filter:
အသုံးအဆောင်အိတ်များမတွေ့ပါ။
ကမ္ဘာအနှံ့ရှိဘာသာစကားများစွာဖြင့်ကြွယ်ဝသောစနစ်တကျထားသောဒေတာအစုများပါသော AI-enabled စကားပြောမော်ဒယ်များကိုတည်ဆောက်ပြီးနေရာချပါ။ အပြည့်အဝစိတ်ကြိုက်ရည်ရွယ်ချက်များ၊ ပြောဆိုချက်များနှင့်လူ ဦး ရေဖြန့်ဝေမှု။
ဖောက်သည်ပြန်လည်သုံးသပ်ခြင်း၊ ဘဏ္newsာရေးသတင်း၊ လူမှုရေးမီဒီယာစသည့်စိတ်အနှောက်အယှက်များကိုအဓိပ္ပာယ်ကောက်ယူခြင်းဖြင့်လူ့စိတ်လှုပ်ရှားမှုနှင့်ခံစားချက်များကိုဆန်းစစ်ပါ။
ဒေတာမောင်းနှင်သည့် အကြောင်းအရာကို ထိန်းညှိပေးခြင်းဖြင့် စွမ်းအားတု ဉာဏ်ရည်တုဖြင့် မြှင့်တင်ထားသော ယုံကြည်မှုနှင့် အမှတ်တံဆိပ်ဂုဏ်သတင်းကို ခံစားလိုက်ပါ။
ရုပ်ပုံတစ်ခုသို့မဟုတ်ဗီဒီယိုတစ်ခု၏မျက်နှာအမှတ်အသားများကို အခြေခံ၍ လူတစ် ဦး သို့မဟုတ်တစ်ခုထက်ပိုသောမျက်နှာများကိုအလိုအလျောက်ရှာဖွေပါ။ ရှိပြီးသားလူ့မျက်နှာများ၏ဒေတာဘေ့စ်ကိုရှာဖွေပြီးအသိဥာဏ်ရှိသောမျက်နှာအသိအမှတ်ပြုပလက်ဖောင်းတစ်ခုတည်ဆောက်ရန်ကိုက်ညီပါ။
ပုံရိပ်နှင့်ဗွီဒီယိုအပိုင်းအစများကို သုံး၍ မိမိကိုယ်ကိုမောင်းနှင်သည့်မော်တော်ယာဉ်များအတွက်စက်သင်ကြားမှုစနစ်ကိုလေ့ကျင့်ပါ။ လူ၊ ယာဉ်၊ ယာဉ်ကြော၊ လမ်းကြမ်းများစသည်တို့ကိုခွဲခြားပါ။
ကွန်ပျူတာအမြင်သည် Artificial Intelligence နည်းပညာနယ်ပယ်တစ်ခုဖြစ်သည်။ စက်များသည်လူသားများပြုလုပ်သည့်အမြင်အာရုံကမ္ဘာကိုကြည့်ရှုရန်၊ နားလည်ရန်နှင့်အနက်ဖွင့်ရန်စက်များကိုလေ့ကျင့်ပေးသည်။ ၎င်းသည်စက်သင်ယူမှုမော်ဒယ်များကိုတီထွင်ရာတွင်အထောက်အကူဖြစ်စေသည့်အရာများ၊ ပုံရိပ်တစ်ခုသို့မဟုတ်ဗွီဒီယိုတစ်ခုအတွင်းရှိအရာဝတ္ထုများကိုတိကျမှန်ကန်စွာနားလည်ရန်၊ ခွဲခြားရန်နှင့်ခွဲခြားရန်ဖြစ်သည်။
LLM များသည် စာသားများကို ပိုင်းခြားစိတ်ဖြာပြီး အလုပ်အမျိုးမျိုးအတွက် မြန်ဆန်ထိရောက်သော ဖြေရှင်းချက်များကို ပေးဆောင်သည့် ကွန်ပျူတာပရိုဂရမ်များဖြစ်သည်။
ရှုပ်ထွေးသောဒေတာများကို လုပ်ဆောင်နိုင်သောဉာဏ်ရည်အဖြစ်သို့ ပြောင်းလဲရန် Generative AI ၏စွမ်းအားကို အသုံးချပါ။
သဘာဝဘာသာစကားထုတ်ယူခြင်း (NLP) ကိုအရည်အသွေးမြင့်သင်တန်းအချက်အလက်များအဖြစ်စာသား၊
