প্রাকৃতিক ভাষা প্রক্রিয়াকরণ: এটি কী এবং কেন এটি গুরুত্বপূর্ণ

মানুষের ভাষা প্রক্রিয়াকরণ এবং উৎপন্ন করার ক্ষমতা যেকোনো কম্পিউটারকে কেবল একটি যন্ত্রের চেয়েও বেশি কিছু হওয়ার শক্তি দেয় - কারণ এটি বাধা ভেঙে দেয়, মানব-কম্পিউটার মিথস্ক্রিয়াকে সহজ করে তোলে, নতুন কম্পিউটিং সিস্টেমের জন্য অসংখ্য সুযোগ প্রদান করে এবং উৎপাদনশীলতা বৃদ্ধি করে।

এই ব্লগ পোস্টটি প্রাকৃতিক ভাষা প্রক্রিয়াকরণের উপর আলোকপাত করে, যাতে বোঝা যায় যে এটি আপনার এবং আপনার ব্যবসার জন্য কীভাবে কার্যকর হতে পারে।

প্রাকৃতিক ভাষা প্রক্রিয়াকরণ কি?

প্রাকৃতিক ভাষা প্রক্রিয়াকরণ, যাকে NLPও বলা হয়, এটি কম্পিউটার বিজ্ঞান এবং ভাষাবিজ্ঞানের একটি উপ-ক্ষেত্র। এটির লক্ষ্য কম্পিউটারগুলিকে মানুষের ভাষা বোঝার, ব্যাখ্যা করার এবং তৈরি করার ক্ষমতা প্রদান করা।

ভাষা মানুষের মিথস্ক্রিয়াগুলির মূলে রয়েছে এবং NLP হল সেই সেতু যা পাঠ্য, বক্তৃতা এবং এমনকি সাংকেতিক ভাষার মাধ্যমেও মানুষকে সবচেয়ে প্রাকৃতিক উপায়ে কম্পিউটারের সাথে সংযুক্ত করে।

প্রাকৃতিক ভাষা প্রক্রিয়াকরণের সূচনা হয় ১৯৫০-এর দশকের গোড়ার দিকে, ১৯৫৪ সালে জর্জটাউন-আইবিএম-এর একটি পরীক্ষার মাধ্যমে , যা স্বয়ংক্রিয়ভাবে ৬০টিরও বেশি রুশ বাক্যকে ইংরেজিতে অনুবাদ করেছিল। শতাব্দীর পরবর্তী ভাগে এর উন্নয়ন অব্যাহত ছিল, কিন্তু সেই সিস্টেমগুলোর বেশিরভাগই হাতে লেখা নিয়ম ব্যবহার করত।

তবে, ১৯৮০-এর দশকের শেষভাগ থেকে, ক্রমবর্ধমান ও সস্তা প্রসেসিং ক্ষমতার ফলে স্ট্যাটিস্টিক্যাল এনএলপি-র জন্ম হয়। এটি বৃহৎ ডেটাসেট থেকে প্যাটার্ন, সম্পর্ক এবং সম্ভাবনা আবিষ্কার করার জন্য স্ট্যাটিস্টিক্যাল মডেল এবং প্যারালাল কর্পাসের মতো মেশিন লার্নিং কৌশল ব্যবহার করত । কিন্তু ২০০০-এর দশকের শুরুতে, নিউরাল নেটওয়ার্কগুলো তাদের অনেক উন্নত পারফরম্যান্সের জন্য পছন্দের মেশিন লার্নিং পদ্ধতিতে পরিণত হয়।

আজ, প্রাকৃতিক ভাষা প্রক্রিয়াকরণের জন্য বিভিন্ন ধরনের নিউরাল নেটওয়ার্ক ব্যবহার করা হয়। তারা অন্তর্ভুক্ত:

• ট্রান্সফরমার মডেল
• BERT (ট্রান্সফরমার থেকে দ্বিমুখী এনকোডার প্রতিনিধিত্ব)
• CNN (Convolutional Neural Networks)
• আরএনএন (পুনরাবৃত্ত নিউরাল নেটওয়ার্ক)
• LSTMs (লং শর্ট-টার্ম মেমরি) নেটওয়ার্ক।

মডেলগুলি প্রয়োজনীয় আউটপুট তৈরি করতে ইনপুট ডেটাতে বিভিন্ন কাজ এবং সাব-টাস্ক প্রয়োগ করে যেমন টেক্সট জেনারেশন, ভাষা বোঝা, বক্তৃতা শনাক্তকরণ, অনুবাদ ইত্যাদি।

কেন NLP ব্যাপার?

