論文の概要: Argument Undermining: Counter-Argument Generation by Attacking Weak Premises

• arxiv url: http://arxiv.org/abs/2105.11752v1
• Date: Tue, 25 May 2021 08:39:14 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-26 23:28:43.810429
• Title: Argument Undermining: Counter-Argument Generation by Attacking Weak Premises
• Title（参考訳）: 異議申し立て:弱小プリミセス攻撃による対論生成
• Authors: Milad Alshomary, Shahbaz Syed, Martin Potthast and Henning Wachsmuth
• Abstract要約: 我々は、議論を損なうこと、すなわち、その前提の1つを攻撃することによって議論に逆らうことを探る。 そこで我々は,まず前提の強度を評価し,弱体化をターゲットとした逆問題を生成するパイプライン手法を提案する。
• 参考スコア（独自算出の注目度）: 31.463885580010192
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Text generation has received a lot of attention in computational argumentation research as of recent. A particularly challenging task is the generation of counter-arguments. So far, approaches primarily focus on rebutting a given conclusion, yet other ways to counter an argument exist. In this work, we go beyond previous research by exploring argument undermining, that is, countering an argument by attacking one of its premises. We hypothesize that identifying the argument's weak premises is key to effective countering. Accordingly, we propose a pipeline approach that first assesses the premises' strength and then generates a counter-argument targeting the weak ones. On the one hand, both manual and automatic evaluation proves the importance of identifying weak premises in counter-argument generation. On the other hand, when considering correctness and content richness, human annotators favored our approach over state-of-the-art counter-argument generation.
• Abstract（参考訳）: テキスト生成は、近年、計算論証研究において多くの注目を集めている。 特に難しい課題は、反論の生成である。 これまでのところ、アプローチは主に与えられた結論を反論することに集中しているが、議論に対抗する他の方法も存在する。 本研究は,従来の研究を超越し,議論の根底,すなわち,その前提のひとつを攻撃することによって議論に対抗するものである。 我々は、議論の弱い前提を特定することが効果的な対策の鍵であると仮定する。 そこで本稿では,まず前提の強度を評価し,弱体化をターゲットとした逆問題を生成するパイプライン手法を提案する。 一方,手作業による評価と自動評価は,反弁生成において弱い前提を特定することの重要性を証明している。 一方,正しさや内容の豊かさを考えるとき,人間の注釈家は,最先端の対物生成に対するアプローチを好んだ。

関連論文リスト

• Auditing Counterfire: Evaluating Advanced Counterargument Generation with Evidence and Style [11.243184875465788]
  GPT-3.5 Turboは、高いパラフレーズとスタイルの忠実さ、特に相互のスタイルの議論において、議論の質で最高にランクされた。 文体的な反論はまだ人間の説得力基準に欠けており、人々は証拠に基づく反論に相反することを好んでいる。
  論文  参考訳（メタデータ） (2024-02-13T14:53:12Z)
• CASA: Causality-driven Argument Sufficiency Assessment [79.13496878681309]
  ゼロショット因果関係に基づく議論十分性評価フレームワークであるCASAを提案する。 PSは前提イベントの導入が前提イベントと結論イベントの両方が欠落した場合の結論につながる可能性を測っている。 2つの論理的誤り検出データセットの実験により、CASAは不十分な議論を正確に識別することを示した。
  論文  参考訳（メタデータ） (2024-01-10T16:21:18Z)
• Argue with Me Tersely: Towards Sentence-Level Counter-Argument Generation [62.069374456021016]
  本稿では,文レベル逆問題生成のためのArgTerselyベンチマークを提案する。 また,Arg-LlaMAによる高品質な逆問題生成手法を提案する。
  論文  参考訳（メタデータ） (2023-12-21T06:51:34Z)
• Exploring Jiu-Jitsu Argumentation for Writing Peer Review Rebuttals [70.22179850619519]
  議論の多くの領域では、人々の議論はいわゆる態度のルーツによって駆動される。 心理学における最近の研究は、表面的な推論に直接対抗するのではなく、ジウジツの「ソフト」戦闘システムに触発された議論スタイルに従うべきであることを示唆している。 我々は,新たな態度課題とテーマ誘導的反論生成を提案することによって,ピアレビューのための時事論争を初めて探求する。
  論文  参考訳（メタデータ） (2023-11-07T13:54:01Z)
• 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)
• ArgU: A Controllable Factual Argument Generator [0.0]
  ArgUは、入力された事実と実世界の概念から現実の議論を生成することができる神経引数生成器である。 我々は6つのトピックと6つの引数スキームにまたがる69,428の引数からなる注釈付きコーパスを作成した。
  論文  参考訳（メタデータ） (2023-05-09T10:49:45Z)
• Conclusion-based Counter-Argument Generation [26.540485804067536]
  現実世界の議論では、議論に対処する最も一般的な方法は、その主要なポイント、すなわち結論に対する推論である。 本稿では、入力引数の結論とカウンタの両方を生成するために共同で学習するマルチタスクアプローチを提案する。
  論文  参考訳（メタデータ） (2023-01-24T10:49:01Z)
• Towards a Holistic View on Argument Quality Prediction [3.182597245365433]
  議論の決定的な性質は、その強さまたは品質である。 議論の強さを自動推定する作業は存在するが、その範囲は狭い。 多様な領域にわたる議論品質推定の一般化能力,関連する議論マイニング課題との相互作用,および知覚された議論強度に対する感情の影響を評価する。
  論文  参考訳（メタデータ） (2022-05-19T18:44:23Z)
• LPAttack: A Feasible Annotation Scheme for Capturing Logic Pattern of Attacks in Arguments [33.445994192714956]
  議論的な言論において、説得は、しばしば他人の議論に反論したり攻撃したりすることで達成される。 既存の研究では、攻撃における複雑な修辞的な動きや、その中の前提や価値の判断を捉えていない。 LPAttackは、攻撃における共通モードと複雑な修辞の動きを、暗黙の前提と値の判断とともにキャプチャする、新しいアノテーションスキームである。
  論文  参考訳（メタデータ） (2022-04-04T14:15:25Z)
• 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)

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。