論文の概要: Towards Full-Fledged Argument Search: A Framework for Extracting and
Clustering Arguments from Unstructured Text
- arxiv url: http://arxiv.org/abs/2112.00160v1
- Date: Tue, 30 Nov 2021 23:05:05 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-02 14:52:14.046729
- Title: Towards Full-Fledged Argument Search: A Framework for Extracting and
Clustering Arguments from Unstructured Text
- Title（参考訳）: 本格的な引数検索に向けて:非構造化テキストから引数を抽出・クラスタリングするためのフレームワーク
- Authors: Michael F\"arber, Anna Steyer
- Abstract要約: Argument Searchは自然言語テキスト中の引数を識別することを目的としている。
既存のフレームワークは引数検索の特定のコンポーネントのみに対処する。
これらの欠点に対処する枠組みを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Argument search aims at identifying arguments in natural language texts. In
the past, this task has been addressed by a combination of keyword search and
argument identification on the sentence- or document-level. However, existing
frameworks often address only specific components of argument search and do not
address the following aspects: (1) argument-query matching: identifying
arguments that frame the topic slightly differently than the actual search
query; (2) argument identification: identifying arguments that consist of
multiple sentences; (3) argument clustering: selecting retrieved arguments by
topical aspects. In this paper, we propose a framework for addressing these
shortcomings. We suggest (1) to combine the keyword search with precomputed
topic clusters for argument-query matching, (2) to apply a novel approach based
on sentence-level sequence-labeling for argument identification, and (3) to
present aggregated arguments to users based on topic-aware argument clustering.
Our experiments on several real-world debate data sets demonstrate that
density-based clustering algorithms, such as HDBSCAN, are particularly suitable
for argument-query matching. With our sentence-level, BiLSTM-based
sequence-labeling approach we achieve a macro F1 score of 0.71. Finally,
evaluating our argument clustering method indicates that a fine-grained
clustering of arguments by subtopics remains challenging but is worthwhile to
be explored.
- Abstract（参考訳）: Argument Searchは自然言語テキスト中の引数を識別することを目的としている。
これまで,このタスクはキーワード検索と文や文書レベルでの引数識別の組み合わせによって対処されてきた。
しかし、既存のフレームワークは、引数検索の特定のコンポーネントのみに対処し、以下の側面に対処しないことが多い。(1) 引数クエリマッチング: 実際の検索クエリと少し異なるトピックを囲む引数の識別 (2) 引数識別: 複数の文からなる引数の識別 (3) 引数クラスタリング: トピックのアスペクトによる検索引数の選択。
本稿では,これらの欠点に対処するためのフレームワークを提案する。
提案手法は,(1) キーワード検索と,(2) 文レベルのシーケンシャルラベルによる引数の同定,(3) トピック認識型引数クラスタリングに基づくユーザへの集約された引数提示という,新しいアプローチを適用することである。
HDBSCANのような密度に基づくクラスタリングアルゴリズムが特に議論クエリマッチングに適していることを示す。
文レベルのBiLSTMに基づくシーケンスラベル手法により,マクロF1スコアは0.71。
最後に,議論クラスタリング手法の評価は,サブトピックによる議論のきめ細かいクラスタリングが依然として難しいが,検討する価値があることを示している。
関連論文リスト
- Understanding Enthymemes in Argument Maps: Bridging Argument Mining and Logic-based Argumentation [11.633929083694388]
本稿では,議論の前提と主張を含む引数マップを仮定し,それら間の関係を支援し,攻撃する。
その引数マップを理解・分析するためには、その引数マップを論理引数でインスタンス化することが望ましい。
テキスト内の明示的な情報を表現するための古典論理と、テキスト内の暗黙的な情報を表現するためのデフォルト論理を用いて、このニーズに対処する。
論文 参考訳（メタデータ） (2024-08-16T10:30:30Z) - Exploring Key Point Analysis with Pairwise Generation and Graph Partitioning [61.73411954056032]
キーポイント分析(KPA)は、議論採掘の分野において重要な未解決問題であり続けている。
ペア生成とグラフ分割を併用したKPAの新しい手法を提案する。
論文 参考訳（メタデータ） (2024-04-17T13:44:29Z) - An Extension-based Approach for Computing and Verifying Preferences in Abstract Argumentation [1.7065454553786665]
本稿では,抽象的論証システムにおいて,計算と選好の検証のための拡張型アプローチを提案する。
選好集合の計算の複雑さは議論の数で指数関数的であることを示す。
計算された選好を検証(すなわち評価)するための新しいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-03-26T12:36:11Z) - 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) - 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) - On resolving conflicts between arguments [0.0]
法的議論において、メタルールは、紛争に関係する各議論の最終決定可能なルールを考慮し、有効な議論を決定する。
本稿では,議論間の敗北関係を導出する代わりに,デファシブル・ルールの破滅を訴える論証を構築する新たな論証システムを提案する。
論文 参考訳（メタデータ） (2022-09-20T16:31:19Z) - RuArg-2022: Argument Mining Evaluation [69.87149207721035]
本稿は、ロシア語テキストを扱う議論分析システムの最初のコンペティションの主催者の報告である。
新型コロナウイルスの感染拡大に伴う3つの話題について、9,550文(ソーシャルメディア投稿記事)のコーパスを用意した。
両タスクで第一位を獲得したシステムは、BERTアーキテクチャのNLI(Natural Language Inference)変種を使用した。
論文 参考訳（メタデータ） (2022-06-18T17:13:37Z) - 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) - "Sharks are not the threat humans are": Argument Component Segmentation
in School Student Essays [3.632177840361928]
中学生が執筆した議論的エッセイのコーパスから,クレームと前提トークンを識別するためにトークンレベルの分類を適用する。
BERTに基づくマルチタスク学習アーキテクチャ(トークンと文レベルの分類)が、関連する未ラベルデータセット上で適応的に事前訓練され、最良の結果が得られることを示す。
論文 参考訳（メタデータ） (2021-03-08T02:40:07Z) - 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) - Same Side Stance Classification Task: Facilitating Argument Stance
Classification by Fine-tuning a BERT Model [8.8896707993459]
同じサイドスタンス分類タスクは、両方の引数が同じスタンスを共有するかどうかによって分類された引数ペアのデータセットを提供する。
3つのエポックに対して事前学習したBERTモデルを微調整し、各引数の最初の512トークンを使用して、2つの引数が同じスタンスを持つかどうかを予測する。
論文 参考訳（メタデータ） (2020-04-23T13:54:31Z)
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。