Strukturerat beslutsfattande stöd:Forskningsprojektet "ArgumenText" inom Ubiquitous Knowledge Processing har hittat ett sätt att filtrera konkreta pro och con argument på alla ämnen bland bruset på internet.

Googling efter sökordet "Kärnkraft" på internet ger cirka 268 miljoner träffar:Förklaringar, definitioner, lobbytexter, tidningsartiklar, anekdoter, konspirationsteorier. Hur kan någon, till exempel en investerare, söker riktiga för- och nackargument angående kärnkraft som ett beslutsfattande stöd, hitta vad de letar efter? Projektet "ArgumenText" inom Fachgebiet Ubiquitous Knowledge Processing (UKP) vid Institutionen för datavetenskap vid TU Darmstadt syftar till att filtrera bort konkreta argument från omfattande och heterogena textmassor.

Nyligen, en demo av söksystemet kom på plats som redan har bevisat sitt värde på mässor. Till exempel, alla som forskar om ämnet "kärnkraft" kommer, efter några sekunder, se knappt hundra argument för och emot kärnkraft - från en mängd olika webbplatser. Det bättre CO ₂ balans och effektiviteten hos atomenergiproduktion listas här, tillsammans med de använda ämnenas toxicitet och farliga karaktär och de långa perioder då de utsöndrar radioaktivt avfall i sin omgivning. De respektive källorna är länkade.

För det här syftet, texter som finns tillgängliga på internet undersöks med hjälp av neurala nätverk, klassificeras som relevant eller inte relevant för sökämnet, och knackade sedan på argument. "Man söker inte bara enskilda ord, men grammatiska strukturer, kontexter och semantik undersöks för att avgöra om ett påstående är ett "argument" eller inte och om det är på för- eller nackdelen, "förklarar doktor Johannes Daxenberger, som arbetar i teamet av professor Iryna Gurevych som en av de två projektledarna på ArgumenText.

Algoritmerna bakom ArgumenText är under utveckling av teamet inom själva fältet, bygger på inledande experiment som startade 2014 med en uppsättning studentuppsatser. "Utmaningen var att göra ett system som är utbildat i en specifik typ av text överförbart till vilken typ av text som helst, "säger den andra projektledaren Dr Christian Stab." Argumentation i vetenskapliga texter, till exempel, är helt annorlunda än i sociala medier. "Teamet operationerade olika modeller av argumentationsteori och lärde datorsystem att använda dessa modeller. För att optimera algoritmerna, laget anställd i ett kraftfullt datornätverk; en mindre, ett kraftfullare datanätverk som effektivt kan indexera internetbaserade texter används nu för pågående drift.

Offentlig demonstrant

Demonstranten är stabil och har nyligen blivit allmänt tillgänglig. Projektet går alltså in i nästa fas, som specifikt kommer att testa vilka applikationer som är särskilt lovande för den nya tekniken. De viktigaste målgrupperna är beslutsfattare från näringslivet som måste bedöma om det är värt att använda en innovation, och journalister som snabbt och pålitligt måste ta sig till kärnan i ett ämne inom ramen för en sökning, säger Daxenberger. "Vi tror att systemet skulle kunna användas lönsamt inom dessa områden."

För validering, de deltagande forskarna förbereder för närvarande metoden för användning med tyskspråkiga texter också. Nu, ArgumenText talar endast engelska, arbetar med en textkorpus från år 2016 och fungerar bäst med tekniska frågor. Detta kommer snart att ändras. Det kommer också att vara möjligt att söka i realtid i det ständigt växande antalet texter på internet.

För närvarande, algoritmen sorterar påståenden efter hur pålitligt de kan fungera som argument. Forskare arbetar för att aggregera argumenten mot användare, presentera dem enligt teman. "Detta är uppenbart ur ett applikationsperspektiv, men absolut inte trivialt ur teknisk synvinkel, "säger Stab. Argument mining, erkännande av språkliga argument med hjälp av datavetenskap, blir allt viktigare och mer synlig, säger Daxenberger och Stab, inom forskning om digital humaniora. TU var tidigt aktiv inom detta område. "Vår arbetsgrupp har väl och synligt etablerat TU inom argumentgruvdrift, "säger professor Iryna Gurevych, chef för UKP. För det här syftet, det tvärvetenskapliga teamet arbetar med TU Institutionen för sociala och historiska vetenskaper, liksom med andra universitet från nätverket av Rhen-Main universitet.