Pesquisadores apresentaram o PatchScout, uma estrutura multiagente projetada para reunir coleções reutilizáveis de documentos da Web sobre um tema definido. Ao contrário dos sistemas criados para responder a uma única consulta, seu objetivo é encontrar materiais relevantes distribuídos por diversas fontes, incluindo partes da web que não estão conectadas por links.
A pesquisa formula a coleta como um problema de busca de informação de longo prazo. Uma consulta de pesquisa abre um “conjunto semântico” de resultados e páginas próximas; o sistema precisa decidir por quanto tempo explorar essa área antes de buscar outra. O PatchScout combina pesquisa adaptativa com navegação local por links e utiliza agentes especializados para descobrir conjuntos, avaliar a relevância, explorar áreas promissoras e decidir quando mudar de área.
O artigo argumenta que os métodos de rastreamento existentes podem deixar de encontrar fontes relevantes quando elas não estão conectadas às páginas iniciais, enquanto agentes orientados por pesquisa podem parar assim que têm informações suficientes para responder a uma pergunta. Em vez disso, o PatchScout trata tanto a profundidade da coleta nas fontes descobertas quanto a cobertura entre fontes como objetivos sujeitos a um orçamento fixo de interações.
Em experimentos com quatro temas da web ao vivo, os autores relatam que o PatchScout melhorou o número de documentos encontrados e a cobertura de domínios em relação às linhas de base baseadas em navegação e em raciocínio aumentado por pesquisa. Em uma tarefa aplicada de ciências sociais que envolvia uma coleção incompleta, ele encontrou 102 entidades que não haviam sido identificadas anteriormente.
Fontes: arXiv cs.AI.