論文の概要: Detecting Winning Arguments with Large Language Models and Persuasion Strategies

• arxiv url: http://arxiv.org/abs/2601.10660v1
• Date: Thu, 15 Jan 2026 18:30:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-16 19:43:19.264491
• Title: Detecting Winning Arguments with Large Language Models and Persuasion Strategies
• Title（参考訳）: 大規模言語モデルと説得戦略による勝利論の発見
• Authors: Tiziano Labruna, Arkadiusz Modzelewski, Giorgio Satta, Giovanni Da San Martino,
• Abstract要約: 本研究は,文章の説得性を決定する上での説得戦略の役割について考察する。 我々は、アノテートされた3つの引数データセット(Change My View subredditから構築された)、Arthropic/Persuasion、Persuasion for Goodの3つについて実験を行った。 その結果,戦略誘導推論は説得力の予測を改善することが示された。
• 参考スコア（独自算出の注目度）: 7.089321248525487
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Detecting persuasion in argumentative text is a challenging task with important implications for understanding human communication. This work investigates the role of persuasion strategies - such as Attack on reputation, Distraction, and Manipulative wording - in determining the persuasiveness of a text. We conduct experiments on three annotated argument datasets: Winning Arguments (built from the Change My View subreddit), Anthropic/Persuasion, and Persuasion for Good. Our approach leverages large language models (LLMs) with a Multi-Strategy Persuasion Scoring approach that guides reasoning over six persuasion strategies. Results show that strategy-guided reasoning improves the prediction of persuasiveness. To better understand the influence of content, we organize the Winning Argument dataset into broad discussion topics and analyze performance across them. We publicly release this topic-annotated version of the dataset to facilitate future research. Overall, our methodology demonstrates the value of structured, strategy-aware prompting for enhancing interpretability and robustness in argument quality assessment.
• Abstract（参考訳）: 議論的テキストにおける説得を検出することは、人間のコミュニケーションを理解する上で重要な意味を持つ課題である。 本研究は、テキストの説得性を決定する上での説得戦略(評判に対する攻撃、抽出、操作的表現など)について検討する。 我々は、アノテートされた3つの引数データセット(Change My View subredditから構築された)、Arthropic/Persuasion、Persuasion for Goodの3つについて実験を行った。 提案手法は,大規模言語モデル (LLM) とマルチストラテジ・パースポーション・スコアリング・アプローチを用いて,6つのパースポーション・ストラテジーの推論を導出する。 その結果,戦略誘導推論は説得力の予測を改善することが示された。 コンテンツの影響をより深く理解するために、Winning Argumentデータセットを幅広い議論トピックに整理し、それらのパフォーマンスを分析します。 今後の研究を促進するために、このトピックアノテートされたデータセットを公開しています。 全体として,提案手法は,議論品質評価における解釈可能性と堅牢性を高めるために,構造化された戦略意識の促進効果の価値を実証するものである。

関連論文リスト

• SAD: A Large-Scale Strategic Argumentative Dialogue Dataset [60.33125467375306]
  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。
  論文  参考訳（メタデータ） (2026-01-12T11:11:37Z)
• MMPersuade: A Dataset and Evaluation Framework for Multimodal Persuasion [73.99171322670772]
  LVLM(Large Vision-Language Models)は、ショッピング、健康、ニュースなどの分野に展開されている。 MMPersuadeはLVLMにおけるマルチモーダルパーサージョンダイナミクスを体系的に研究するための統一的なフレームワークを提供する。
  論文  参考訳（メタデータ） (2025-10-26T17:39:21Z)
• Must Read: A Systematic Survey of Computational Persuasion [60.83151988635103]
  AI駆動の説得は、有益なアプリケーションに活用することができるが、操作と非倫理的な影響を通じて脅威を引き起こす。 本調査では,AIによる説得の安全性,公平性,有効性を高めるための今後の研究方針について概説する。
  論文  参考訳（メタデータ） (2025-05-12T17:26:31Z)
• AutoPersuade: A Framework for Evaluating and Explaining Persuasive Arguments [0.5242869847419834]
  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。
  論文  参考訳（メタデータ） (2024-10-11T15:46:05Z)
• 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)
• Examining the Ordering of Rhetorical Strategies in Persuasive Requests [58.63432866432461]
  本研究では,大規模ローン要求コーパスからのテキスト要求において,コンテンツと修辞戦略をアンタングル化するために,変分オートエンコーダモデルを用いる。 特定の(順序の)戦略が要求の内容と一意に相互作用し、成功率に影響を与え、その結果、要求の説得力に影響を及ぼす。
  論文  参考訳（メタデータ） (2020-10-09T15:10:44Z)
• 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。