I ricercatori hanno presentato PatchScout, un framework multi-agente progettato per raccogliere insiemi riutilizzabili di documenti Web attinenti a un tema definito. A differenza dei sistemi creati per rispondere a una singola query, mira a trovare materiale pertinente distribuito su fonti diverse, comprese parti del web non collegate tramite link.
La ricerca inquadra la raccolta come un problema di foraggiamento informativo a lungo termine. Una query di ricerca apre una «patch semantica» di risultati e pagine vicine; il sistema deve decidere per quanto tempo esplorare quell’area prima di cercarne un’altra. PatchScout combina la ricerca adattiva con l’esplorazione locale dei link e impiega agenti specializzati per individuare le patch, valutarne la pertinenza, sfruttare le aree promettenti e decidere quando passare ad altro.
Secondo il documento, i metodi di crawling esistenti possono non individuare fonti pertinenti quando queste non sono collegate alle pagine iniziali, mentre gli agenti basati sulla ricerca possono fermarsi una volta raccolte informazioni sufficienti per rispondere a una domanda. PatchScout, invece, considera obiettivi sia la profondità della raccolta all’interno delle fonti individuate sia la copertura di più fonti, entro un budget fisso di interazioni.
Negli esperimenti condotti su quattro argomenti del web in tempo reale, gli autori riferiscono che PatchScout ha aumentato il numero di documenti raccolti e la copertura dei domini rispetto ai metodi di confronto basati sull’esplorazione e sul ragionamento supportato dalla ricerca. In un’attività applicata di scienze sociali che prevedeva una raccolta incompleta, ha individuato 102 entità che non erano state identificate in precedenza.
Fonti: arXiv cs.AI.