہے۔

۵۔ نَسايِب پلیٹ فارم کی منہج (اعلیٰ سطح)

نَسايِب پلیٹ فارم ایک «شناختی نقش» بناتا ہے جو نام، سلسلۂ نسب اور اضافی اشاروں مثلاً شریکِ حیات کے نام کو یکجا کرتا ہے، ایسی لسانی معیاری کاری کے بعد جو لکھائی کے اختلافات کو یکساں کر دیتی ہے۔ ان اشاروں کا اجتماع دو مختلف افراد کے درمیان اتفاقی مطابقت کو نایاب بنا دیتا ہے، چنانچہ مکرر ریکارڈز کو دریافت کر کے بلند درستگی سے یکجا کر دیا جاتا ہے۔ رہے دقیق پیرامیٹر، مطابقت کے وزن اور اُن کی حدود، تو یہ ہمارے خاص کام کا حصہ ہیں جسے ہم ظاہر نہیں کرتے۔

یہاں شراکت دوہری ہے: مطابقت کے ادب کو متعدد ثقافتوں میں ناموں اور نسب کی خصوصیت کے لیے ڈھالنا، اور شناخت کو خود قرابت کی ساخت کے ساتھ جوڑنا بجائے اس کے کہ ناموں کو الگ تھلگ برتا جائے۔ نتیجہ ایک صاف ستھرا خاندانی ریکارڈ ہے جس میں ہر شخص ایک ہی بار محفوظ ہوتا ہے، جس پر بھروسہ اور انحصار کیا جا سکتا ہے۔

۶۔ نتیجہ

ایسے خاندانوں میں افراد کے درمیان فرق کرنا جن میں ناموں کی مشابہت بہت زیادہ ہو، ایک پرانا مسئلہ ہے جس کا ادب بہت غنی ہے، احتمالی مطابقت سے لے کر کیان مطابقت تک۔ اور عملی حل ایک اشارے سے نہیں ہوتا، بلکہ ایسے شناختی نقش سے ہوتا ہے جو نام، نسب اور گرد و پیش کو یکجا کرے، اور ایسی لسانی معیاری کاری پر مبنی ہو جو زبان کی خصوصیت کا احترام کرے۔ یوں خاندان ایک دقیق ریکارڈ رہتا ہے، نہ کہ متضاد نقول کا ڈھیر۔

حوالہ جات

1. Fellegi, I. P., & Sunter, A. B. "A Theory for Record Linkage." Journal of the American Statistical Association, 1969.
2. Russell, R. C. / Odell, M. Soundex (US Patents, 1918/1922); Taft, R. NYSIIS, 1970.
3. Winkler, W. E. "String Comparator Metrics and Enhanced Decision Rules in the Fellegi–Sunter Model." US Census Bureau, 1990.
4. Marton, Y., & Zitouni, I. "Transliteration Normalization for Information Extraction and Machine Translation." Journal of King Saud University — Computer and Information Sciences, 2014.
5. Newcombe, H. B., et al. "Automatic Linkage of Vital Records." Science, 1959.
6. Getoor, L., & Machanavajjhala, A. "Entity Resolution: Theory, Practice & Open Challenges." Proc. VLDB, 2012.
7. Christen, P. Data Matching: Concepts and Techniques for Record Linkage. Springer, 2012.