論文の概要: What Changed Your Mind: The Roles of Dynamic Topics and Discourse in Argumentation Process

• arxiv url: http://arxiv.org/abs/2002.03536v1
• Date: Mon, 10 Feb 2020 04:27:48 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-02 08:48:11.765124
• Title: What Changed Your Mind: The Roles of Dynamic Topics and Discourse in Argumentation Process
• Title（参考訳）: 心を変えたもの - 論証過程における動的トピックと談話の役割-
• Authors: Jichuan Zeng, Jing Li, Yulan He, Cuiyun Gao, Michael R. Lyu, Irwin King
• Abstract要約: 本稿では,議論の説得力において重要な要因を自動的に分析する研究について述べる。 議論的会話における潜在トピックや談話の変化を追跡できる新しいニューラルモデルを提案する。
• 参考スコア（独自算出の注目度）: 78.4766663287415
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In our world with full of uncertainty, debates and argumentation contribute to the progress of science and society. Despite of the increasing attention to characterize human arguments, most progress made so far focus on the debate outcome, largely ignoring the dynamic patterns in argumentation processes. This paper presents a study that automatically analyzes the key factors in argument persuasiveness, beyond simply predicting who will persuade whom. Specifically, we propose a novel neural model that is able to dynamically track the changes of latent topics and discourse in argumentative conversations, allowing the investigation of their roles in influencing the outcomes of persuasion. Extensive experiments have been conducted on argumentative conversations on both social media and supreme court. The results show that our model outperforms state-of-the-art models in identifying persuasive arguments via explicitly exploring dynamic factors of topic and discourse. We further analyze the effects of topics and discourse on persuasiveness, and find that they are both useful - topics provide concrete evidence while superior discourse styles may bias participants, especially in social media arguments. In addition, we draw some findings from our empirical results, which will help people better engage in future persuasive conversations.
• Abstract（参考訳）: 不確実性に満ちた私たちの世界では、議論と議論が科学と社会の進歩に寄与します。 人間の議論を特徴づける注意が高まっているにもかかわらず、ほとんどの進歩は議論の成果に焦点を合わせ、議論プロセスの動的なパターンを無視した。 本稿では,誰を説得するかを単に予測するだけでなく,議論の説得力の主要な要因を自動的に分析する。 具体的には,議論的会話における潜在話題や談話の変化を動的に追跡し,説得の結果に影響を与える役割を解明できる新しいニューラルモデルを提案する。 ソーシャルメディアと最高裁判所の両方で議論的な会話に関する広範な実験が行われている。 その結果,本モデルは,話題や談話の動的要因を明示的に探究することで説得的引数を識別する上で,最先端モデルよりも優れていることがわかった。 さらに,話題や談話が説得力に与える影響を分析した結果,双方が有用であることが判明した。 さらに、実験結果からいくつかの知見が得られ、将来の説得力のある会話へのより深い関与に役立つだろう。

関連論文リスト

• AutoPersuade: A Framework for Evaluating and Explaining Persuasive Arguments [0.5242869847419834]
  私たちは説得力のあるメッセージを構築するためのフレームワークであるAutoPersuadeを紹介します。 我々は説得力に影響を与える議論の特徴を識別する新しい話題モデルを開発した。 このモデルを用いて、新たな議論の有効性を予測し、異なるコンポーネントの因果的影響を評価する。
  論文  参考訳（メタデータ） (2024-10-11T15:46:05Z)
• Persua: A Visual Interactive System to Enhance the Persuasiveness of Arguments in Online Discussion [52.49981085431061]
  説得力のある議論を書く能力を高めることは、オンラインコミュニケーションの有効性と文明性に寄与する。 オンライン議論における議論の説得力向上を支援するツールの設計目標を4つ導き出した。 Persuaは対話型ビジュアルシステムであり、議論の説得力を高めるための説得戦略の例に基づくガイダンスを提供する。
  論文  参考訳（メタデータ） (2022-04-16T08:07:53Z)
• E-ffective: A Visual Analytic System for Exploring the Emotion and Effectiveness of Inspirational Speeches [57.279044079196105]
  E-ffective(エフェクティブ)は、音声の専門家や初心者が、音声要因の役割と効果的な音声への貢献の両方を分析することのできる視覚分析システムである。 E-spiral(音声の感情の変化を視覚的にコンパクトに表現する)とE-script(音声コンテンツを主要な音声配信情報に結びつける)の2つの新しい可視化技術がある。
  論文  参考訳（メタデータ） (2021-10-28T06:14:27Z)
• Towards Understanding Persuasion in Computational Argumentation [10.089382889894246]
  議論における意見形成と説得は、議論そのもの、議論の源、聴衆の特性の3つの主要な要因によって影響を受ける。 この論文は、計算的説得におけるソース、オーディエンス、言語の影響を相対的に理解するためにいくつかの貢献をしている。
  論文  参考訳（メタデータ） (2021-10-03T19:36:21Z)
• Reinforcement Learning-based Dialogue Guided Event Extraction to Exploit Argument Relations [70.35379323231241]
  本稿では、イベント引数の関係を明示的に活用することで、イベント抽出のためのより良いアプローチを提案する。 我々は増補学習と漸進学習を用いて、多回反復的なプロセスを通じて複数の引数を抽出する。 実験の結果,提案手法は7つの最先端イベント抽出法より一貫して優れていることがわかった。
  論文  参考訳（メタデータ） (2021-06-23T13:24:39Z)
• Exploring Discourse Structures for Argument Impact Classification [48.909640432326654]
  本稿では、文脈経路に沿った2つの議論間の談話関係が、議論の説得力を特定する上で不可欠な要素であることを実証的に示す。 本研究では,文レベルの構造情報を大規模言語モデルから派生した文脈的特徴に注入・融合するDisCOCを提案する。
  論文  参考訳（メタデータ） (2021-06-02T06:49:19Z)
• Who Responded to Whom: The Joint Effects of Latent Topics and Discourse in Conversation Structure [53.77234444565652]
  会話談話における応答関係を同定し,会話の開始に応答発話をリンクする。 単語分布における潜在トピックと会話を学習し,ペアワイズ開始応答リンクを予測するモデルを提案する。 英語と中国語の会話における実験結果から,我々のモデルは過去の芸術の状況を大きく上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2021-04-17T17:46:00Z)
• Strategic Argumentation Dialogues for Persuasion: Framework and Experiments Based on Modelling the Beliefs and Concerns of the Persuadee [6.091096843566857]
  特定の対話において議論が良いかどうかを決定するための2つの重要な次元は、意図する観衆が議論と反論を信じる程度であり、議論が意図する観衆の関心に与える影響である。 本稿では,これらのモデルを用いて,説得的対話における移動の選択を最適化する枠組みを提案する。
  論文  参考訳（メタデータ） (2021-01-28T08:49:24Z)
• The Role of Pragmatic and Discourse Context in Determining Argument Impact [39.70446357000737]
  本稿では,議論のこの側面を研究するための新しいデータセットを提案する。 741件の議論の的となり、47,000件以上の主張がある。 議論的クレームの実践的・言論的文脈を取り入れた予測モデルを提案し,そのモデルが,特定の主張行内で個々のクレームが知覚する影響を予測するために,クレーム固有の言語的特徴に依存するモデルより優れていることを示す。
  論文  参考訳（メタデータ） (2020-04-06T23:00:37Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。