এনএলপির অ্যাপ্লিকেশনগুলি বিশাল এবং বিবর্তিত হচ্ছে। এটি অনেক শিল্প এবং ব্যবহারের জন্য এটি একটি গুরুত্বপূর্ণ প্রযুক্তি করে তোলে। এখানে কয়েকটি উদাহরণ দেওয়া হল:

• যন্ত্রানুবাদ: আশ্চর্যজনক নির্ভুলতা এবং ব্যাকরণগত অখণ্ডতার সাথে এক ভাষা থেকে অন্য ভাষাতে অনুবাদ করার জন্য NLP প্রয়োগ করা হচ্ছে।
• ভার্চুয়াল সহকারী: গ্রাহক পরিষেবা প্রদান থেকে শুরু করে অনেক প্রশ্নের উত্তর দেওয়া, সাহচর্য দেওয়া এবং ভয়েস কমান্ডের মাধ্যমে কাজ চালানো, NLP কর্মীদের উৎপাদনশীলতা বৃদ্ধি করতে এবং অনেকের জীবনযাত্রার মান উন্নত করতে সাহায্য করছে।
• পাঠ্য বিশ্লেষণ এবং সারাংশ: NLP চিত্তাকর্ষক গতিতে বড় নথি থেকে মূল তথ্য বের করা সহজ করে তোলে। এটি নথি, পাঠ্য, ইমেল বা ওয়েব পৃষ্ঠাগুলির সংক্ষিপ্তসার যে কোনও মানুষের চেয়ে দ্রুত করতে সহায়তা করে৷
• অনুভূতির বিশ্লেষণ: কোনও লেখা বা নথিতে প্রকাশিত আবেগ এবং মতামত বোঝার মাধ্যমে, ব্যবসাগুলি বাজার গবেষণা, সামাজিক মিডিয়া পর্যবেক্ষণ এবং ভবিষ্যতের বিপণন প্রচারণার জন্য মূল্যবান তথ্য আহরণ করতে পারে।

কিভাবে প্রাকৃতিক ভাষা প্রক্রিয়াকরণ কাজ করে

প্রাকৃতিক ভাষা প্রক্রিয়াকরণ বিভিন্ন কৌশল ব্যবহার করে ভাষাবিজ্ঞান এবং কম্পিউটার বিজ্ঞানের শক্তিকে একত্রিত করে মানুষের ভাষা বুঝতে এবং ব্যাখ্যা করতে কম্পিউটারকে সক্ষম করার উপর দৃষ্টি নিবদ্ধ করে যা পূর্বনির্ধারিত নিয়মের উপর নির্ভর করে পরিসংখ্যানগত মডেল থেকে পরিসংখ্যানগত মডেল যা লেবেলযুক্ত প্রশিক্ষণ ডেটা থেকে তাদের নিদর্শনগুলি শিখতে পারে। , এবং আরও আধুনিক গভীর শিক্ষার মডেল যা পাঠ্য থেকে আরও জটিল নিদর্শন সনাক্ত করতে এবং শ্রেণীবদ্ধ করতে নিউরাল নেটওয়ার্ক নিয়োগ করে।

যদিও NLP-এর বাস্তবায়নে বিভিন্ন সিস্টেম পরিবর্তিত হবে, একটি সাধারণ প্রক্রিয়া যার মধ্যে বিভিন্ন ধাপ রয়েছে:

