論文の概要: An LLM-Based System for Argument Mining
- arxiv url: http://arxiv.org/abs/2605.13793v2
- Date: Tue, 19 May 2026 13:49:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-20 15:03:08.280558
- Title: An LLM-Based System for Argument Mining
- Title（参考訳）: argument Mining のための LLM ベースシステム
- Authors: Paulo Pirozelli, Victor Hugo Nascimento Rocha, Fabio G. Cozman, Douglas Aldred,
- Abstract要約: 本稿では,自然言語テキストから抽象的引数グラフへ引数を再構成する,エンドツーエンドの大規模言語モデル(LLM)を提案する。
このシステムは、議論的コンポーネントを段階的に識別し、関連する要素を選択し、それらの論理的関係を明らかにする多段階パイプラインに従う。
その結果,提案システムは議論構造を適切に復元することができ,異なるアノテーションスキームに適応すると,ベンチマークデータセット間で適切な性能が得られることがわかった。
- 参考スコア（独自算出の注目度）: 0.03499870393443267
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Arguments are a fundamental aspect of human reasoning, in which claims are supported, challenged, and weighed against one another. We present an end-to-end large language model (LLM)-based system for reconstructing arguments from natural language text into abstract argument graphs. The system follows a multi-stage pipeline that progressively identifies argumentative components, selects relevant elements, and uncovers their logical relations. These elements are represented as directed acyclic graphs consisting of two component types (premises and conclusions) and three relation types (support, attack, and undercut). We conduct two complementary experiments to evaluate the system. First, we perform a manual evaluation on arguments drawn from an argumentation theory textbook to assess the system's ability to recover argumentative structure. Second, we conduct a quantitative evaluation on benchmark datasets, allowing comparison with prior work by mapping our outputs to established annotation schemes. Results show that the system can adequately recover argumentative structures and, when adapted to different annotation schemes, achieve reasonable performance across benchmark datasets. These findings highlight the potential of LLM-based pipelines for scalable argument mining.
- Abstract（参考訳）: 論証は人間の推論の基本的な側面であり、主張は互いに支持され、挑戦され、重み付けされる。
本稿では,自然言語テキストから抽象的引数グラフへ引数を再構成する,エンドツーエンドの大規模言語モデル(LLM)を提案する。
このシステムは、議論的コンポーネントを段階的に識別し、関連する要素を選択し、それらの論理的関係を明らかにする多段階パイプラインに従う。
これらの要素は、2つのコンポーネントタイプ(前提と結論)と3つの関係タイプ(サポート、アタック、アンダーカット)からなる有向非巡回グラフとして表現される。
システムを評価するために2つの相補的な実験を行った。
まず,議論理論教科書から引き出された議論を手動で評価し,議論構造を復元するシステムの能力を評価する。
第2に、ベンチマークデータセットの定量的評価を行い、出力を確立されたアノテーションスキームにマッピングすることで、事前の作業との比較を可能にする。
その結果,提案システムは議論構造を適切に復元することができ,異なるアノテーションスキームに適応すると,ベンチマークデータセット間で適切な性能が得られることがわかった。
これらの結果は、スケーラブルな引数マイニングのためのLLMベースのパイプラインの可能性を強調している。
関連論文リスト
- MuTSE: A Human-in-the-Loop Multi-use Text Simplification Evaluator [0.13048920509133807]
textbfMuTSEfootnoteは、大規模言語モデルの評価を合理化するために設計されたインタラクティブなヒューマン・イン・ザ・ループ・ウェブアプリケーションである。
このシステムは、P倍M$プロンプトモデル置換の同時実行をサポートし、リアルタイムに包括的な比較行列を生成する。
論文 参考訳（メタデータ） (2026-04-10T04:31:43Z) - Argument Reconstruction as Supervision for Critical Thinking in LLMs [47.26477494850773]
任意の引数(GAAR)を自動的に再構成するエンジンを提案する。
GAARエンジンを用いて、新しい高品質な引数再構成データセット(Arguinas)を合成する。
実験結果から,7つの批判的思考課題において,議論再構成学習のためのモデルが,そうでないモデルよりも優れていたことが示唆された。
論文 参考訳（メタデータ） (2026-03-18T07:17:54Z) - LLM-based Argument Mining meets Argumentation and Description Logics: a Unified Framework for Reasoning about Debates [18.314315278861073]
大規模言語モデル(LLM)は、テキストの分析と生成において高いパフォーマンスを達成する。
彼らは、議論を含むような複雑なテキストに対する明確で透明で検証可能な推論に苦慮している。
本稿では,学習に基づく議論マイニングと定量的推論を組み合わせたフレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-03T11:06:23Z) - CLATTER: Comprehensive Entailment Reasoning for Hallucination Detection [60.98964268961243]
我々は,系統的かつ包括的な推論プロセスを実行するためのモデルを導くことで,モデルがよりきめ細やかで正確な絞り込み決定を実行できることを提案する。
我々は,(i)クレームの分解,(ii)サブクレームの属性と包含分類,および(iii)集約分類から成る3段階の推論プロセスを定義し,そのような導出推論が実際に幻覚検出の改善をもたらすことを示す。
論文 参考訳（メタデータ） (2025-06-05T17:02:52Z) - 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) - Modeling Hierarchical Reasoning Chains by Linking Discourse Units and
Key Phrases for Reading Comprehension [80.99865844249106]
本稿では,論理的推論の基盤として,対話レベルと単語レベルの両方の文脈を扱う総合グラフネットワーク(HGN)を提案する。
具体的には、ノードレベルの関係とタイプレベルの関係は、推論過程におけるブリッジと解釈できるが、階層的な相互作用機構によってモデル化される。
論文 参考訳（メタデータ） (2023-06-21T07:34:27Z) - Argumentative Explanations for Pattern-Based Text Classifiers [15.81939090849456]
文分類のためのパターンベースロジスティック回帰(PLR)という,特定の解釈可能なモデルの説明に焦点をあてる。
本稿では,AXPLRを提案する。AXPLRは,計算論法を用いて説明文を生成する新しい説明法である。
論文 参考訳（メタデータ） (2022-05-22T21:16:49Z) - A Formalisation of Abstract Argumentation in Higher-Order Logic [77.34726150561087]
本稿では,古典的高階論理へのエンコーディングに基づく抽象的議論フレームワークの表現手法を提案する。
対話型および自動推論ツールを用いた抽象的議論フレームワークのコンピュータ支援評価のための一様フレームワークを提供する。
論文 参考訳（メタデータ） (2021-10-18T10:45:59Z)
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。