論文の概要: Investigating Subjective Factors of Argument Strength: Storytelling, Emotions, and Hedging
- arxiv url: http://arxiv.org/abs/2507.17409v1
- Date: Wed, 23 Jul 2025 11:09:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-24 22:33:14.96778
- Title: Investigating Subjective Factors of Argument Strength: Storytelling, Emotions, and Hedging
- Title（参考訳）: 主張力の主観的要因:ストーリーテリング,感情,ヘッジ
- Authors: Carlotta Quensel, Neele Falk, Gabriella Lapesa,
- Abstract要約: 主観的感情, ストーリーテリング, ヘッジが主観的議論の質と主観的説得に及ぼす影響について検討した。
以上の結果から,ストーリーテリングとヘッジは主観的,主観的な議論の質に影響を及ぼすが,感情の影響はドメインよりも修辞的利用に依存していることがわかった。
- 参考スコア（独自算出の注目度）: 14.950106052554291
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In assessing argument strength, the notions of what makes a good argument are manifold. With the broader trend towards treating subjectivity as an asset and not a problem in NLP, new dimensions of argument quality are studied. Although studies on individual subjective features like personal stories exist, there is a lack of large-scale analyses of the relation between these features and argument strength. To address this gap, we conduct regression analysis to quantify the impact of subjective factors $-$ emotions, storytelling, and hedging $-$ on two standard datasets annotated for objective argument quality and subjective persuasion. As such, our contribution is twofold: at the level of contributed resources, as there are no datasets annotated with all studied dimensions, this work compares and evaluates automated annotation methods for each subjective feature. At the level of novel insights, our regression analysis uncovers different patterns of impact of subjective features on the two facets of argument strength encoded in the datasets. Our results show that storytelling and hedging have contrasting effects on objective and subjective argument quality, while the influence of emotions depends on their rhetoric utilization rather than the domain.
- Abstract（参考訳）: 議論の強さを評価する際、良い議論を下すものの概念は多様体である。
NLPでは主観性を問題ではなく資産として扱う傾向が広まっており、議論品質の新たな次元が研究されている。
個人的物語のような個別の主観的特徴についての研究は存在するが、これらの特徴と議論力の関係を大規模に分析する能力は欠如している。
このギャップに対処するために、私たちは主観的要因の$-$感情、ストーリーテリング、および主観的議論品質と主観的説得に対する注釈付き2つの標準データセットに対する$-$効果の定量化のために回帰分析を実施している。
コントリビューションのレベルでは、すべての研究次元にアノテートされたデータセットが存在しないため、各主観的特徴に対する自動アノテーション手法を比較して評価する。
新たな洞察のレベルでは、回帰分析により、データセットに符号化された2つの議論強度の面における主観的特徴の影響の異なるパターンが明らかになった。
以上の結果から,ストーリーテリングとヘッジは主観的,主観的な議論の質に影響を及ぼすが,感情の影響はドメインよりも修辞的利用に依存していることがわかった。
関連論文リスト
- What Makes a Good Natural Language Prompt? [72.3282960118995]
我々は,2022年から2025年にかけて,NLPおよびAIカンファレンスを主導する150以上のプロンプト関連論文を対象としたメタ分析調査を実施している。
本研究では,6次元に分類した21の特性を含む,迅速な品質評価のための特性・人間中心のフレームワークを提案する。
次に、複数プロパティのプロンプト強化を実証的に検討し、単一プロパティのプロンプトが最大の影響を与える場合が多いことを観察する。
論文 参考訳（メタデータ） (2025-06-07T23:19:27Z) - Towards Comprehensive Argument Analysis in Education: Dataset, Tasks, and Method [14.718309497236694]
垂直次元と水平次元の両方から,14種類の微粒な関係型を提案する。
議論コンポーネント検出,関係予測,エッセイ自動評価という3つの課題について実験を行った。
本研究は, 文質評価のための詳細な論証アノテーションの重要性を強調し, 多次元論証分析を奨励するものである。
論文 参考訳（メタデータ） (2025-05-17T14:36:51Z) - Towards a Perspectivist Turn in Argument Quality Assessment [21.915319388303914]
議論品質データセットの体系的なレビューを行う。
品質の次元を整理し、だれが注釈を付けたかを説明します。
パースペクティビストモデルの開発に適したデータセットについて論じる。
論文 参考訳（メタデータ） (2025-02-20T12:30:26Z) - 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) - Contextualizing Argument Quality Assessment with Relevant Knowledge [11.367297319588411]
SPARKは、関連する知識による文脈化に基づく議論品質を評価するための新しい手法である。
我々は、大きな言語モデルを利用してフィードバックを提供したり、隠れた仮定を推測したり、同様の品質の議論を提供したり、あるいは反論をしたりする4つの拡張を考案する。
論文 参考訳（メタデータ） (2023-05-20T21:04:58Z) - DeltaScore: Fine-Grained Story Evaluation with Perturbations [69.33536214124878]
DELTASCOREは,ニュアンスストーリーの側面の評価に摂動技術を用いた新しい手法である。
私たちの中心的な命題は、物語が特定の側面(例えば、流感)で興奮する程度は、特定の摂動に対するその感受性の大きさと相関している、と仮定している。
事前学習言語モデルを用いて,前摂動状態と後摂動状態の確率差を計算することにより,アスペクトの品質を測定する。
論文 参考訳（メタデータ） (2023-03-15T23:45:54Z) - Towards a Holistic View on Argument Quality Prediction [3.182597245365433]
議論の決定的な性質は、その強さまたは品質である。
議論の強さを自動推定する作業は存在するが、その範囲は狭い。
多様な領域にわたる議論品質推定の一般化能力,関連する議論マイニング課題との相互作用,および知覚された議論強度に対する感情の影響を評価する。
論文 参考訳（メタデータ） (2022-05-19T18:44:23Z) - Learning From Revisions: Quality Assessment of Claims in Argumentation
at Scale [12.883536911500062]
本研究は,同一クレームの異なるリビジョンを比較することにより,議論された側面に関わらずクレーム品質評価を行う。
本稿では,どのリビジョンペアのクレームがよいかを評価し,クレームのすべてのバージョンを品質でランク付けする2つのタスクを提案する。
論文 参考訳（メタデータ） (2021-01-25T17:32:04Z) - 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) - Weakly-Supervised Aspect-Based Sentiment Analysis via Joint
Aspect-Sentiment Topic Embedding [71.2260967797055]
アスペクトベース感情分析のための弱教師付きアプローチを提案する。
We learn sentiment, aspects> joint topic embeddeds in the word embedding space。
次に、ニューラルネットワークを用いて単語レベルの識別情報を一般化する。
論文 参考訳（メタデータ） (2020-10-13T21:33:24Z) - SubjQA: A Dataset for Subjectivity and Review Comprehension [52.13338191442912]
主観性と質問応答(QA)の関係について検討する。
主観性は、主観性とQAパフォーマンスのより複雑な相互作用があるにもかかわらず、QAの場合においても重要な特徴であることがわかった。
顧客レビューに基づいた英語のQAデータセット(SubjQA)をリリースし、6つの異なるドメインにまたがる質問や回答に対する主観的アノテーションを含む。
論文 参考訳（メタデータ） (2020-04-29T15:59:30Z) - 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。