¿Hay algún proyecto en curso que use Stack Exchange para el aprendizaje automático?

¿Hay algún proyecto de IA en curso que use Stack Exchange para el aprendizaje automático?

Ciertamente parece haber habido proyectos de investigación que involucran alguna forma de minería de texto / recuperación de información / etc. y sitios de StackExchange.

Algunos ejemplos que pude encontrar a través de google / google scholar (es poco probable que estén cerca de una lista exhaustiva):

• TACIT: una herramienta de análisis, rastreo e interpretación de texto de código abierto describe numerosos rastreadores de texto para una variedad de sitios (incluidos los sitios de Stack Exchange, pero también Twitter, Reddit, etc.). A primera vista, parece que se trata principalmente de rastrear, no de hacer nada más con los datos después. Sin embargo, buscar otros documentos que citan este en Google Académico puede arrojar resultados interesantes, puede dar lugar a documentos que utilizaron esto para rastrear e hicieron más con los datos después.
• Chaff from the Wheat: Caracterización y modelado de preguntas eliminadas en Stack Overflow describe la investigación sobre la calidad de las preguntas de Stack Overflow en algún sentido (específicamente, prediciendo si las preguntas se eliminarán, por ejemplo). No estoy 100% seguro de si este es también el tipo de cosas que te interesan; se trata de Stack Exchange + Machine Learning como lo implica el título de su pregunta, pero no necesariamente sobre la retención de información de las respuestas como lo implica el texto en su pregunta.
• Desbordamiento de pila de minería de texto: una visión de los desafíos y dificultades relacionadas con la materia que enfrentan los estudiantes de informática también describe la minería de texto en las preguntas y respuestas de StackOverflow, aunque a simple vista parece que se trata principalmente de detección de temas, etc., no necesariamente de preguntas automatizadas respondiendo por ejemplo.
• Las diferentes facetas del sistema de respuesta automática de preguntas basado en texto parecen ser una encuesta relativamente reciente sobre el tema de la investigación de respuesta automática de preguntas. Stack Exchange se menciona varias veces como un ejemplo de una fuente de datos para tales sistemas, pero no parece usarse de otra manera.
• Extender PythonQA con el conocimiento de StackOverflow se trata específicamente de incorporar preguntas y respuestas de StackOverflow en un sistema automatizado de preguntas y respuestas para preguntas sobre el lenguaje de programación Python . El documento proporciona un enlace a más detalles ( http://pythonqas2.epl.di.uminho.pt ), pero ese enlace parece estar inactivo. Supongo que siempre puedes intentar contactar a los autores directamente si estás interesado en obtener más información al respecto.

En términos más generales, los sistemas de respuesta automática a preguntas parecen ser un área de investigación bastante activa, no un problema trivial / "resuelto". StackExchange puede ser una fuente de datos para tales sistemas, pero también hay muchas otras fuentes de datos (Wikipedia, Quora, etc.).

DuckDuckGo aprende respuestas a preguntas técnicas de StackExchange. Escriba una pregunta técnica como "los proyectos en curso usan stackexchange" en DuckDuckGo y proporcionará un resumen resaltado de la respuesta en el lado derecho. Y el pato tiene una API abierta para muchas (100) más fuentes de datos de respuesta a preguntas. O puede ir directamente a la API de stackexchange .

Los proyectos pueden usar los datos de la API abierta de SE siempre que cumplan con sus TOU . Básicamente, asegúrese de que sus usuarios puedan saber que los datos provienen de Stack Exchange. La licencia de copyright también puede limitar su capacidad de alterar el contenido del texto, por ejemplo, con un resumen resumido aprendido. Quizás es por eso que Duck.com solo resalta las palabras clave.

La ley de derechos de datos está cambiando, especialmente cuando se trata de los datos que envió a un sitio y los modelos de aprendizaje automático derivados de esos datos. Las nuevas normas europeas de datos y privacidad le permiten descargar o eliminar todos los datos que envíe a un sitio como el intercambio de pila.