論文の概要: Explaining Arguments' Strength: Unveiling the Role of Attacks and Supports (Technical Report)

• arxiv url: http://arxiv.org/abs/2404.14304v1
• Date: Mon, 22 Apr 2024 16:02:48 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-23 13:27:39.602109
• Title: Explaining Arguments' Strength: Unveiling the Role of Attacks and Supports (Technical Report)
• Title（参考訳）: 主張の強さを説明する:攻撃と支援の役割を解明する(技術報告)
• Authors: Xiang Yin, Potyka Nico, Francesca Toni,
• Abstract要約: 関係属性説明(RAE)の新理論を提案する。 RAEは、攻撃の役割に関するきめ細かい洞察を提供し、議論の強さを得るための定量的双極性議論を支援する。 不正検出および大規模言語モデルケーススタディにおけるRAEの応用価値を示す。
• 参考スコア（独自算出の注目度）: 13.644164255651472
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Quantitatively explaining the strength of arguments under gradual semantics has recently received increasing attention. Specifically, several works in the literature provide quantitative explanations by computing the attribution scores of arguments. These works disregard the importance of attacks and supports, even though they play an essential role when explaining arguments' strength. In this paper, we propose a novel theory of Relation Attribution Explanations (RAEs), adapting Shapley values from game theory to offer fine-grained insights into the role of attacks and supports in quantitative bipolar argumentation towards obtaining the arguments' strength. We show that RAEs satisfy several desirable properties. We also propose a probabilistic algorithm to approximate RAEs efficiently. Finally, we show the application value of RAEs in fraud detection and large language models case studies.
• Abstract（参考訳）: 漸進的意味論に基づく議論の強さを定量的に説明すると、近年注目を集めている。 具体的には、文献におけるいくつかの研究は、議論の帰属スコアを計算することによって定量的な説明を提供する。 これらの研究は、議論の強みを説明する際に重要な役割を果たすにもかかわらず、攻撃と支援の重要性を無視している。 本稿では,ゲーム理論からShapley値を適用して,攻撃の役割を詳細に把握し,議論の強みを得るための量的双極的議論を支援する,関係属性説明(RAEs)の新たな理論を提案する。 RAEがいくつかの望ましい性質を満たすことを示す。 また,RAEを効率的に近似する確率的アルゴリズムを提案する。 最後に、不正検出および大規模言語モデルケーススタディにおけるRAEの応用価値を示す。

関連論文リスト

• Applying Attribution Explanations in Truth-Discovery Quantitative Bipolar Argumentation Frameworks [18.505289553533164]
  AAE(Argument Attribution Explanations)とRAE(Relation Attribution Explanations)は、段階的意味論の下での議論の強さを説明するために用いられる。 AAEとRAEをTruth Discovery QBAFに適用し、ソースとそのクレームの信頼性を評価する。 AAEとRAEの両方が興味深い説明を提供し、非自明で驚くべき洞察を与えることができることがわかりました。
  論文  参考訳（メタデータ） (2024-09-09T17:36:39Z)
• 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)
• 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)
• 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)
• Argument Attribution Explanations in Quantitative Bipolar Argumentation Frameworks (Technical Report) [17.9926469947157]
  本稿では,機械学習による特徴帰属の精神を取り入れたArgument Explanations(AAE)の新たな理論を提案する。 AAEは、興味のある話題の議論に対する議論の影響を決定するために使用される。 我々はAAEsの望ましい性質について研究し、その中には新しいものもいくつか含まれており、一部は文献から我々の設定に部分的に適応している。
  論文  参考訳（メタデータ） (2023-07-25T15:36:33Z)
• DiPlomat: A Dialogue Dataset for Situated Pragmatic Reasoning [89.92601337474954]
  プラグマティック推論は、実生活における会話でしばしば起こる暗黙の意味を解読する上で重要な役割を担っている。 そこで我々は,現実的な推論と会話理解の場所に関するマシンの能力のベンチマークを目的とした,新しい挑戦であるDiPlomatを紹介した。
  論文  参考訳（メタデータ） (2023-06-15T10:41:23Z)
• Exhaustivity and anti-exhaustivity in the RSA framework: Testing the effect of prior beliefs [68.8204255655161]
  我々は,先行に対する感受性が合理的音声法(RSA)フレームワークの直感的予測に繋がる事例に着目した。 本研究では, ベースラインRSAモデルにおいて, 一定の条件下では, 反排他的読解が予測されることを示す。 RSAフレームワーク全体で予測されるように、メッセージ選択は事前に敏感である。
  論文  参考訳（メタデータ） (2022-02-14T20:35:03Z)
• 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)
• 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)
• Extracting Implicitly Asserted Propositions in Argumentation [8.20413690846954]
  本研究では,議論において暗黙的に主張された命題,報告された言論,命令文を抽出する手法について検討した。 本研究は,これらのレトリック装置の論証マイニングとセマンティクスに関する今後の研究について報告する。
  論文  参考訳（メタデータ） (2020-10-06T12:03:47Z)
• 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。