論文の概要: ArgU: A Controllable Factual Argument Generator

• arxiv url: http://arxiv.org/abs/2305.05334v1
• Date: Tue, 9 May 2023 10:49:45 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-10 13:08:07.919455
• Title: ArgU: A Controllable Factual Argument Generator
• Title（参考訳）: ArgU: 制御可能なFactual Argument ジェネレータ
• Authors: Sougata Saha and Rohini Srihari
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Effective argumentation is essential towards a purposeful conversation with a satisfactory outcome. For example, persuading someone to reconsider smoking might involve empathetic, well founded arguments based on facts and expert opinions about its ill-effects and the consequences on one's family. However, the automatic generation of high-quality factual arguments can be challenging. Addressing existing controllability issues can make the recent advances in computational models for argument generation a potential solution. In this paper, we introduce ArgU: a neural argument generator capable of producing factual arguments from input facts and real-world concepts that can be explicitly controlled for stance and argument structure using Walton's argument scheme-based control codes. Unfortunately, computational argument generation is a relatively new field and lacks datasets conducive to training. Hence, we have compiled and released an annotated corpora of 69,428 arguments spanning six topics and six argument schemes, making it the largest publicly available corpus for identifying argument schemes; the paper details our annotation and dataset creation framework. We further experiment with an argument generation strategy that establishes an inference strategy by generating an ``argument template'' before actual argument generation. Our results demonstrate that it is possible to automatically generate diverse arguments exhibiting different inference patterns for the same set of facts by using control codes based on argument schemes and stance.
• Abstract（参考訳）: 効果的な議論は、十分な結果をもたらす目的のある会話に欠かせない。 例えば、喫煙を再考するよう説得することは、その悪影響と家族への影響に関する事実や専門家の意見に基づく、共感的で確立された議論を伴う可能性がある。 しかし、高品質な事実論の自動生成は困難である。 既存の制御可能性問題に対処することは、引数生成のための計算モデルの最近の進歩を潜在的な解決策にすることができる。 本稿では,waltonの引数・スキームに基づく制御コードを用いて,スタンスや引数構造に対して明示的に制御可能な,入力事実や実世界概念から事実引数を生成する神経引数生成器arguを提案する。 残念ながら、計算引数生成は比較的新しい分野であり、訓練に結びつくデータセットが欠けている。 したがって、6つのトピックと6つの引数スキームにまたがる69,428の引数の注釈付きコーパスをコンパイルしてリリースしました。 さらに、実際の引数生成の前に ``argument template'' を生成して推論戦略を確立する引数生成戦略を実験する。 その結果,議論スキームとスタンスに基づく制御符号を用いることで,同一事実集合に対して異なる推論パターンを示す多様な引数を自動的に生成できることがわかった。

関連論文リスト

• "Let's Argue Both Sides": Argument Generation Can Force Small Models to Utilize Previously Inaccessible Reasoning Capabilities [0.8999666725996974]
  本稿では,モデルに推論能力の活用を強制する手法として,Argument Generationを提案する。 提案手法では,可能な各推論結果に対する引数の生成と,生成した引数のランク付けをエンドモデルに依頼する。
  論文  参考訳（メタデータ） (2024-10-16T19:49:30Z)
• 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)
• Large Language Models are Few-Shot Training Example Generators: A Case Study in Fallacy Recognition [49.38757847011105]
  計算誤認識は、さまざまなジャンル、ドメイン、データセットに見られる誤認識のタイプによって、課題に直面します。 我々は、追加の文脈を取り入れ、大規模な言語モデルを活用して合成データを生成することによって、誤認識のための既存のモデルを強化することを目指している。 評価結果は、誤検出タイプ、データセット、ジェネレータ間で一貫した改善を示す。
  論文  参考訳（メタデータ） (2023-11-16T04:17:47Z)
• 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)
• AutoAM: An End-To-End Neural Model for Automatic and Universal Argument Mining [0.0]
  これらの問題を解決するために,AutoAMと呼ばれる新しいニューラルモデルを提案する。 我々のモデルは、ツリー構造のような制約なしに引数構造を解析できる普遍的なエンドツーエンドフレームワークである。
  論文  参考訳（メタデータ） (2023-09-17T15:26:21Z)
• Retrieval-Augmented Generative Question Answering for Event Argument Extraction [66.24622127143044]
  イベント引数抽出のための検索拡張生成QAモデル(R-GQA)を提案する。 最も類似したQAペアを検索し、現在の例のコンテキストへのプロンプトとして拡張し、引数を回答としてデコードする。 提案手法は, 様々な設定において, かなり先行した手法より優れている。
  論文  参考訳（メタデータ） (2022-11-14T02:00:32Z)
• Explainable AI through the Learning of Arguments [0.0]
  シンボリック機械学習技術は、中間表現として引数の集合を学ぶ。 本稿では,Verheij氏が提唱する「ケースモデル」から議論の学習について考察する。 ケースモデルからの議論の学習をHeROアルゴリズムと比較し,決定木を学習する。
  論文  参考訳（メタデータ） (2022-02-01T12:52:30Z)
• 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)
• Argument Undermining: Counter-Argument Generation by Attacking Weak Premises [31.463885580010192]
  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。
  論文  参考訳（メタデータ） (2021-05-25T08:39:14Z)
• 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。