• টেক্সট প্রিপ্রসেসিং: অন্য সব কাজ শুরু করার আগে এটি প্রাথমিক পর্যায়। প্রথমত, পাঠ্যের মূল অংশটি পৃথক শব্দ বা ছোট এককগুলিতে বিভক্ত হয় যেমন বাক্যাংশগুলিকে টোকেন বলা হয়। এই প্রক্রিয়াটিকে নিজেই টোকেনাইজেশন বলা হয় এবং এটি কার্যকরী সংগঠিত এবং প্রক্রিয়াকরণে সহায়তা করে। অন্যান্য প্রিপ্রসেসিং কাজগুলির মধ্যে রয়েছে ছোট হাতের লেখা, যেখানে সমস্ত টেক্সটকে ছোট হাতের অক্ষরে রূপান্তরিত করা হয় যাতে অভিন্নতার জন্য এবং স্টপওয়ার্ডগুলি অপসারণ করা হয় যা অর্থে সামান্য অবদান রাখে।
• পার্ট অফ স্পিচ ট্যাগিং: এই ধাপে উপরের ধাপ 1 এ প্রাপ্ত প্রতিটি টোকেনে ব্যাকরণগত ট্যাগ বরাদ্দ করা জড়িত। ব্যাকরণগত ট্যাগের মধ্যে বিশেষ্য, ক্রিয়াপদ, বিশেষণ এবং ক্রিয়াবিশেষণ অন্তর্ভুক্ত। এই ধাপটি ইনপুট পাঠ্যের সিনট্যাকটিক গঠন বুঝতে সাহায্য করে।
• নামকৃত সত্তা স্বীকৃতি (NER): একটি নামযুক্ত সত্তার মধ্যে জিনিসপত্র অন্তর্ভুক্ত থাকে যেমন মানুষ বা স্থানের নাম, একটি প্রতিষ্ঠানের ঠিকানা, একটি গাড়ির মডেল ইত্যাদি। এই ধাপে টেক্সটে নামকৃত সত্তার সনাক্তকরণ এবং শ্রেণীকরণ জড়িত। এখানে লক্ষ্য হল সম্ভাব্য গুরুত্বপূর্ণ তথ্য বের করা যা পাঠ্যটিকে আরও ভালোভাবে বুঝতে সাহায্য করবে।
• পার্সিং এবং সিনট্যাক্স বিশ্লেষণ: এখানে, আপনি শব্দ এবং বাক্যাংশের মধ্যে সম্পর্ক বোঝার চেষ্টা করার জন্য পাঠ্যের ভিতরে বাক্যের ব্যাকরণগত গঠন বিশ্লেষণ করেন। এই ধাপের লক্ষ্য হল পাঠ্যের অর্থ এবং প্রসঙ্গ বোঝা।
• অনুভূতির বিশ্লেষণ: অনুভূতি বিশ্লেষণের মাধ্যমে, আপনি পাঠ্যে প্রকাশিত ধারণা(গুলি) উপলব্ধি করতে চাইছেন৷ অনুভূতিগুলি ইতিবাচক, নেতিবাচক বা নিরপেক্ষ হতে পারে এবং একটি নির্দিষ্ট বিষয়ের প্রতি সামগ্রিক মনোভাব বা মতামতের একটি ভাল ছবি আঁকতে সাহায্য করে।
• ভাষা মডেলিং: এই প্রক্রিয়ার মধ্যে পরিসংখ্যানগত বা মেশিন লার্নিং মডেল তৈরি করা জড়িত যা ভাষার ডেটাতে নিদর্শন এবং সম্পর্কগুলি ক্যাপচার করে। এই মডেলগুলি ভাষা তৈরি, মেশিন অনুবাদ, বা পাঠ্য সংক্ষিপ্তকরণের মতো কাজগুলিকে সক্ষম করে৷
• আউটপুট জেনারেশন: চূড়ান্ত অংশ হল ব্যবহারকারীর কাছে একটি আউটপুট তৈরি করা। ভাষা অনুবাদ এবং পাঠ্য সংক্ষিপ্তকরণের মতো কাজের জন্য এটি প্রয়োজনীয়।

আরো প্রাকৃতিক ভাষা প্রক্রিয়াকরণ কাজ

উপরে তালিকাভুক্ত প্রক্রিয়া পদক্ষেপগুলি ছাড়াও, পছন্দসই ফলাফল অর্জনের জন্য প্রাকৃতিক ভাষা প্রক্রিয়াকরণে অন্যান্য অনেক কাজ প্রায়শই নিযুক্ত করা হয়। এখানে আরো জনপ্রিয় কিছু আছে.