စားသုံးသူဒိုင်းနမစ်များသည်လွန်ခဲ့သောနှစ်အနည်းငယ်အတွင်းသိသိသာသာပြောင်းလဲခဲ့သည်။ လူများသည်ကိုယ်ပိုင်စျေး ၀ ယ်အတွေ့အကြုံများလိုချင်သည်။ ဤအရာများကိုသင်၏ဖောက်သည်များအားပေးနိုင်ရန်တစ်ခုတည်းသောနည်းလမ်းမှာအစွမ်းထက်ထောက်ခံချက်အင်ဂျင်များဖြင့်ဖြစ်သည်။
ဒေတာမောင်းနှင်သည့် အကြောင်းအရာကို ထိန်းညှိပေးခြင်းဖြင့် စွမ်းအားတု ဉာဏ်ရည်တုဖြင့် မြှင့်တင်ထားသော ယုံကြည်မှုနှင့် အမှတ်တံဆိပ်ဂုဏ်သတင်းကို ခံစားလိုက်ပါ။
ကျွန်ုပ်တို့၏ခိုင်မာသောဘဏ္dataာရေးအချက်အလက်မှတ်ချက်များ ၀ န်ဆောင်မှုများဖြင့်ရလဒ်ကောင်းများကိုခွဲခြမ်းစိတ်ဖြာခြင်း၊ ခန့်မှန်းခြင်းနှင့်ခန့်မှန်းခြင်း
စားသုံးသူဒိုင်းနမစ်များသည်လွန်ခဲ့သောနှစ်အနည်းငယ်အတွင်းသိသိသာသာပြောင်းလဲခဲ့သည်။ လူများသည်ကိုယ်ပိုင်စျေး ၀ ယ်အတွေ့အကြုံများလိုချင်သည်။ ဤအရာများကိုသင်၏ဖောက်သည်များအားပေးနိုင်ရန်တစ်ခုတည်းသောနည်းလမ်းမှာအစွမ်းထက်ထောက်ခံချက်အင်ဂျင်များဖြင့်ဖြစ်သည်။
ကမ္ဘာလုံးဆိုင်ရာဘာသာစကားများအတွက် အံဝင်ခွင်ကျဖြစ်စေသော ကျွန်ုပ်တို့၏ကျွမ်းကျင်စွာစီစဉ်ထားသော TTS ဒေတာအတွဲများနှင့် အပြန်အလှန်တုံ့ပြန်မှုတိုင်းတွင် ပြိုင်ဆိုင်မှုမရှိသော ရှင်းလင်းပြတ်သားမှုနှင့် သွက်လက်မှုကို ခံစားလိုက်ပါ။
AR နှင့် VR နည်းပညာများအတွက်တိကျသောလေ့ကျင့်ရေးအချက်အလက်များဖြင့်အနာဂတ်ကိုဖော်ပြပါ။
ဂြိုဟ်တုပုံရိပ်များနှင့် UAV ဓာတ်ပုံများကိုမှတ်သားခြင်း၊ Geo.AI အတွက် geoprocessing အတွက်အချက်အလက်များပြင်ဆင်ခြင်းနှင့် 3D point cloud တို့အားမှတ်သားခြင်း။
နည်းပညာသင်ခန်းစာများအတွက်အရည်အသွေးမြင့်လေ့ကျင့်ရေးအချက်အလက်များမှတဆင့်တိကျသောရလဒ်များဖြင့်ရှေ့သို့တစ်လှမ်းတိုးပါ
စာသားကို entity type များ, ပြုပြင်မွမ်းမံခြင်းနှင့်ဆက်ဆံရေးသို့မှတ်စုများအားဖြင့်ကျန်းမာရေးစောင့်ရှောက်မှုအတွက် AI ကိုမော်ဒယ်များဖွံ့ဖြိုးတိုးတက်ဖို့စက်သင်ယူမှု algorithms လေ့ကျင့်။
မျိုးဆက်သစ်နည်းပညာ၊ အယ်လဂိုရီသမ်များနှင့် မူဘောင်များဖြင့် AI သည် ပျက်စီးနေသောအစိတ်အပိုင်းများကို ခွဲခြားသတ်မှတ်ခြင်းနှင့် အသိအမှတ်ပြုခြင်း၊ ပျက်စီးမှုအတိုင်းအတာကို အကဲဖြတ်ခြင်း၊ လိုအပ်သောပြုပြင်မှုအမျိုးအစားကို ခန့်မှန်းခြင်းနှင့် စုစုပေါင်းကုန်ကျစရိတ်ကို ခန့်မှန်းခြင်းတို့ကို နားလည်နိုင်ပါသည်။
