Text Expansion con Language Model Generativo con e senza Knowledge Graph Injection

Lo sviluppo e l’impiego dell’Intelligenza Artificiale (AI) cresce esponenzial- mente ogni anno. I vantaggi ed i possibili impieghi di questi strumenti sono innumerevoli. Uno dei campi più importante dell’AI che sta assumendo un ruolo fondamentale è la Natural Language Processing (NLP). Progressivamen- te i calcolatori stanno acquisendo una maggiore capacità di padroneggiare il linguaggio umano ma è ancora una sfida con molte insidie e con margini di mi- glioramento. Tra le varie possibilità che offre questo settore c’è la text-expansion che permette di espandere una frase in linguaggio naturale ottenendo un testo scritto il più simile possibile a ciò che farebbe un umano. Questo strumento trova applicazioni interessanti in tutti i contesti dove si vuole automatizzare l’interazione con l’utente finale attraverso l’utilizzo di frasi o testi. Un fattore comune che influisce sul rendimento di questa tipologia di modelli, anche detti language models, è il livello di conoscenza che riescono ad estrarre in fase di addestramento. Più elevato è questo livello più il modello sarà capace di generalizzare adattandosi a maggiori contesti. La seguente tesi mira a capire se i language models applicati alla text-expansion possono creare un risultato migliore aggiungendo informazioni supplementari da fonti esterne sull’input che verrà usato per generare il testo. Quindi l’obiettivo è quello di studiare se l’esito finale migliora fornendo conoscenze aggiuntive sui concetti trattati oppure se sono più che sufficienti le conoscenze apprese dal modello in fase di addestramento utilizzando i testi di base. Per espandere le stringhe in input ed aggiungere le informazioni in più arricchendo il contesto verranno utilizzati i knowledge graph. Infine, saranno confrontati tutti gli esperimenti svolti per valutare gli effetti delle elaborazioni. I test hanno dimostrato che non c’è un miglioramento nell’inserire le informazioni inerenti al testo utilizzando le tecniche prese in esame.