Hier die Veröffentlichung:

„Learning to Play Chess from Textbooks (LEAP): a Corpus for Evaluating Chess Moves based on Sentiment Analysis.“

https://arxiv.org/pdf/2310.20260.pdf

Hier der Github Code der über Python läuft:

https://github.com/resrepos/LEAP

Zusammenfassung (maschinell übersetzt):

Das Erlernen von Schachstrategien ist weithin untersucht worden, wobei sich die meisten Studien auf das Lernen aus früheren Partien unter Verwendung von Suchalgorithmen konzentrierten. Schachlehrbücher enthalten das Wissen von Großmeistern, erklären Spielstrategien und erfordern einen kleineren Suchraum als herkömmliche Schachagenten. Diese Arbeit untersucht Schachlehrbücher als neue Wissensquelle, die es Maschinen ermöglicht, das Schachspiel zu erlernen - eine Ressource, die bisher noch nicht erforscht wurde. Wir haben das LEAP-Korpus entwickelt, einen ersten und neuen heterogenen Datensatz mit strukturierten (Schachzugnotationen und Brettzustände) und unstrukturierten Daten (Textbeschreibungen), die aus einem Schachlehrbuch mit 1164 Sätzen gesammelt wurden, die strategische Züge aus 91 Partien diskutieren. Wir haben die Sätze zunächst nach ihrer Relevanz gekennzeichnet, d. h. danach, ob sie einen Zug besprechen. Jeder relevante Satz wurde dann entsprechend seiner Stimmung gegenüber dem beschriebenen Zug gekennzeichnet. Wir haben empirische Experimente durchgeführt, um die Leistung verschiedener transformatorbasierter Basismodelle für die Stimmungsanalyse zu bewerten. Unsere Ergebnisse zeigen die Durchführbarkeit des Einsatzes von transformatorbasierten Stimmungsanalysemodellen für die Bewertung von Schachzügen, wobei das leistungsstärkste Modell einen gewichteten Mikro-F1-Score von 68 % erreichte. Schließlich haben wir das LEAP-Korpus synthetisiert, um einen größeren Datensatz zu erstellen, der als Lösung für die begrenzten Textressourcen im Schachbereich verwendet werden kann.

Anmerkung:

ChatGPT 4.0 erläutert auch die Bewertung einer SchachStellung durch Text.