ACQuA
Beantwortung von vergleichenden Fragen mit Argumenten
Das Ziel des Projektes ACQuA (gefördert im Rahmen des DFG-SPP 1999 RATIO: Robust Argumentation Machines ) ist Algorithmen und Technologien zu entwickeln, die dabei helfen, vergleichende Informationsbedürfnisse, die als Fragen in natürlicher Sprache ausgedrückt werden, zu verstehen und zu beantworten, indem Fakten, Meinungen und Argumente aus Wissensgraphen und webbasierten Textressourcen abgerufen und kombiniert werden.
Das Projekt ist dadurch motiviert, dass jeder Mensch täglich vor einer Vielzahl von Entscheidungen steht (z.B. welche Programmiersprache man verwenden oder ob man ein Elektroauto kaufen soll) und oft leicht eine entsprechende Frage formulieren kann, die die möglichen Optionen und wichtigen Aspekte enthält.
Unter Ausnutzung des Internets als Wissensquelle sollte eine Antwort auf eine vergleichende Frage idealerweise die verfügbaren Fakten, Meinungen und Argumente direkt in einer (kurzen) natürlichsprachlichen Antwort zusammenfassen, in der erklärt wird, unter welchen Umständen welche Alternative gewählt werden sollte und warum. Dies ist das angestrebte Verhalten unserer comparative argumentation machine (CAM), für die wir im ACQuA-Projekt an den folgenden Modulen arbeiten:
(1) eine benutzerfreundliches Interface zur Einreichung einer vergleichenden Frage in natürlicher Sprache,
(2) eine Fragenverstehenskomponente, die die verglichenen Objekte und wichtige Vergleichsaspekte identifiziert,
(3) ein System, das geeignete Fakten aus einem Wissensgraphen und relevante (möglicherweise argumentative) Dokumente aus einer webbasierten Textressource abruft,
(4) eine Komponente, die aus den verschiedenen extrahierten Fakten und abgerufenen Dokumenten eine (kurze) Antwort in natürlicher Sprache generiert.
ACQuA ist ein Kooperationsprojekt mit der Gruppe "Language Techology" der Universität Hamburg.
[Demo ] Comparative Argumentation Machine (CAM).
[Demo ] TARGER: Neural Argument Mining.
Wir organisieren den zweiten Argument Retrieval Shared Task Touché @ CLEF: Argument Retrieval .