• OCR করুন: OCR মানে অপটিক্যাল ক্যারেক্টার রিকগনিশন, এবং এটি এমন একটি প্রযুক্তি যা ছবিকে ডিজিটাল ডেটাতে রূপান্তর করতে ব্যবহৃত হয়। উদাহরণস্বরূপ, যখন আপনাকে একটি চালান বা রসিদ স্ক্যান করতে হবে এতে থাকা পরিসংখ্যান বের করে আপনার কোম্পানির ডাটাবেসে সংরক্ষণ করতে হবে, আপনি OCR ক্ষমতা সহ একটি সফ্টওয়্যার প্রোগ্রাম ব্যবহার করবেন। যাইহোক, OCR প্রযুক্তির সীমা রয়েছে, যেমন শব্দের যথার্থতা, প্রসঙ্গ এবং শব্দার্থগত বোঝাপড়ার সাথে। কিন্তু এনএলপি সংযোজনের সাথে, ওসিআর প্রোগ্রামগুলি আরও প্রাসঙ্গিক বোঝাপড়া, কর্মযোগ্য অন্তর্দৃষ্টি, উন্নত নির্ভুলতা এবং শ্রেণীকরণের সাথে আরও ভাল আউটপুট তৈরি করতে পারে।
• কন্ঠ সনান্তকরণ: ডিজিটাল ট্রান্সক্রিপশন পরিষেবা থেকে ভয়েস সহকারী এবং ভয়েস-অ্যাক্টিভেটেড ডিভাইস, স্পিচ রিকগনিশনের ব্যবহার অনেক। যাইহোক, প্রসঙ্গ এবং অনুভূতি বিশ্লেষণ থেকে যোগ করা তথ্য ছাড়া অডিও স্পিচের সহজ স্বীকৃতি খুব বেশি ব্যবহার হয় না। এনএলপি অডিও ইনপুট থেকে একটি টেক্সট আউটপুট প্রদান করে স্পিচ রিকগনিশন প্রযুক্তিকে আরও উপযোগী করে তোলে যা আরও উত্পাদনশীলতার জন্য অন্যান্য মেশিনে খাওয়ানো যেতে পারে।
• পাঠ্য থেকে স্পিচ: লিখিত পাঠ্যের শ্রবণযোগ্য বক্তৃতায় রূপান্তর, প্রায়শই চ্যাটবট এবং ভার্চুয়াল সহকারীকে মানুষের মতো শ্রবণযোগ্য কণ্ঠ দিতে ব্যবহৃত হয়। যদিও প্রাথমিক বাস্তবায়নে একঘেয়ে কণ্ঠস্বর ছিল, আরও আধুনিক টেক্সট্-টু-স্পিচ সিস্টেম যেমন এগারো ল্যাব এত ভাল হয়েছে যে আপনি তাদের আউটপুটগুলিকে একটি আসল ভয়েস থেকে আলাদা করতে পারবেন না।
• প্রাকৃতিক ভাষা বোঝা: এটি কোনো ডেটাসেটের যুক্তিসঙ্গত ধারণা তৈরি করার প্রক্রিয়া। ন্যাচারাল ল্যাঙ্গুয়েজ বোধগম্যতা এমন যেকোন কাজকে অন্তর্ভুক্ত করে যা পাঠ্যের বোধগম্যতা এবং ব্যাখ্যাকে উন্নত করতে পারে, নামকৃত সত্তার স্বীকৃতি থেকে সিনট্যাক্স এবং ব্যাকরণ বিশ্লেষণ, শব্দার্থগত বিশ্লেষণ এবং বিভিন্ন মেশিন লার্নিং অ্যালগরিদম।
• প্রাকৃতিক ভাষা জেনারেশন: সর্বাধিক পরিচিত কাজ এক. এখানে, ডেটাকে শব্দে পরিণত করা হয় যা যে কোনও মানুষ গল্প বলার মাধ্যমে বা জিনিস ব্যাখ্যা করে বুঝতে পারে। এটিই চ্যাটবটগুলি আকর্ষণীয় কথোপকথন তৈরি করতে ব্যবহার করে। প্রাকৃতিক ভাষা তৈরির আরেকটি ধরন হল পাঠ্য থেকে পাঠ্য প্রজন্ম, যেখানে একটি ইনপুট পাঠ্য সম্পূর্ণ ভিন্ন পাঠ্যে রূপান্তরিত হয়। এই পদ্ধতিটি সারসংক্ষেপ, অনুবাদ এবং রিফ্রেসিং বটগুলিতে পাওয়া যায়।
