論文の概要: A Dataset Independent Set of Baselines for Relation Prediction in Argument Mining

• arxiv url: http://arxiv.org/abs/2003.04970v1
• Date: Fri, 14 Feb 2020 12:38:18 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-01 03:56:25.013598
• Title: A Dataset Independent Set of Baselines for Relation Prediction in Argument Mining
• Title（参考訳）: 引数マイニングにおける関係予測のためのデータセット独立基数集合
• Authors: Oana Cocarascu, Elena Cabrio, Serena Villata, Francesca Toni
• Abstract要約: 本稿では,議論的関係予測タスクのための文献で提案されているすべてのデータセットについて,同質な結果が得られる,独立した強いニューラルネットワークの集合を提案する。 議論的関係予測タスクにおいて,提案手法がいかにうまく機能するかを,より効果的に比較するために,アーグメントマイニングコミュニティがベースラインを利用することができる。
• 参考スコア（独自算出の注目度）: 21.337199443041886
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Argument Mining is the research area which aims at extracting argument components and predicting argumentative relations (i.e.,support and attack) from text. In particular, numerous approaches have been proposed in the literature to predict the relations holding between the arguments, and application-specific annotated resources were built for this purpose. Despite the fact that these resources have been created to experiment on the same task, the definition of a single relation prediction method to be successfully applied to a significant portion of these datasets is an open research problem in Argument Mining. This means that none of the methods proposed in the literature can be easily ported from one resource to another. In this paper, we address this problem by proposing a set of dataset independent strong neural baselines which obtain homogeneous results on all the datasets proposed in the literature for the argumentative relation prediction task. Thus, our baselines can be employed by the Argument Mining community to compare more effectively how well a method performs on the argumentative relation prediction task.
• Abstract（参考訳）: 議論マイニング(Argument Mining)は、テキストから議論的コンポーネントを抽出し、議論的関係(すなわち、支援と攻撃)を予測する研究分野である。 特に、議論間の関係を予測するために文献で多くのアプローチが提案され、この目的のためにアプリケーション固有の注釈付きリソースが構築された。 これらの資源が同じタスクで実験するために作られたという事実にもかかわらず、これらのデータセットのかなりの部分にうまく適用できる単一の関係予測方法の定義は、Argument Miningにおけるオープンな研究問題である。 これは、文献で提案されたどの手法も、あるリソースから別のリソースへ容易に移植できないことを意味する。 本稿では,議論的関係予測タスクの文献に提案されているすべてのデータセットについて,同質な結果を得るデータセット独立性強い神経ベースラインを提案することで,この問題に対処する。 したがって,提案手法が議論的関係予測タスクでどれだけうまく機能するかをより効果的に比較するために,Argument Miningコミュニティがベースラインを利用できる。

