論文の概要: Understanding Enthymemes in Argument Maps: Bridging Argument Mining and Logic-based Argumentation
- arxiv url: http://arxiv.org/abs/2408.08648v1
- Date: Fri, 16 Aug 2024 10:30:30 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-19 15:57:38.985856
- Title: Understanding Enthymemes in Argument Maps: Bridging Argument Mining and Logic-based Argumentation
- Title（参考訳）: 論証地図におけるエンサイメムの理解--論証マイニングと論理に基づく論証
- Authors: Jonathan Ben-Naim, Victor David, Anthony Hunter,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 11.633929083694388
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Argument mining is natural language processing technology aimed at identifying arguments in text. Furthermore, the approach is being developed to identify the premises and claims of those arguments, and to identify the relationships between arguments including support and attack relationships. In this paper, we assume that an argument map contains the premises and claims of arguments, and support and attack relationships between them, that have been identified by argument mining. So from a piece of text, we assume an argument map is obtained automatically by natural language processing. However, to understand and to automatically analyse that argument map, it would be desirable to instantiate that argument map with logical arguments. Once we have the logical representation of the arguments in an argument map, we can use automated reasoning to analyze the argumentation (e.g. check consistency of premises, check validity of claims, and check the labelling on each arc corresponds with thw logical arguments). We address this need by using classical logic for representing the explicit information in the text, and using default logic for representing the implicit information in the text. In order to investigate our proposal, we consider some specific options for instantiation.
- Abstract（参考訳）: 引数マイニング(Argument mining)は、テキスト中の引数を特定することを目的とした自然言語処理技術である。
さらに、これらの議論の前提とクレームを特定し、サポートやアタック関係を含む議論間の関係を特定するために、このアプローチが開発されている。
本稿では,議論の前提と主張を含む議論マップを仮定し,議論マイニングによって特定された議論間の関係を支援し,攻撃する。
そこで、あるテキストから、自然言語処理によって引数マップが自動的に得られると仮定する。
しかし、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的引数でインスタンス化することが望ましい。
引数マップに引数の論理的表現が得られたら、自動推論を使って議論を分析することができる(例えば、前提の整合性を確認し、クレームの妥当性を確認し、各弧上のラベルがthw論理的引数に対応する)。
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。
本提案について検討するために, インスタンス化の具体的な選択肢について検討する。
関連論文リスト
- 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) - Some Options for Instantiation of Bipolar Argument Graphs with Deductive
Arguments [4.111899441919164]
双極性グラフは有向グラフであり、各ノードは引数を表し、各アークは別のノードに対する1つの引数の影響を表す。
双極子引数グラフでは、各引数はアトミックであり、内部構造を持たない。
本稿では,双極性引数グラフのインスタンス化に論理的引数を用いたフレームワークを提案する。
論文 参考訳（メタデータ） (2023-08-08T16:22:27Z) - ArgU: A Controllable Factual Argument Generator [0.0]
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。
論文 参考訳（メタデータ） (2023-05-09T10:49:45Z) - 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) - Discourse-Aware Graph Networks for Textual Logical Reasoning [142.0097357999134]
パッセージレベルの論理関係は命題単位間の係り合いまたは矛盾を表す(例、結論文)
論理的推論QAを解くための論理構造制約モデリングを提案し、談話対応グラフネットワーク(DAGN)を導入する。
ネットワークはまず、インラインの談話接続とジェネリック論理理論を利用した論理グラフを構築し、その後、エッジ推論機構を用いて論理関係を進化させ、グラフ機能を更新することで論理表現を学習する。
論文 参考訳（メタデータ） (2022-07-04T14:38:49Z) - Towards Full-Fledged Argument Search: A Framework for Extracting and
Clustering Arguments from Unstructured Text [0.0]
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。
論文 参考訳（メタデータ） (2021-11-30T23:05:05Z) - 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) - 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) - Logic-Driven Context Extension and Data Augmentation for Logical
Reasoning of Text [65.24325614642223]
論理的な記号や表現をテキストで理解し、答えにたどり着くよう提案します。
このような論理的情報に基づいて,文脈拡張フレームワークとデータ拡張アルゴリズムを提案する。
本手法は最先端の性能を実現し,論理駆動コンテキスト拡張フレームワークとデータ拡張アルゴリズムの両方が精度向上に寄与する。
論文 参考訳（メタデータ） (2021-05-08T10:09:36Z) - 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) - 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。