从教科书学习下棋（LEAP）：基于情感分析评估象棋走法的语料库

象棋策略的学习已被广泛研究，大多数研究侧重于利用搜索算法从以往对局中学习。象棋教科书浓缩了特级大师的知识，解释了行棋策略，并且与传统象棋智能体相比需要更小的搜索空间。本文考察象棋教科书作为一种使机器学会下棋的新知识来源——这是此前未被探索过的资源。我们构建了 LEAP 语料库，一个首创且全新的异构数据集，包含从一本象棋教科书中收集的结构化数据（象棋走法记谱与棋盘状态）和非结构化数据（文本描述），其中有 1164 个句子讨论来自 91 局棋的战略走法。我们首先根据句子相关性进行标注，即它们是否在讨论某一步走法。然后每个相关句子根据其对该走法的情感倾向进行标注。我们进行了实证实验，评估多种基于 transformer 的基线模型在情感分析上的表现。我们的结果表明，采用基于 transformer 的情感分析模型来评估象棋走法是可行的，表现最好的模型获得了 68% 的加权微平均 F_1 分数。最后，我们对 LEAP 语料库进行合成以创建更大的数据集，可作为象棋领域文本资源有限的一种解决方案。