Ein Argument dient dazu, die Plausibilität einer Aussage logisch zu begründen. Häufig sind dafür viele Sätze notwendig, in denen Aussagen mit Hintergrundinformationen und rhetorischen Mitteln subjektiv zusammengebracht werden. Wissenschaftler der Universitäten Paderborn und Leipzig erforschen jetzt, wie Begründungen in Texten automatisch und objektiv mithilfe von maschinellem Lernen zusammengefasst werden können. Das Vorhaben wird von der Deutschen Forschungsgemeinschaft (DFG) innerhalb des Schwerpunktprogramms „Robust Argumentation Machines“ (RATIO) ab April 2021 für eine Dauer von drei Jahren mit rund 642.000 Euro gefördert.
Suchmaschinen als Ausgangspunkt für Argumentzusammenfassungen
Einen Ausgangspunkt für das Projekt „OASiS: Objective Argument Summarization in Search“ bildet die von Jun.-Prof. Dr. Wachsmuth, Universität Paderborn, in Zusammenarbeit mit den Universitäten Leipzig, Weimar und Halle entwickelte Suchmaschine „args.me“, die seit 2017 online ist. Diese stellt Pro- und Kontraargumente zu Suchthemen gegenüber, um die selbstbestimmte Meinungsbildung zu unterstützen. Dafür werden kurze Text-Snippets generiert, um den Suchenden einen schnellen Überblick über die vielfältigen Argumente zu geben. Wachsmuth erklärt, welche Leerstelle sein Projekt füllt: „Ausgehend vom Stand der Technik liegt der Forschungsschwerpunkt in der automatischen Textzusammenfassung und dem sogenannten Stiltransfer, das heißt, der Änderung des Stils eines Textes unter Erhaltung des Inhalts. Beide gelten generell als algorithmisch komplexe Probleme, in spezifischen Kontexten wurden in jüngerer Zeit aber deutliche Fortschritte erzielt. Für Argumente gibt es erste erfolgreiche Inhaltszusammenfassungen, gleichwohl ohne Berücksichtigung des argumentativen Kerns. Stiltransfer wurde bislang für Argumente nicht erforscht. Diese Lücken soll das Projekt schließen.“
Intelligente Algorithmen zur Zusammenfassung und Neutralisierung des Stils
Nach der Erstellung eines Datensatzes mit vielen händisch verfassten Argumentzusammenfassungen sollen neuartige algorithmische Methoden entwickelt werden, die anhand der Daten selbstständig lernen, automatisch argumentative Begründungen zusammenzufassen und deren Still zu neutralisieren. Das bedeutet, dass die zusammengefasste Argumentation wertfrei im Sinne der Reduzierung von subjektiven Ansichten und prägnant sein soll. „Die gewonnenen Erkenntnisse werden dabei helfen, besser zu verstehen, wie sich subjektive Sprache – wie Argumentation – algorithmisch zusammenfassen lässt“, erklärt Jun-Prof. Dr. Martin Potthast von der Universität Leipzig. „Der Datensatz wird die systematischere Forschung an Argumentgenerierung ermöglichen. Die Methoden werden für Suchmaschinen und vergleichbare Anwendungen nützlich sein“, so der Wissenschaftler weiter. Potthast und Wachsmuth stellen ihre Ergebnisse am Projektende zur freien Verfügung, um den Zielen des DFG-Forschungsschwerpunktes RATIO und der Forschung zur automatischen Sprachverarbeitung im Allgemeinen zuträglich zu sein.
