論文の概要: A Generalizable Rhetorical Strategy Annotation Model Using LLM-based Debate Simulation and Labelling

• arxiv url: http://arxiv.org/abs/2510.15081v1
• Date: Thu, 16 Oct 2025 18:51:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-20 20:17:34.362392
• Title: A Generalizable Rhetorical Strategy Annotation Model Using LLM-based Debate Simulation and Labelling
• Title（参考訳）: LLMに基づくディベート・シミュレーションとラベリングを用いた一般化可能なレトリック・アノテート・モデル
• Authors: Shiyu Ji, Farnoosh Hashemi, Joice Chen, Juanwen Pan, Weicheng Ma, Hefan Zhang, Sophia Pan, Ming Cheng, Shubham Mohole, Saeed Hassanpour, Soroush Vosoughi, Michael Macy,
• Abstract要約: 大規模言語モデル(LLM)を活用して,4部構成の修辞型タイポロジー(因果的,経験的,感情的,道徳的)に基づいて,合成討論データを自動生成・ラベル付けするフレームワークを提案する。 本モデルは,話題領域間で高い性能と強力な一般化を実現する。 1)修辞的戦略ラベルの導入による説得性予測の改善、(2)米国大統領討論会における修辞的戦略の時間的・パルチザン的シフトの分析(1960-2020)。
• 参考スコア（独自算出の注目度）: 35.2732875767252
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Rhetorical strategies are central to persuasive communication, from political discourse and marketing to legal argumentation. However, analysis of rhetorical strategies has been limited by reliance on human annotation, which is costly, inconsistent, difficult to scale. Their associated datasets are often limited to specific topics and strategies, posing challenges for robust model development. We propose a novel framework that leverages large language models (LLMs) to automatically generate and label synthetic debate data based on a four-part rhetorical typology (causal, empirical, emotional, moral). We fine-tune transformer-based classifiers on this LLM-labeled dataset and validate its performance against human-labeled data on this dataset and on multiple external corpora. Our model achieves high performance and strong generalization across topical domains. We illustrate two applications with the fine-tuned model: (1) the improvement in persuasiveness prediction from incorporating rhetorical strategy labels, and (2) analyzing temporal and partisan shifts in rhetorical strategies in U.S. Presidential debates (1960-2020), revealing increased use of affective over cognitive argument in U.S. Presidential debates.
• Abstract（参考訳）: 修辞戦略は、政治的議論やマーケティングから法的議論まで、説得力のあるコミュニケーションの中心である。 しかし、修辞的戦略の分析は、費用がかかる、一貫性のない、スケールが難しい、人間のアノテーションに頼ることによって制限されてきた。 関連するデータセットは、しばしば特定のトピックや戦略に限定され、堅牢なモデル開発のための課題を提起する。 本研究では,大言語モデル(LLM)を活用して,4部構成の修辞型(因果的,経験的,感情的,道徳的)に基づいて,合成討論データを自動生成・ラベル付けするフレームワークを提案する。 このLPMラベル付きデータセット上の変換器を微調整し、このデータセットおよび複数の外部コーパス上の人間ラベル付きデータに対してその性能を検証する。 本モデルは,話題領域間で高い性能と強力な一般化を実現する。 本研究では,(1)修辞的戦略ラベルの導入による説得力予測の改善,(2)米国大統領討論会における修辞的戦略の時間的・分業的なシフトの分析,そして,米国大統領討論会における認知的議論に対する情緒的議論の利用の増加について述べる。