စာသားစာရွက်စာတမ်းတစ်ခုတွင်ဖော်ပြထားသောအမည်များကိုသတ်မှတ်ထားသောအမျိုးအစားများ (ဥပမာအားဖြင့်လူ၊ အဖွဲ့အစည်း၊ နေရာစသဖြင့်) သို့တံဆိပ်ကပ်ခြင်းဖြင့်စက်ပစ္စည်းလေ့လာခြင်း algorithms များကိုလေ့ကျင့်ပါ။
ရုပ်ပုံတစ်ခုသို့မဟုတ်ဗီဒီယိုတစ်ခု၏မျက်နှာအမှတ်အသားများကို အခြေခံ၍ လူတစ် ဦး သို့မဟုတ်တစ်ခုထက်ပိုသောမျက်နှာများကိုအလိုအလျောက်ရှာဖွေပါ။ ရှိပြီးသားလူ့မျက်နှာများ၏ဒေတာဘေ့စ်ကိုရှာဖွေပြီးအသိဥာဏ်ရှိသောမျက်နှာအသိအမှတ်ပြုပလက်ဖောင်းတစ်ခုတည်ဆောက်ရန်ကိုက်ညီပါ။
ဒေတာမောင်းနှင်သည့် အကြောင်းအရာကို ထိန်းညှိပေးခြင်းဖြင့် စွမ်းအားတု ဉာဏ်ရည်တုဖြင့် မြှင့်တင်ထားသော ယုံကြည်မှုနှင့် အမှတ်တံဆိပ်ဂုဏ်သတင်းကို ခံစားလိုက်ပါ။
စိတ်ကြိုက်နိုးကြားမှုစကားလုံးလေ့ကျင့်ရေးဒေတာဖြင့် အမြဲနားဆင်နိုင်သော အသံအက်ပ်များကို တည်ဆောက်ပါ။
စာသားကို entity type များ, ပြုပြင်မွမ်းမံခြင်းနှင့်ဆက်ဆံရေးသို့မှတ်စုများအားဖြင့်ကျန်းမာရေးစောင့်ရှောက်မှုအတွက် AI ကိုမော်ဒယ်များဖွံ့ဖြိုးတိုးတက်ဖို့စက်သင်ယူမှု algorithms လေ့ကျင့်။
ရုပ်ပုံများနှင့်ဗွီဒီယိုများတွင်ပါရှိသောရုပ်ပုံများသို့မဟုတ်အရာဝတ္ထုများကိုခွဲခြားရန်စက်ပစ္စည်းလေ့လာခြင်းဆိုင်ရာ algorithms များကိုလေ့ကျင့်ပါ။
ဆက်ဖတ်ရန်
ဘာသာစကားအမျိုးမျိုး၊ ပတ်ဝန်းကျင်နှင့် အကြောင်းအရာမျိုးစုံတွင် လူသားစကားပြောခြင်းကို တုံ့ပြန်ရန် virtual/digital Assistant နှင့် chatbot များကို လေ့ကျင့်ရန် ဒေတာ။
ဆက်ဖတ်ရန်
ကျွန်ုပ်တို့၏ကူးယူခြင်းအထူးကုမှစာသားကိုအသံသို့မဟုတ်ဗွီဒီယိုများအားဒီဂျစ်တယ်နည်းဖြင့်လျင်မြန်စွာနှင့်တိကျစွာခွဲခြားသတ်မှတ်နိုင်သည်။
ဆက်ဖတ်ရန်
ရုပ်ပုံများတွင် အရာဝတ္ထုများကို သက်ဆိုင်ရာ အမျိုးအစားများ ခွဲခြားသတ်မှတ်ခြင်း။ လွယ်ကူသောစကားလုံးများဖြင့် အပိုင်းခွဲခြင်းသည် pixels များသို့ အညွှန်းများသတ်မှတ်ပေးခြင်းဖြစ်ပါသည်။
ဆက်ဖတ်ရန်
လက်လီအသုံးပြုမှုအတွက်မျက်နှာအသိအမှတ်ပြုမှုပုံစံကိုတည်ဆောက်ရန်ကျားမမတူကွဲပြားမှု၊ အတွင်းအပြင်အပြင်အပြင်အလင်းရောင်အခြေအနေ၊ ဖမ်းယူနိုင်သည့်ထောင့်၊