関連論文リスト

• Mutual Information Multinomial Estimation [53.58005108981247]
  相互情報(MI)の推定は、データサイエンスと機械学習の基本的な課題である。 我々の主な発見は、データ分布の予備的な推定が、劇的に予測に役立ちます。 非ガウス的合成問題を含む多種多様な課題に対する実験は,本手法の利点を実証している。
  論文  参考訳（メタデータ） (2024-08-18T06:27:30Z)
• Identification of Entailment and Contradiction Relations between Natural Language Sentences: A Neurosymbolic Approach [8.931767102433637]
  自然言語推論(NLI)は、自然言語理解の重要な側面である。 RTEへの説明可能なアプローチの必要性に対処するために,テキストを抽象表現に変換する新しいパイプラインを提案する。 次に、AMRグラフを命題論理に変換し、SATソルバを用いて自動推論を行う。
  論文  参考訳（メタデータ） (2024-05-02T13:06:24Z)
• Explainable Topic-Enhanced Argument Mining from Heterogeneous Sources [33.62800469391487]
  核エネルギーのような物議を醸す標的が与えられれば、議論の採鉱は異質な情報源から議論のテキストを識別することを目的としている。 現在のアプローチでは、ターゲット関連セマンティック情報を議論テキストに統合するより良い方法を模索している。 提案手法は, トピック・エンハンスな議論マイニング手法である。
  論文  参考訳（メタデータ） (2023-07-22T17:26:55Z)
• Optimal Heterogeneous Collaborative Linear Regression and Contextual Bandits [34.121889149071684]
  本研究では、各インスタンスの関連パラメータが大域的パラメータとスパースなインスタンス固有項と等しくなるような協調線形回帰と文脈的バンドイットについて検討する。 MOLARと呼ばれる新しい2段階推定器を提案し、まず、インスタンスの線形回帰推定のエントリーワイド中央値を構築し、その後、インスタンス固有推定値を中央値に向けて縮小することで、この構造を利用する。 次に、MOLARを用いて、不均一な協調的文脈的包帯の手法を開発し、独立した包帯法と比較して、後悔の保証を改善する。
  論文  参考訳（メタデータ） (2023-06-09T22:48:13Z)
• EDeR: A Dataset for Exploring Dependency Relations Between Events [12.215649447070664]
  人間アノテーション付きイベント依存関係データセット(EDeR)を紹介する。 この関係を認識することで、より正確なイベント抽出が可能になることを示す。 我々は,3方向の分類を必須引数,任意引数,あるいは非議論に予測することは,より困難な課題であることを示した。
  論文  参考訳（メタデータ） (2023-04-04T08:07:07Z)
• Full-Text Argumentation Mining on Scientific Publications [3.8754200816873787]
  フルテキストSAMに対してADURとAREを組み合わせた逐次パイプラインモデルを提案する。 両サブタスクにおける事前学習言語モデル(PLM)の性能について,最初の解析を行った。 本稿では,非連続型ADUと談話コネクタの解釈が重要な課題であることを示す。
  論文  参考訳（メタデータ） (2022-10-24T10:05:30Z)
• Towards Realistic Low-resource Relation Extraction: A Benchmark with Empirical Baseline Study [51.33182775762785]
  本稿では,低リソース環境下での関係抽出システムを構築するための実証的研究について述べる。 低リソース環境での性能を評価するための3つのスキームについて検討する。 (i) ラベル付きラベル付きデータを用いた異なるタイプのプロンプトベース手法、 (ii) 長期分布問題に対処する多様なバランシング手法、 (iii) ラベル付きインドメインデータを生成するためのデータ拡張技術と自己学習。
  論文  参考訳（メタデータ） (2022-10-19T15:46:37Z)
• Diversity Over Size: On the Effect of Sample and Topic Sizes for Topic-Dependent Argument Mining Datasets [49.65208986436848]
  本研究では,アーギュメント・マイニング・データセットの構成が,少数・ゼロショット設定における影響について検討する。 実験結果から, モデル性能の達成には微調整が必須であるが, 慎重に構成したトレーニングサンプルを用いることで, トレーニングサンプルサイズを最大90%まで下げることで, 最大性能の95%を達成できることがわかった。
  論文  参考訳（メタデータ） (2022-05-23T17:14:32Z)
• IAM: A Comprehensive and Large-Scale Dataset for Integrated Argument Mining Tasks [59.457948080207174]
  本稿では,一連の議論マイニングタスクに適用可能なIAMという,包括的で大規模なデータセットを提案する。 データセットの70k近い文は、引数特性に基づいて完全に注釈付けされている。 議論準備プロセスに関連する2つの新しい統合された議論マイニングタスクを提案する。(1) 姿勢分類付きクレーム抽出(CESC)と(2) クレーム・エビデンス・ペア抽出(CEPE)である。
  論文  参考訳（メタデータ） (2022-03-23T08:07:32Z)
• Link Prediction on N-ary Relational Data Based on Relatedness Evaluation [61.61555159755858]
  我々は,n-aryリレーショナルデータ上でリンク予測を行うNaLPという手法を提案する。 各 n 個の関係事実を、その役割と役割と値のペアの集合として表現する。 実験結果は,提案手法の有効性と有用性を検証した。
  論文  参考訳（メタデータ） (2021-04-21T09:06:54Z)
• The Gap on GAP: Tackling the Problem of Differing Data Distributions in Bias-Measuring Datasets [58.53269361115974]
  バイアスモデルを検出する診断データセットは、自然言語処理におけるバイアス低減の重要な前提条件である。 収集されたデータの望ましくないパターンは、そのようなテストを誤ったものにします。 実験データにおけるそのようなパターンに対処するために, 実験サンプルを重み付けする理論的基礎的手法を提案する。
  論文  参考訳（メタデータ） (2020-11-03T16:50:13Z)

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。