論文の概要: Automatic Debate Evaluation with Argumentation Semantics and Natural
Language Argument Graph Networks
- arxiv url: http://arxiv.org/abs/2203.14647v1
- Date: Mon, 28 Mar 2022 11:09:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-29 14:09:21.131941
- Title: Automatic Debate Evaluation with Argumentation Semantics and Natural
Language Argument Graph Networks
- Title（参考訳）: 弁論意味論と自然言語弁論グラフネットワークを用いた議論の自動評価
- Authors: Ramon Ruiz-Dolz, Stella Heras, Ana Garc\'ia-Fornes
- Abstract要約: 本稿では,議論的議論を自動的に評価する独自のハイブリッド手法を提案する。
その目的のために、議論理論の概念とTransformerベースのアーキテクチャとニューラルグラフネットワークを組み合わせる。
我々は、未探索の自然言語引数の自動解析の新たな事例に基づく有望な結果を得る。
- 参考スコア（独自算出の注目度）: 4.640835690336653
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The lack of annotated data on professional argumentation and complete
argumentative debates has led to the oversimplification and the inability of
approaching more complex natural language processing tasks. Such is the case of
the automatic debate evaluation. In this paper, we propose an original hybrid
method to automatically evaluate argumentative debates. For that purpose, we
combine concepts from argumentation theory such as argumentation frameworks and
semantics, with Transformer-based architectures and neural graph networks.
Furthermore, we obtain promising results that lay the basis on an unexplored
new instance of the automatic analysis of natural language arguments.
- Abstract（参考訳）: 専門家の議論と完全な議論に関する注釈付きデータの欠如は、より複雑な自然言語処理タスクに近付くことの難しさと単純化につながった。
これが自動討論評価のケースである。
本稿では,議論的議論を自動的に評価するオリジナルのハイブリッド手法を提案する。
その目的のために、議論フレームワークやセマンティクスといった議論理論から、Transformerベースのアーキテクチャやニューラルネットワークまでの概念を組み合わせる。
さらに、未探索の自然言語引数の自動解析の新たな事例に基づく有望な結果を得る。
関連論文リスト
- Counterfactual and Semifactual Explanations in Abstract Argumentation: Formal Foundations, Complexity and Computation [19.799266797193344]
議論ベースのシステムは、意思決定プロセスをサポートしながら説明責任を欠くことが多い。
対実的・半実的な説明は解釈可能性のテクニックである。
本稿では,制約の弱いArgumentation Frameworkにおいて,逆ファクトおよび半ファクトのクエリを符号化可能であることを示す。
論文 参考訳（メタデータ） (2024-05-07T07:27:27Z) - 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) - AMERICANO: Argument Generation with Discourse-driven Decomposition and Agent Interaction [25.38899822861742]
議論生成のためのエージェントインタラクションを備えた新しいフレームワークであるAmericanoを提案する。
提案手法は,進化過程を議論理論に基づく逐次的行動に分解する。
提案手法は,エンド・ツー・エンドとチェーン・オブ・ワンド・プロンプトの両手法より優れている。
論文 参考訳（メタデータ） (2023-10-31T10:47:33Z) - 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) - Contextualizing Argument Quality Assessment with Relevant Knowledge [11.367297319588411]
SPARKは、関連する知識による文脈化に基づく議論品質を評価するための新しい手法である。
我々は、大きな言語モデルを利用してフィードバックを提供したり、隠れた仮定を推測したり、同様の品質の議論を提供したり、あるいは反論をしたりする4つの拡張を考案する。
論文 参考訳（メタデータ） (2023-05-20T21:04:58Z) - A Formalisation of Abstract Argumentation in Higher-Order Logic [77.34726150561087]
本稿では,古典的高階論理へのエンコーディングに基づく抽象的議論フレームワークの表現手法を提案する。
対話型および自動推論ツールを用いた抽象的議論フレームワークのコンピュータ支援評価のための一様フレームワークを提供する。
論文 参考訳（メタデータ） (2021-10-18T10:45:59Z) - 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) - I like fish, especially dolphins: Addressing Contradictions in Dialogue
Modeling [104.09033240889106]
DialoguE Contradiction Detection Task(DECODE)と、人間とロボットの矛盾した対話の両方を含む新しい会話データセットを紹介します。
次に、事前学習したトランスフォーマーモデルを用いて、定型的非構造的アプローチと矛盾検出を行う構造的発話に基づくアプローチを比較する。
論文 参考訳（メタデータ） (2020-12-24T18:47:49Z) - 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)
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。