ဆက်ဖတ်ရန်
ပုံများနှင့်၎င်းတို့၏ဖော်ပြချက်များသည်လက်ချင်းချိတ်သင့်သည်။ ပုံများသည် ၀ ယ်သူများအကြားစိတ်ဝင်စားမှုကိုဖန်တီးသင့်သော်လည်း၊ ဖော်ပြချက်များသည်၎င်းကိုဆက်ထိန်း ထား၍ ၎င်းတို့ကို ၀ ယ်ယူရန်တွန်းအားပေးသင့်သည်။ သင်၏စက်သင်ယူမှုစနစ်များသည်ပုံနှင့်ထုတ်ကုန်တိကျမှုကိုအလိုအလျောက်တိုးတက်ကောင်းမွန်စေပါစေ။
ဆက်ဖတ်ရန်
၎င်းတို့၏အကြောင်းအရာပေါ် မူတည်၍ စာရွက်စာတမ်းများကိုသတ်မှတ်ပါ (ဥပမာ - နည်းပညာ၊ အားကစား၊ ရုပ်ရှင်နှင့်စသည်)
ဆက်ဖတ်ရန်
အဝတ်အစားသို့မဟုတ်လက်ဝတ်ရတနာအသစ်များကိုကြိုးစားခြင်းမှကျွန်ုပ်တို့၏အလုပ်များကိုဂရုစိုက်ရန်အချိန်ပြည့် virtual လက်ထောက်ရှိခြင်းမှ VR သည်လူသားများပြုလုပ်သောအလုပ်များစွာတွင်ပါဝင်သောရှုပ်ထွေးမှုကိုလွယ်ကူစေနိုင်သည်။
ဆက်ဖတ်ရန်
အသုံးပြုမှုကိစ္စရပ်အမျိုးမျိုးကိုဖြေရှင်းရန် ဖွဲ့စည်းပုံမထားသောဒေတာအတွင်း နက်နဲစွာတွေ့ရှိရသော အရေးပါသောအချက်အလက်များကို သော့ဖွင့်ရန်အတွက် ဒိုမိန်း-သီးသန့်ဘာသာစကားပေါင်းစုံ စာသားဒေတာ (လုပ်ငန်းကတ်ဒေတာအစုံ၊ စာရွက်စာတမ်းဒေတာအစုံ၊ မီနူးဒေတာအစုံ၊ ပြေစာဒေတာအစုံ၊ လက်မှတ်ဒေတာအစုံ) ဖြင့် သဘာဝဘာသာစကားဖြင့် စီမံဆောင်ရွက်ပေးခြင်း။
ဆက်ဖတ်ရန်
AI နှင့် chatbots များကိုလေ့ကျင့်ရန်နှင့်တိုးတက်စေရန်မိန့်ခွန်းအချက်အလက်ကောက်ယူရာတွင်ကျွန်ုပ်တို့ခေါင်းဆောင်တစ် ဦး ဖြစ်သည်။ စကားလုံးများ၊ အခေါ်အဝေါ်များကိုစုဆောင်းပြီး၊ ဘာသာစကား ၆၀ ကျော်နှင့်စကားသုံးမျိုးအဖြစ်ခွဲခြားထားသောဒေတာများကိုသင့်အားကျွန်ုပ်တို့ကူညီပေးပါသည်။
ဆက်ဖတ်ရန်
စက်ပစ္စည်းလေ့လာမှုစွမ်းရည်များသို့ကြီးမားသော volumes များစုဆောင်းခြင်းအားဖြင့် (ကွန်ပျူတာပုံရိပ်ဆိုင်ရာ Datasets၊ ငွေတောင်းခံလွှာပုံရိပ် Datasets၊ Facial Database စုဆောင်းခြင်းသို့မဟုတ်မည်သည့်စိတ်ကြိုက်ဒေတာအစု) ကိုအသုံးပြုခြင်းကိစ္စရပ်များအတွက်ဥပမာ - ပုံရိပ်ခွဲခြားခြင်း၊
ဆက်ဖတ်ရန်
