論文の概要: AutoPersuade: A Framework for Evaluating and Explaining Persuasive Arguments
- arxiv url: http://arxiv.org/abs/2410.08917v1
- Date: Fri, 11 Oct 2024 15:46:05 GMT
- ステータス: 処理完了
- システム内更新日: 2024-10-30 21:16:19.391124
- Title: AutoPersuade: A Framework for Evaluating and Explaining Persuasive Arguments
- Title（参考訳）: AutoPersuade: 説得力のある問題を評価し説明するためのフレームワーク
- Authors: Till Raphael Saenger, Musashi Hinck, Justin Grimmer, Brandon M. Stewart,
- Abstract要約: 私たちは説得力のあるメッセージを構築するためのフレームワークであるAutoPersuadeを紹介します。
我々は説得力に影響を与える議論の特徴を識別する新しい話題モデルを開発した。
このモデルを用いて、新たな議論の有効性を予測し、異なるコンポーネントの因果的影響を評価する。
- 参考スコア（独自算出の注目度）: 0.5242869847419834
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We introduce AutoPersuade, a three-part framework for constructing persuasive messages. First, we curate a large dataset of arguments with human evaluations. Next, we develop a novel topic model to identify argument features that influence persuasiveness. Finally, we use this model to predict the effectiveness of new arguments and assess the causal impact of different components to provide explanations. We validate AutoPersuade through an experimental study on arguments for veganism, demonstrating its effectiveness with human studies and out-of-sample predictions.
- Abstract（参考訳）: 我々は、説得力のあるメッセージを構築するための3つのフレームワークであるAutoPersuadeを紹介した。
まず、人間の評価で議論の大規模なデータセットをキュレートする。
次に、説得性に影響を与える議論の特徴を特定するための新しいトピックモデルを開発する。
最後に、このモデルを用いて、新しい議論の有効性を予測し、異なるコンポーネントの因果的影響を評価して説明する。
我々は,動物愛護論の実験的研究を通じてAutoPersuadeを検証し,その効果を人間の研究とアウト・オブ・サンプル予測で実証した。
関連論文リスト
- AI, write an essay for me: A large-scale comparison of human-written
versus ChatGPT-generated essays [66.36541161082856]
ChatGPTや同様の生成AIモデルは、何億人ものユーザーを惹きつけている。
本研究は,ChatGPTが生成した議論的学生エッセイと比較した。
論文 参考訳（メタデータ） (2023-04-24T12:58:28Z) - Analyzing and Evaluating Faithfulness in Dialogue Summarization [67.07947198421421]
まず,対話要約の忠実度に関するきめ細かな人間の分析を行い,生成した要約の35%以上がソース対話に忠実に一致していないことを観察する。
そこで本研究では,ルールベース変換により生成した複数選択質問を用いたモデルレベルの忠実度評価手法を提案する。
論文 参考訳（メタデータ） (2022-10-21T07:22:43Z) - Persua: A Visual Interactive System to Enhance the Persuasiveness of
Arguments in Online Discussion [52.49981085431061]
説得力のある議論を書く能力を高めることは、オンラインコミュニケーションの有効性と文明性に寄与する。
オンライン議論における議論の説得力向上を支援するツールの設計目標を4つ導き出した。
Persuaは対話型ビジュアルシステムであり、議論の説得力を高めるための説得戦略の例に基づくガイダンスを提供する。
論文 参考訳（メタデータ） (2022-04-16T08:07:53Z) - Towards Understanding Persuasion in Computational Argumentation [10.089382889894246]
議論における意見形成と説得は、議論そのもの、議論の源、聴衆の特性の3つの主要な要因によって影響を受ける。
この論文は、計算的説得におけるソース、オーディエンス、言語の影響を相対的に理解するためにいくつかの貢献をしている。
論文 参考訳（メタデータ） (2021-10-03T19:36:21Z) - 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) - Strategic Argumentation Dialogues for Persuasion: Framework and
Experiments Based on Modelling the Beliefs and Concerns of the Persuadee [6.091096843566857]
特定の対話において議論が良いかどうかを決定するための2つの重要な次元は、意図する観衆が議論と反論を信じる程度であり、議論が意図する観衆の関心に与える影響である。
本稿では,これらのモデルを用いて,説得的対話における移動の選択を最適化する枠組みを提案する。
論文 参考訳（メタデータ） (2021-01-28T08:49:24Z) - 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) - 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) - What Changed Your Mind: The Roles of Dynamic Topics and Discourse in
Argumentation Process [78.4766663287415]
本稿では,議論の説得力において重要な要因を自動的に分析する研究について述べる。
議論的会話における潜在トピックや談話の変化を追跡できる新しいニューラルモデルを提案する。
論文 参考訳（メタデータ） (2020-02-10T04:27:48Z)
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。