論文の概要: Argument Mining as a Text-to-Text Generation Task

• arxiv url: http://arxiv.org/abs/2603.23949v1
• Date: Wed, 25 Mar 2026 05:10:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-26 21:06:11.141744
• Title: Argument Mining as a Text-to-Text Generation Task
• Title（参考訳）: テキスト・ツー・テキスト生成タスクとしてのArgument Mining
• Authors: Masayuki Kawarada, Tsutomu Hirao, Wataru Uchida, Masaaki Nagata,
• Abstract要約: 本稿では,事前学習したエンコーダ・デコーダ言語モデルを用いて,テキストからテキストへ変換する手法を提案する。 提案手法は,スパン,コンポーネント,リレーションのための議論的注釈付きテキストを同時に生成する。
• 参考スコア（独自算出の注目度）: 9.144312884638545
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Argument Mining(AM) aims to uncover the argumentative structures within a text. Previous methods require several subtasks, such as span identification, component classification, and relation classification. Consequently, these methods need rule-based postprocessing to derive argumentative structures from the output of each subtask. This approach adds to the complexity of the model and expands the search space of the hyperparameters. To address this difficulty, we propose a simple yet strong method based on a text-to-text generation approach using a pretrained encoder-decoder language model. Our method simultaneously generates argumentatively annotated text for spans, components, and relations, eliminating the need for task-specific postprocessing and hyperparameter tuning. Furthermore, because it is a straightforward text-to-text generation method, we can easily adapt our approach to various types of argumentative structures. Experimental results demonstrate the effectiveness of our method, as it achieves state-of-the-art performance on three different types of benchmark datasets: the Argument-annotated Essays Corpus(AAEC), AbstRCT, and the Cornell eRulemaking Corpus(CDCP)
• Abstract（参考訳）: Argument Mining(AM)はテキスト内の議論的構造を明らかにすることを目的としている。 以前は、スパン識別、コンポーネント分類、関係分類といったいくつかのサブタスクが必要だった。 したがって、これらの手法は各サブタスクの出力から議論的構造を導出するためにルールベースの後処理を必要とする。 このアプローチはモデルの複雑さを増し、ハイパーパラメータの探索空間を拡張する。 そこで本研究では,事前学習したエンコーダ・デコーダ言語モデルを用いて,テキストからテキストへ変換する手法を提案する。 提案手法は,タスク固有の後処理やハイパーパラメータチューニングの必要性を排除し,スパン,コンポーネント,関係に関する議論的な注釈付きテキストを同時に生成する。 さらに,本手法はテキストからテキストへ直接生成する手法であるため,様々なタイプの議論的構造に容易にアプローチを適用することができる。 AEC(Argument-annotated Essays Corpus)、AbstRCT(AbstRCT)、CDCP(Cornel eRulemaking Corpus)の3種類のベンチマークデータセットに対して,最先端性能を実現するため,本手法の有効性を実証した。

関連論文リスト

• Compact Prompting in Instruction-tuned LLMs for Joint Argumentative Component Detection [9.542561151544984]
  ACDはArgument(ation) Mining(AM)のコアサブタスクである 本稿では,命令型大規模言語モデル (LLM) に基づく新しい手法を提案する。 標準ベンチマーク実験により,本手法は最先端システムよりも高い性能を実現することが示された。
  論文  参考訳（メタデータ） (2026-03-03T15:32:58Z)
• Multi-Task Learning Improves Performance In Deep Argument Mining Models [2.2312474084968024]
  議論マイニングタスクは、議論マイニングのためのマルチタスクアプローチを実装することで、共通の意味と論理構造を共有していることを示す。 本研究は,テキストから議論的手法を抽出するための総合的アプローチを提案するとともに,課題が相似であることから,議論的マイニングにおいて重要である。
  論文  参考訳（メタデータ） (2023-07-03T23:42:29Z)
• SSP: Self-Supervised Post-training for Conversational Search [63.28684982954115]
  本稿では,対話型検索モデルを効率的に初期化するための3つの自己教師型タスクを備えた学習後パラダイムであるフルモデル(モデル)を提案する。 提案手法の有効性を検証するために,CAsT-19 と CAsT-20 の2つのベンチマークデータセットを用いて,会話検索タスクにモデルにより訓練後の会話エンコーダを適用した。
  論文  参考訳（メタデータ） (2023-07-02T13:36:36Z)
• LRANet: Towards Accurate and Efficient Scene Text Detection with Low-Rank Approximation Network [63.554061288184165]
  低ランク近似に基づく新しいパラメータ化テキスト形状法を提案する。 異なるテキストの輪郭間の形状相関を探索することにより, 形状表現における一貫性, コンパクト性, 単純性, 頑健性を実現する。 我々はLRANetという名前の正確で効率的な任意の形状のテキスト検出器を実装した。
  論文  参考訳（メタデータ） (2023-06-27T02:03:46Z)
• TextFormer: A Query-based End-to-End Text Spotter with Mixed Supervision [61.186488081379]
  Transformerアーキテクチャを用いた問合せベースのエンドツーエンドテキストスポッターであるTextFormerを提案する。 TextFormerは、画像エンコーダとテキストデコーダの上に構築され、マルチタスクモデリングのための共同セマンティック理解を学ぶ。 分類、セグメンテーション、認識のブランチの相互訓練と最適化を可能にし、より深い特徴共有をもたらす。
  論文  参考訳（メタデータ） (2023-06-06T03:37:41Z)
• Text Revision by On-the-Fly Representation Optimization [76.11035270753757]
  現在の最先端手法は、これらのタスクをシーケンスからシーケンスまでの学習問題として定式化している。 並列データを必要としないテキストリビジョンのための反復的なインプレース編集手法を提案する。 テキストの単純化に関する最先端の教師付き手法よりも、競争力があり、パフォーマンスも向上する。
  論文  参考訳（メタデータ） (2022-04-15T07:38:08Z)
• Discourse-Aware Prompt Design for Text Generation [13.835916386769474]
  そこで本研究では, 簡易かつ効率的な手法により, プロンプトベースの条件付きテキスト生成を改善することができることを示す。 まず、人文テキストの高レベルな談話構造を、プレフィックスパラメータのテクスチャ階層的ブロッキングでモデル化できることを示す。 第2に,ネットワークの各レイヤにおけるプレフィックスパラメータのテキスト分割間隔を導入し,ソフトマックス関数のスパース変換を学習することで,スパースプレフィックスチューニングを提案する。
  論文  参考訳（メタデータ） (2021-12-10T18:15:44Z)
• "Sharks are not the threat humans are": Argument Component Segmentation in School Student Essays [3.632177840361928]
  中学生が執筆した議論的エッセイのコーパスから,クレームと前提トークンを識別するためにトークンレベルの分類を適用する。 BERTに基づくマルチタスク学習アーキテクチャ(トークンと文レベルの分類)が、関連する未ラベルデータセット上で適応的に事前訓練され、最良の結果が得られることを示す。
  論文  参考訳（メタデータ） (2021-03-08T02:40:07Z)

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。