論文の概要: SAD: A Large-Scale Strategic Argumentative Dialogue Dataset

• arxiv url: http://arxiv.org/abs/2601.07423v1
• Date: Mon, 12 Jan 2026 11:11:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-13 19:08:01.35369
• Title: SAD: A Large-Scale Strategic Argumentative Dialogue Dataset
• Title（参考訳）: SAD: 大規模戦略的論証的対話データセット
• Authors: Yongkang Liu, Jiayang Yu, Mingyang Wang, Yiqun Zhang, Ercong Nie, Shi Feng, Daling Wang, Kaisong Song, Hinrich Schütze,
• Abstract要約: 実際には、議論はしばしばマルチターン対話として実現される。 大規模なtextbfStrategic textbfArgumentative textbfDialogue データセットは,392,822例からなる。
• 参考スコア（独自算出の注目度）: 60.33125467375306
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Argumentation generation has attracted substantial research interest due to its central role in human reasoning and decision-making. However, most existing argumentative corpora focus on non-interactive, single-turn settings, either generating arguments from a given topic or refuting an existing argument. In practice, however, argumentation is often realized as multi-turn dialogue, where speakers defend their stances and employ diverse argumentative strategies to strengthen persuasiveness. To support deeper modeling of argumentation dialogue, we present the first large-scale \textbf{S}trategic \textbf{A}rgumentative \textbf{D}ialogue dataset, SAD, consisting of 392,822 examples. Grounded in argumentation theories, we annotate each utterance with five strategy types, allowing multiple strategies per utterance. Unlike prior datasets, SAD requires models to generate contextually appropriate arguments conditioned on the dialogue history, a specified stance on the topic, and targeted argumentation strategies. We further benchmark a range of pretrained generative models on SAD and present in-depth analysis of strategy usage patterns in argumentation.
• Abstract（参考訳）: 論証生成は、人間の推論と意思決定における中心的な役割から、かなりの研究関心を集めている。 しかし、既存の議論的コーパスは、あるトピックから引数を生成するか、既存の引数を否定するか、非対話的でシングルターンの設定に焦点を当てている。 しかし実際には、議論はしばしばマルチターン対話として実現され、話者は姿勢を守り、説得力を高めるために多様な議論的戦略を用いる。 議論対話のより深いモデリングを支援するために,392,822個の例からなるSADデータセットである,最初の大規模 \textbf{S}trategic \textbf{A}rgumentative \textbf{D}ialogue を提示する。 議論理論に基づいて、各発話に5つの戦略タイプをアノテートし、発話毎に複数の戦略を可能にする。 従来のデータセットとは異なり、SADは対話履歴、トピックに関する特定のスタンス、ターゲットとなる議論戦略に基づいて、文脈的に適切な議論を生成するモデルを必要とする。 さらに、SAD上で事前学習された生成モデルの範囲をベンチマークし、議論における戦略利用パターンの詳細な分析を示す。

関連論文リスト

• A Generalizable Rhetorical Strategy Annotation Model Using LLM-based Debate Simulation and Labelling [35.2732875767252]
  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)。
  論文  参考訳（メタデータ） (2025-10-16T18:51:23Z)
• 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)
• DialogueReason: Rule-Based RL Sparks Dialogue Reasoning in LLMs [54.4857963044859]
  本稿では,モノローグ型推論モデルにおける失われた役割を明らかにする推論パラダイムであるDialogueReasonを提案する。 本研究は,モノログ推論パターンの分析と対話に基づく推論手法の開発から成っている。
  論文  参考訳（メタデータ） (2025-05-11T16:39:58Z)
• A Unifying Framework for Learning Argumentation Semantics [47.84663434179473]
  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)
• 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)
• I like fish, especially dolphins: Addressing Contradictions in Dialogue Modeling [104.09033240889106]
  DialoguE Contradiction Detection Task(DECODE)と、人間とロボットの矛盾した対話の両方を含む新しい会話データセットを紹介します。 次に、事前学習したトランスフォーマーモデルを用いて、定型的非構造的アプローチと矛盾検出を行う構造的発話に基づくアプローチを比較する。
  論文  参考訳（メタデータ） (2020-12-24T18:47:49Z)
• Rethinking Dialogue State Tracking with Reasoning [76.0991910623001]
  本稿では, 対話状態の段階的追跡を, バックエンドデータの助けを借りて行うことを提案する。 実験の結果,MultiWOZ 2.1の連立信条精度は38.6%向上した。
  論文  参考訳（メタデータ） (2020-05-27T02:05:33Z)
• AMPERSAND: Argument Mining for PERSuAsive oNline Discussions [41.06165177604387]
  本稿では,オンライン議論フォーラムにおける議論マイニングのための計算モデルを提案する。 我々のアプローチは、議論スレッド内の引数のコンポーネント間の関係を識別することに依存します。 我々のモデルは最近の最先端のアプローチと比較して大幅に改善されている。
  論文  参考訳（メタデータ） (2020-04-30T10:33:40Z)
• Dialogue-Based Relation Extraction [53.2896545819799]
  本稿では,人間による対話型関係抽出(RE)データセットDialogREを提案する。 我々は,対話型タスクと従来のREタスクの類似点と相違点の分析に基づいて,提案課題において話者関連情報が重要な役割を担っていると論じる。 実験結果から,ベストパフォーマンスモデルにおける話者認識の拡張が,標準設定と会話評価設定の両方において向上することが示された。
  論文  参考訳（メタデータ） (2020-04-17T03:51:57Z)
• 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。