Wie man seinen Agenten trainiert, lesen und schreiben zu können

Das Lesen und Schreiben von Forschungsartikeln ist eine der privilegiertesten Fähigkeiten, die ein qualifizierter Forscher beherrschen sollte. Allerdings ist es für neue Forscher (z.B. Studierende) schwierig, diese Fähigkeit vollständig zu erlernen. Es wäre faszinierend, wenn wir einen intelligenten Agenten ausbilden könnten, der Menschen beim Lesen und Zusammenfassen von Artikeln hilft und möglicherweise sogar das Potenzial kenntnisrelevanter Hinweise entdeckt und nutzt, um innovative Arbeiten zu verfassen. Obwohl bereits existierende Arbeiten sich auf das Zusammenfassen (d.h., Lesen) des Wissens in einem gegebenen Text oder das Generieren (d.h., Schreiben) eines Textes basierend auf dem gegebenen Wissen konzentrieren, ist die gleichzeitige Fähigkeit zum Lesen und Schreiben noch in Entwicklung. Typischerweise erfordert dies, dass ein Agent das Wissen aus den gegebenen Textmaterialien vollständig versteht und korrekte und flüssige neue Absätze generiert, was in der Praxis sehr herausfordernd ist. In dieser Arbeit schlagen wir ein tiefes Leser-Schreiber-Netzwerk (Deep ReAder-Writer Network, DRAW) vor, das aus einem \textit{Leser} besteht, der Wissensgraphen (KGs) aus Eingabeabsätzen extrahieren und potenzielles Wissen entdecken kann; einem graph-to-text-\textit{Schreiber}, der einen neuen Absatz generiert; sowie einem \textit{Rezensenten}, der den generierten Absatz unter drei verschiedenen Aspekten überprüft. Ausführliche Experimente zeigen, dass unser DRAW-Netzwerk die betrachteten Baseline-Methoden sowie mehrere state-of-the-art-Verfahren auf den Datensätzen AGENDA und M-AGENDA übertrifft. Unser Code und die ergänzenden Materialien sind unter https://github.com/menggehe/DRAW veröffentlicht.