စက်သင်ယူမှုမော်ဒယ်များကိုလေ့ကျင့်ရန်အတွက် CCTV ဗီဒီယိုများ၊ အသွားအလာဗီဒီယို၊ စောင့်ကြည့်ရေးဗီဒီယိုစသည့်လှုပ်ရှားမှုဆိုင်ရာလေ့ကျင့်သင်ကြားမှုဆိုင်ရာဗီဒီယိုအချက်အလက်များစုဆောင်းပါ။ တစ်ခုချင်းစီကို Datasets client ကိုလိုအပ်ချက်များနှုန်းအဖြစ်စိတ်ကြိုက်ဖြစ်ပါတယ်။
ဆက်ဖတ်ရန်
သင်၏ဖောက်သည်များယခင်က ၀ ယ်ခဲ့သောအရာများအပေါ် မူတည်၍ AI စနစ်များသည်သူတို့ ၀ ယ်လိုသောထုတ်ကုန်များနှင့် ၀ န်ဆောင်မှုများကိုအကြံပြုနိုင်သည်။ AI သည်ဖောက်သည်၏သူငယ်ချင်းများနှင့်မိသားစုအသိုင်းအဝိုင်း၌ ၀ ယ်ယူထားသောထုတ်ကုန်များကိုပြုစုနိုင်ပြီးစံပြထုတ်ကုန်များကိုအကြံပြုနိုင်သည်။
ဆက်ဖတ်ရန်
ဘာသာစကား, စကား, semantic, အဘိဓာန်, etc အပေါ်အခြေခံပြီးမိန့်ခွန်း / အသံခွဲခြားရန်အသံသို့မဟုတ်ပြောသမျှကိုခွဲခြား။
ဆက်ဖတ်ရန်
ရင်းမြစ်အမျိုးမျိုးမှ ငွေကြေးအချက်အလက်များကို စုစည်းပြီး ခွဲခြမ်းစိတ်ဖြာပါ။ အခြေခံ သို့မဟုတ် အဆင့်မြင့်သော မည်သည့်လိုအပ်ချက်မဆို ဖြည့်ဆည်းရန် ကျွန်ုပ်တို့တွင် အဖြေရှိပါသည်။
ဆက်ဖတ်ရန်
လက်မှတ်ရ ဒိုမိန်းကျွမ်းကျင်သူများကို အသုံးပြု၍ တိကျသေချာမှုရှိသော စာရွက်စာတမ်းများမှ အာမခံအဖွဲ့အစည်းများကို ရေးထိုးပါ။
ဆက်ဖတ်ရန်
ဆရာဝန်များလက်ရေးမှဆရာ ၀ န်များ၏ဆေးညွှန်းများအထိကျွန်ုပ်တို့၏ကူးယူခြင်းအထူးကုများသည်ဆေးဘက်ဆိုင်ရာအချက်အလက်များ၊ စာချုပ်များ၊ စာချုပ်များ၊ ဆေးမှတ်တမ်းများ၊
ဆက်ဖတ်ရန်
လမ်းများ၊ AI-based ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရယာဉ်စနစ်များအတွက်အရည်အသွေးမြင့်လေ့ကျင့်ရေးအချက်အလက်များတည်ဆောက်ရန်မီးခိုးတိုင်များ၊ လမ်းလျှောက်သူ၊ မော်တော်ယာဉ်များ (ကားများ၊ စက်ဘီးများ၊ ဘတ်စ်ကားများ)၊ လမ်းများ၊
ဆက်ဖတ်ရန်
မျက်လုံး၊ ခေါင်း၊ ပါးစပ်စသည့်မျက်နှာအသွင်အပြင်များကိုမြင့်မားသောတိကျမှုနှင့်မျက်တောင်ခတ်ခြင်းနှင့်သက်ဆိုင်သော metadata များဖြင့်မှတ်သားခြင်းဖြင့်မြင့်မားသောတိကျမှန်ကန်သောယာဉ်မောင်းစောင့်ကြည့်မှုစနစ်ကို enable လုပ်ပါ။
ဆက်ဖတ်ရန်
လူသွားလူလာခြေရာခံရန်အရည်အသွေးမြင့်လေ့ကျင့်ရေးဒေတာများတည်ဆောက်ရန် 2D နယ်နိမိတ်သေတ္တာများပါသောလမ်းသွားလမ်းလာများအားမှတ်သားပါ။
ဆက်ဖတ်ရန်
ဖောက်သည်ပြန်လည်သုံးသပ်ခြင်းစောင့်ကြည့်ခြင်းလျှောက်လွှာကိုတည်ဆောက်ရန်သုံးစွဲသူ၏တုံ့ပြန်ချက်၏သဘောထားဆန်းစစ်ချက် (ပျော်ရွှင်မှု၊ စိတ်ပျက်မှု၊ အမျက်ဒေါသ၊ ၀ မ်းနည်းမှု)