• নামকরণ সত্তা স্বীকৃতি: NER বা নামকৃত সত্তা স্বীকৃতি হল একটি তথ্য নিষ্কাশন উপ-টাস্ক যা পূর্বে সংজ্ঞায়িত শ্রেণীতে আইটেম বা সত্তার সনাক্তকরণ এবং শ্রেণীবিভাগ জড়িত। তাই, এনইআর মেশিনকে নির্দিষ্ট সত্ত্বাকে চিনতে সাহায্য করে, যেমন একজন ব্যক্তি, গাড়ি বা স্থান একটি পাঠ্য বা নথি থেকে, যার ফলে অর্থপূর্ণ তথ্যের নিষ্কাশনের উন্নতি হয়।
• অনুভূতির বিশ্লেষণ: এটি প্রাকৃতিক ভাষা প্রক্রিয়াকরণের আরেকটি উপ-ক্ষেত্র যা পাঠ্য ডেটা থেকে আবেগ এবং ব্যক্তিগত মতামতগুলি আহরণ এবং বোঝার চেষ্টা করে। এই ক্ষমতা মেশিনগুলিকে কটাক্ষ, সাংস্কৃতিক পার্থক্য, এবং ইতিবাচক, নেতিবাচক এবং নিরপেক্ষ অনুভূতির মতো অনুভূতিগুলি পরিমাপ করে মানুষের যোগাযোগের জটিলতাকে আরও ভালভাবে নেভিগেট করতে সক্ষম করে। ব্যবসাগুলি এটিকে বাজার গবেষণা, ব্র্যান্ড পর্যবেক্ষণ, গ্রাহক সহায়তা এবং সামাজিক মিডিয়া বিশ্লেষণের জন্য নিয়োগ করে।
• বিষাক্ততার শ্রেণীবিভাগ: যখন আপনি কোনও ফোরাম বা সোশ্যাল মিডিয়ায় ঘৃণাত্মক বক্তব্য পোস্ট করেন এবং মডারেটর বট স্বয়ংক্রিয়ভাবে এটিকে ফ্ল্যাগ করে, তখন আপনি একটি বিষাক্ততা শ্রেণীবিভাগ AI মডেলের দ্বারা ধরা পড়েন। এই সিস্টেমগুলিকে মেশিন লার্নিং এবং NLP ব্যবহার করে বিভিন্ন অ্যালগরিদম দিয়ে প্রশিক্ষিত করা হয় যাতে টেক্সট ডেটাতে অপমান, হুমকি এবং ঘৃণাত্মক বক্তব্যের মতো ক্ষতিকারক বিষয়বস্তু স্বয়ংক্রিয়ভাবে সনাক্ত এবং শ্রেণীবদ্ধ করা যায়।
• সংক্ষেপণ: এনএলপি AI মডেলগুলির পক্ষে দ্রুত প্রচুর পরিমাণে তথ্য পড়া সম্ভব করে যা একজন মানুষের অনেক বেশি সময় লাগত। তারপর সেই পাঠ্যের সবচেয়ে গুরুত্বপূর্ণ অংশগুলি চিহ্নিত করুন এবং এটি একটি সুসংগত আকারে উপস্থাপন করুন। এটি একটি ব্যবহারকারীর সময় এবং প্রচেষ্টা সাশ্রয় করে, বোঝার উন্নতি করে এবং সিদ্ধান্ত গ্রহণকে উন্নত করে।
• স্টেমিং: একটি প্রিপ্রসেসিং পদ্ধতি যা শব্দকে তাদের মূল ভিত্তিতে কমিয়ে দেয়। পাঠ্য সম্পর্কে আরও ভাল বোঝা তৈরি করতে সহায়তা করে।

