論文の概要: Modeling Appropriate Language in Argumentation

• arxiv url: http://arxiv.org/abs/2305.14935v1
• Date: Wed, 24 May 2023 09:17:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-25 17:44:40.003573
• Title: Modeling Appropriate Language in Argumentation
• Title（参考訳）: 議論における適切な言語モデリング
• Authors: Timon Ziegenbein, Shahbaz Syed, Felix Lange, Martin Potthast and Henning Wachsmuth
• Abstract要約: 議論において適切な言語を初めて運用する。 オンライン議論において不適切な言語を決定する14の次元の新しい分類法を導出する。
• 参考スコア（独自算出の注目度）: 34.90028129715041
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Online discussion moderators must make ad-hoc decisions about whether the contributions of discussion participants are appropriate or should be removed to maintain civility. Existing research on offensive language and the resulting tools cover only one aspect among many involved in such decisions. The question of what is considered appropriate in a controversial discussion has not yet been systematically addressed. In this paper, we operationalize appropriate language in argumentation for the first time. In particular, we model appropriateness through the absence of flaws, grounded in research on argument quality assessment, especially in aspects from rhetoric. From these, we derive a new taxonomy of 14 dimensions that determine inappropriate language in online discussions. Building on three argument quality corpora, we then create a corpus of 2191 arguments annotated for the 14 dimensions. Empirical analyses support that the taxonomy covers the concept of appropriateness comprehensively, showing several plausible correlations with argument quality dimensions. Moreover, results of baseline approaches to assessing appropriateness suggest that all dimensions can be modeled computationally on the corpus.
• Abstract（参考訳）: オンライン討論モデレーターは、議論参加者の貢献が適切か、市民性を維持するために削除されるべきかについて、アドホックな判断をしなければならない。 攻撃的言語と結果のツールに関する既存の研究は、そのような決定に関わった多くの人々の1つの側面しかカバーしていない。 議論の中で何が適切かという問題は、まだ体系的に解決されていない。 本稿では,最初に適切な言語を議論の中で操作する。 特に,議論の品質評価,特に修辞学の観点から,欠陥の欠如による適切性をモデル化する。 これらから、オンライン議論において不適切な言語を決定する14次元の新しい分類法を導出する。 3つの引数品質コーパスに基づいて、14次元に注釈付けされた2191個の引数のコーパスを作成する。 実証分析は、分類学が適切性の概念を包括的にカバーし、議論品質の次元といくつかの妥当な相関を示すことを支持している。 さらに, 正当性を評価するためのベースラインアプローチの結果から, すべての次元をコーパス上で計算的にモデル化できることが示唆された。

関連論文リスト

• Overview of PerpectiveArg2024: The First Shared Task on Perspective Argument Retrieval [56.66761232081188]
  本稿では,社会における少数派・多数派を代表する年齢,性別,政治的態度など,人口・社会文化(社会)の多様性を包括する新しいデータセットを提案する。 パースペクティビズムを取り入れる上での重大な課題は、特に社会的なプロファイルを明示的に提供せずに、議論のテキストのみに基づくパーソナライズを目指す場合である。 パーソナライズと分極の低減を図るため, パーソナライズを最適化するためには, パーソナライズされた論証検索をブートストラップするが, さらなる研究が不可欠である。
  論文  参考訳（メタデータ） (2024-07-29T03:14:57Z)
• Conceptual and Unbiased Reasoning in Language Models [98.90677711523645]
  本稿では,抽象的質問に対する概念的推論をモデルに強制する,新しい概念化フレームワークを提案する。 既存の大規模言語モデルは概念的推論では不足しており、様々なベンチマークでは9%から28%に低下している。 ハイレベルな抽象的推論が不偏で一般化可能な意思決定の鍵となるので、モデルがどのように改善できるかについて議論する。
  論文  参考訳（メタデータ） (2024-03-30T00:53:53Z)
• 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)
• Natural Language Decompositions of Implicit Content Enable Better Text Representations [56.85319224208865]
  本稿では,暗黙的に伝達されたコンテンツを明示的に考慮したテキスト分析手法を提案する。 我々は大きな言語モデルを用いて、観察されたテキストと推論的に関係する命題の集合を生成する。 本研究は,NLPにおいて,文字のみではなく,観察された言語の背景にある意味をモデル化することが重要であることを示唆する。
  論文  参考訳（メタデータ） (2023-05-23T23:45:20Z)
• 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)
• Creating a Domain-diverse Corpus for Theory-based Argument Quality Assessment [6.654552816487819]
  GAQCorpus は理論ベース AQ の最初の大領域多元アノテートコーパスである。 本稿では,クラウドソーシングによる多数の判断を確実に収集するアノテーションタスクの設計方法について論じる。 本研究は,理論に基づく議論アノテーションの研究を報告し,より多様なコーパスを作成して計算AQアセスメントを支援することを目的とする。
  論文  参考訳（メタデータ） (2020-11-03T09:40:25Z)
• Intrinsic Quality Assessment of Arguments [21.261009977405898]
  本研究では,15次元の本質的な計算的評価,すなわち議論のテキストからのみ学習する手法について検討する。 ほとんどの領域において、中等度ではあるが重要な学習の成功を観察します。
  論文  参考訳（メタデータ） (2020-10-23T15:16:10Z)
• 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)

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。