သုံးစွဲသူ၏အတွေ့အကြုံများကိုမြှင့်တင်ရန်နှင့်မျိုးဆက်သစ် chatbots၊ ဒစ်ဂျစ်တယ်လက်ထောက်များနှင့်စကားပြောဆိုသော AI တို့၏ဖွံ့ဖြိုးတိုးတက်မှုကိုတိကျစွာမောင်းနှင်ရန်အသုံးပြုသူ၏ရည်ရွယ်ချက်ကိုပိုမိုနားလည်ပါ။
တစ် ဦး ချင်း၊ အဖွဲ့အစည်းများ၊ တည်နေရာများစသည့်စာရွက်စာတမ်းတစ်ခုရှိအမည်ရှိအဖွဲ့အစည်းများအကြားဆက်သွယ်မှုများကိုဖော်ထုတ်ရာတွင်ရှိသည့်သက်သေအထောက်အထားများကိုရှာဖွေခြင်းအားဖြင့်လိမ်လည်မှုပုံစံကိုဖော်ထုတ်နိုင်သည့် NLP ကိုတီထွင်ပြီးပို့ဆောင်ပါ။
ပုံရိပ်ရောဂါနှင့် Anomaly ထောက်လှမ်းတိုးတက်လာဖို့ radiology ပုံရိပ်တွေအတွင်းရွေးချယ်ဒေသများ၏အပိုင်းနှင့်ခွဲခြား။
ကွဲပြားခြားနားသောအမျိုးအစားများသို့အရေးပါသောရောဂါများကိုမြေပုံဆွဲခြင်းဖြင့်လက်တွေ့ NLP ၏ဖွံ့ဖြိုးတိုးတက်မှုသည်မြေနှင့်ဆိုင်သောအမှန်တရားအချက်အလက်များကိုကောင်းစွာမှတ်သားထားသည်။
ကွဲပြားခြားနားသောအမျိုးအစားများသို့အရေးပါသောရောဂါများကိုမြေပုံဆွဲခြင်းဖြင့်လက်တွေ့ NLP ၏ဖွံ့ဖြိုးတိုးတက်မှုသည်မြေနှင့်ဆိုင်သောအမှန်တရားအချက်အလက်များကိုကောင်းစွာမှတ်သားထားသည်။
မြင့်မားသော volume ပုံရိပ်သိုလှောင်မှုနှင့်အတူအလိုအလျောက်နှင့်ပစ္စည်းဥစ္စာပိုင်ဆိုင်မှုတောင်းဆိုမှုများကိုအကဲဖြတ်မှုမြန်သည်။
ကြံ့ခိုင်။ ကောင်းစွာလေ့ကျင့်ထားသော Virtual Chatbots (သို့) ဒီဂျစ်တယ်လက်ထောက်များသည်ဖောက်သည်များနှင့်ဖောက်သည်များ၏ဆက်သွယ်မှုကိုဖောက်သည်များ၏အတွေ့အကြုံသိသိသာသာတိုးတက်စေရန်ဖြည့်ဆည်းပေးခဲ့သည်။
အမျိုးအစားခွဲခြားခြင်း (သို့မဟုတ်) ခွဲခြားသတ်မှတ်ခြင်းဟုလည်းလူသိများသည်စာသားကိုစနစ်တကျအုပ်စုများအဖြစ်ခွဲခြားခြင်းနှင့်၎င်းကိုစိတ် ၀ င်စားစရာကောင်းသည့်လက္ခဏာများပေါ် အခြေခံ၍ တံဆိပ်ကပ်ခြင်းလုပ်ငန်းစဉ်ဖြစ်သည်။
ခေါင်းစဉ်ခွဲခြမ်းစိတ်ဖြာခြင်းသို့မဟုတ်ခေါင်းစဉ်တပ်ခြင်းဆိုသည်မှာပြန်လည်သုံးသပ်သောခေါင်းစဉ်များနှင့်ထည့်သွင်းစဉ်းစားနေသောအကြောင်းအရာများကိုဖော်ထုတ်ခြင်းအားဖြင့်ပေးထားသောစာသားမှအဓိပ္ပာယ်ကိုဖော်ထုတ်ထုတ်ယူခြင်းဖြစ်သည်။