রিয়েল-ওয়ার্ল্ড এনএলপি অ্যাপ্লিকেশন

এখানে প্রাকৃতিক ভাষা প্রক্রিয়াকরণ এবং সম্পর্কিত প্রযুক্তির বিভিন্ন বাস্তব-বিশ্বের অ্যাপ্লিকেশনগুলির একটি তালিকা রয়েছে৷

• চ্যাটবট পছন্দ করে চ্যাটজিপিটি.
• অনুবাদক যেমন ইংরেজি থেকে জার্মান বা রাশিয়ান থেকে ফরাসি এআই অনুবাদক।
• অ্যাপলের সিরির মতো ভার্চুয়াল সহকারী, অ্যামাজনের অ্যালেক্সা, এবং OpenAI এর ChatGPT।
• যেমন স্বয়ংক্রিয়-সঠিক সিস্টেম Grammarly.
• সার্চ ইঞ্জিন পছন্দ করে আপনি.com.
• টেক্সট সারসংক্ষেপ যেমন আপনি ChatGPT থেকে পেতে পারেন।

এনএলপিতে চ্যালেঞ্জ

যদিও প্রাকৃতিক ভাষা প্রক্রিয়াকরণ অনেক ক্ষেত্রে উল্লেখযোগ্য অগ্রগতি করেছে, তবুও প্রযুক্তির মুখোমুখি সমস্যা রয়েছে। এখানে প্রধান কিছু আছে:

• অস্পষ্টতা এবং প্রসঙ্গ: মানুষের ভাষা জটিল এবং সহজাতভাবে অস্পষ্ট। সুতরাং, সমস্ত পরিস্থিতিতে মানুষের যোগাযোগকে সম্পূর্ণরূপে উপলব্ধি করা মেশিনগুলির জন্য একটি কঠিন কাজ।
• ডেটা এবং মডেল বায়াস: এআই সিস্টেমগুলি প্রায়শই পক্ষপাতদুষ্ট হয়, যে ডেটাতে তারা প্রশিক্ষণপ্রাপ্ত হয়েছিল তার উপর ভিত্তি করে। সুতরাং, একটি মডেল যতই ভালো হোক না কেন, সবসময় কিছু পক্ষপাত থাকে, যা নৈতিক উদ্বেগ তৈরি করে।
• কারণের অভাব: মেশিনগুলিরও সাধারণ জ্ঞান এবং যুক্তি নেই যা মানুষের কাছে স্বাভাবিকভাবে আসে এবং সেগুলিকে একটি সিস্টেমে প্রয়োগ করা সমানভাবে কঠিন কাজ হতে পারে।

NLP শেখার জন্য সম্পদ

1. স্ট্যানফোর্ড এনএলপি গ্রুপ: https://nlp.stanford.edu/
2. Coursera: https://www.coursera.org/
3. DeepLearning.AI: https://www.deeplearning.ai/resources/natural-language-processing/
4. দ্রুত তথ্য বিজ্ঞান: https://fastdatascience.com/guide-natural-language-processing-nlp/
5. কাগল: https://www.kaggle.com/
6. দ্রুত তথ্য বিজ্ঞান: https://fastdatascience.com/guide-natural-language-processing-nlp/
7. প্রাকৃতিক ভাষা টুলকিট: https://www.nltk.org/
8. আলিঙ্গন মুখ: https://huggingface.co/
9. উইকিপিডিয়া: https://en.m.wikipedia.org/wiki/Natural_language_processing
10. মেশিন লার্নিং মাস্টারি: https://machinelearningmastery.com/
11. দুর্দান্ত এনএলপি: https://github.com/keon/awesome-nlp
12. আমাজন বোঝা: https://aws.amazon.com/comprehend/
13. Google ক্লাউড প্রাকৃতিক ভাষা: https://cloud.google.com/natural-language
14. স্পেসসি: https://spacy.io/

উপসংহার

প্রাকৃতিক ভাষা প্রক্রিয়াকরণ কৃত্রিম বুদ্ধিমত্তার একটি আকর্ষণীয় ক্ষেত্র যা মেশিনগুলিকে এমন জিনিস করতে সক্ষম করে যা কয়েক দশক আগে কল্পনা করা যায় না। এই প্রযুক্তি কম্পিউটার অ্যাপ্লিকেশনের ক্ষেত্রকে প্রসারিত করেছে এবং নতুন বাজার তৈরি করছে।

আপনি NLP এর সাথে শুরু করতে সাহায্য করার জন্য অনেকগুলি বিভিন্ন ক্ষমতা, বাস্তব-বিশ্বের অ্যাপ্লিকেশন এবং উপলব্ধ সরঞ্জামগুলি দেখেছেন৷ যাইহোক, আপনার এবং আপনার ব্যবসার সম্ভাবনাকে আনলক করবে এমন বুদ্ধিমান সিস্টেমের বিকাশে তাদের সুবিধার উপায় খুঁজে বের করা আপনার উপর নির্ভর করে।