論文の概要: Exploring the Role of Argument Structure in Online Debate Persuasion
- arxiv url: http://arxiv.org/abs/2010.03538v1
- Date: Wed, 7 Oct 2020 17:34:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-09 23:19:53.366285
- Title: Exploring the Role of Argument Structure in Online Debate Persuasion
- Title（参考訳）: オンライン議論における議論構造の役割を探る
- Authors: Jialu Li, Esin Durmus and Claire Cardie
- Abstract要約: オンライン討論会における議論における議論の談話構造の役割について考察する。
我々は、より優れた予測性能を達成する上で、引数構造が重要な役割を担っていることを発見した。
- 参考スコア（独自算出の注目度）: 39.74040217761505
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Online debate forums provide users a platform to express their opinions on
controversial topics while being exposed to opinions from diverse set of
viewpoints. Existing work in Natural Language Processing (NLP) has shown that
linguistic features extracted from the debate text and features encoding the
characteristics of the audience are both critical in persuasion studies. In
this paper, we aim to further investigate the role of discourse structure of
the arguments from online debates in their persuasiveness. In particular, we
use the factor graph model to obtain features for the argument structure of
debates from an online debating platform and incorporate these features to an
LSTM-based model to predict the debater that makes the most convincing
arguments. We find that incorporating argument structure features play an
essential role in achieving the better predictive performance in assessing the
persuasiveness of the arguments in online debates.
- Abstract（参考訳）: オンライン討論フォーラムは、様々な視点の意見に晒されながら、議論のある話題について意見を述べるプラットフォームを提供する。
自然言語処理(NLP)における既存の研究は、議論テキストから抽出された言語的特徴と、聴衆の特徴をコードする特徴の両方が説得研究において重要であることを示した。
本稿では,オンライン討論会における議論の言論構造の役割について,その説得性について検討する。
特に、因子グラフモデルを用いて、オンライン討論プラットフォームから議論の議論構造を抽出し、これらの特徴をLSTMモデルに組み込んで、最も説得力のある議論を行う議論者を予測する。
議論構造機能の導入は,オンライン議論における議論の説得力を評価する上で,より良い予測性能を達成する上で重要な役割を担っている。
関連論文リスト
- A Unifying Framework for Learning Argumentation Semantics [50.69905074548764]
Inductive Logic Programmingアプローチを用いて、抽象的および構造化された議論フレームワークのアクセシビリティセマンティクスを解釈可能な方法で学習する新しいフレームワークを提案する。
提案手法は既存の議論解法よりも優れており,フォーマルな議論や人間と機械の対話の領域において,新たな研究の方向性が開けることになる。
論文 参考訳（メタデータ） (2023-10-18T20:18:05Z) - 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) - 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) - The Unfolding Structure of Arguments in Online Debates: The case of a
No-Deal Brexit [0.0]
オンライン討論の潜在的な議論構造を抽出,分類,探索するための5段階の手法を提案する。
合意なし」ブレグジットに関するTwitterのデータを用いて、このイベントが実現した場合の期待される影響に焦点を当てる。
その結果,提案手法を議論の統計的レトリック解析に用いることができることがわかった。
論文 参考訳（メタデータ） (2021-03-09T12:29:43Z) - 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) - Aspect-Controlled Neural Argument Generation [65.91772010586605]
我々は、与えられたトピック、スタンス、アスペクトの文レベル引数を生成するために、きめ細かいレベルで制御できる引数生成のための言語モデルを訓練する。
評価の結果,我々の生成モデルは高品質なアスペクト特異的な議論を生成できることがわかった。
これらの議論は、データ拡張による姿勢検出モデルの性能向上と、逆問題の生成に使用できる。
論文 参考訳（メタデータ） (2020-04-30T20:17:22Z) - AMPERSAND: Argument Mining for PERSuAsive oNline Discussions [41.06165177604387]
本稿では,オンライン議論フォーラムにおける議論マイニングのための計算モデルを提案する。
我々のアプローチは、議論スレッド内の引数のコンポーネント間の関係を識別することに依存します。
我々のモデルは最近の最先端のアプローチと比較して大幅に改善されている。
論文 参考訳（メタデータ） (2020-04-30T10:33:40Z) - 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) - What Changed Your Mind: The Roles of Dynamic Topics and Discourse in
Argumentation Process [78.4766663287415]
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。
論文 参考訳（メタデータ） (2020-02-10T04:27:48Z)
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。