関連論文リスト

• Latent Topic Synthesis: Leveraging LLMs for Electoral Ad Analysis [51.95395936342771]
  ラベルなしコーパスから解釈可能なトピック分類を自動生成するエンドツーエンドフレームワークを提案する。 われわれはこの枠組みを、2024年アメリカ合衆国大統領選挙の1ヶ月前のMeta政治広告の大規模なコーパスに適用する。 提案手法は,潜在談話構造を明らかにし,意味的に豊かなトピックラベルを合成し,モラル・フレーミングの次元でトピックを注釈する。
  論文  参考訳（メタデータ） (2025-10-16T20:30:20Z)
• Joint Effects of Argumentation Theory, Audio Modality and Data Enrichment on LLM-Based Fallacy Classification [0.038233569758620044]
  本研究では、文脈と感情のトーンメタデータが、誤分類タスクにおける大規模言語モデル(LLM)の推論と性能に与える影響について検討する。 アメリカ合衆国大統領討論会のデータを用いて、Qwen-3 (8B) モデルに適用される様々なプロンプト戦略を通じて、6つの誤りタイプを分類する。
  論文  参考訳（メタデータ） (2025-09-14T06:35:34Z)
• Simulation of Language Evolution under Regulated Social Media Platforms: A Synergistic Approach of Large Language Models and Genetic Algorithms [6.550725258692423]
  ソーシャルメディアプラットフォームは、しばしばユーザーコンテンツを穏健化するために制限的なポリシーを課し、創造的回避言語戦略の出現を促している。 本稿では,規制制約下での言語戦略の反復的進化をシミュレートする,Large Language Models (LLM)に基づくマルチエージェントフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-02-26T14:59:27Z)
• Steering Conversational Large Language Models for Long Emotional Support Conversations [4.984018914962973]
  我々はLlama-2とLlama-3のモデルスイートのステアビリティに着目し、相互作用を通してこれらの戦略を維持する能力について検討する。 これを評価するために、注意マップを通して、モデルが引き起こした戦略への固執を定量化する戦略関連注意尺度(SRA)を導入する。
  論文  参考訳（メタデータ） (2024-02-16T05:03:01Z)
• Exploring the Jungle of Bias: Political Bias Attribution in Language Models via Dependency Analysis [86.49858739347412]
  大規模言語モデル(LLM)は、これらのモデルにおけるバイアスの頻度とその緩和に関する激しい議論を引き起こしている。 本稿では,意思決定プロセスに寄与する属性の抽出と仲介を行うためのプロンプトベースの手法を提案する。 観察された異なる治療は、少なくとも部分的には、属性の相違とモデルの相違によるものであることが判明した。
  論文  参考訳（メタデータ） (2023-11-15T00:02:25Z)
• How Well Do Text Embedding Models Understand Syntax? [50.440590035493074]
  テキスト埋め込みモデルが幅広い構文的文脈にまたがって一般化する能力は、まだ解明されていない。 その結果,既存のテキスト埋め込みモデルは,これらの構文的理解課題に十分対応していないことが明らかとなった。 多様な構文シナリオにおけるテキスト埋め込みモデルの一般化能力を高めるための戦略を提案する。
  論文  参考訳（メタデータ） (2023-11-14T08:51:00Z)
• 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)
• Persuasion Strategies in Advertisements [68.70313043201882]
  我々は,説得戦略の広範な語彙を導入し,説得戦略を付加した最初の広告画像コーパスを構築した。 次に,マルチモーダル学習による説得戦略予測のタスクを定式化する。 我々は、Fortune-500社の1600件の広告キャンペーンについて、現実世界でケーススタディを実施している。
  論文  参考訳（メタデータ） (2022-08-20T07:33:13Z)
• RESPER: Computationally Modelling Resisting Strategies in Persuasive Conversations [0.7505101297221454]
  説得的会話における抵抗戦略を識別するための一般化フレームワークを提案する。 実験では,非協調的目標指向会話におけるパワーロールの非対称性を明らかにする。 また,会話結果に対するさまざまな抵抗戦略の役割についても検討した。
  論文  参考訳（メタデータ） (2021-01-26T03:44:17Z)
• Weakly-Supervised Hierarchical Models for Predicting Persuasive Strategies in Good-faith Textual Requests [22.58861442978803]
  誠実なテキスト要求における説得力のある戦略をモデル化する大規模なマルチドメインテキストコーパスを紹介します。 階層的弱教師付き潜在変数モデルの設計を行い,各文に対して部分的ラベル付きデータを用いて説得戦略を予測する。 実験の結果,提案手法は既存の半監視ベースラインを大幅に上回った。
  論文  参考訳（メタデータ） (2021-01-16T02:31:04Z)

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。