論文の概要: A Resource for Enthymeme Detection in Controversial Political Discourse

• arxiv url: http://arxiv.org/abs/2606.12186v1
• Date: Wed, 10 Jun 2026 15:09:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-11 16:42:38.519072
• Title: A Resource for Enthymeme Detection in Controversial Political Discourse
• Title（参考訳）: 論争的政治談話におけるエンサイメム検出の資源
• Authors: Martial Pastor, Nelleke Oostdijk,
• Abstract要約: 我々は,5つのアノテーションによって注釈付けされた1,482のツイートを,エントロメムの存在とその引数構造について提示する。 本稿では,Waltonの議論スキームに固定されたアノテーションガイドラインを提案し,構造化された制約付きアプローチを提案する。 予備実験では、アノテータで訓練されたモデルは、ハード・マジョリティ・ボーカルで訓練されたモデルよりも優れていた。
• 参考スコア（独自算出の注目度）: 0.42970700836450487
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Enthymemes, arguments with unstated premises or conclusions, are pervasive in persuasive discourse, yet their annotation remains notoriously subjective. We present a resource of 1,482 tweets from politically controversial discourse, annotated by five annotators for the presence of enthymemes and their argument structure, designed to study label variation. We first revisit the definition of enthymemes and propose annotation guidelines anchored in Walton's argumentation schemes, offering a structured and constrained approach that nonetheless preserves room for the interpretive nature of the task. This contrasts with past resources, which tend to eliminate disagreement, obscuring its sources and preventing investigation of its potential benefits for model performance. We further propose a complexity analysis of the task, identifying where annotation imposes high cognitive load and may give rise to inconsistent annotation. Our preliminary experiments show that models trained on annotator disagreement outperform models trained on hard majority-vote labels. We close by reflecting on how structural openness in enthymeme definitions and guidelines enables the study of variation in subjective inferential processes for future resources and downstream NLP applications concerned with human inference.
• Abstract（参考訳）: 根拠のない前提や結論の議論であるエンサイメムは説得的な言説に広く浸透しているが、その注釈は悪名高い主観的のままである。 本稿では,5人のアノテータがアノテータがアノテータにアノテートした,政治的に議論を呼んだ1,482件のツイートと,ラベルのバリエーションを研究するために考案された議論構造について述べる。 我々はまず、エントロメムの定義を再検討し、ウォルトンの議論スキームに固定されたアノテーションガイドラインを提案し、それにもかかわらず、タスクの解釈的性質の余地を保った構造化された制約付きアプローチを提供する。 これは、従来のリソースとは対照的であり、不一致を排除し、ソースを隠蔽し、モデルパフォーマンスに対する潜在的な利益を調査するのを防ぐ傾向にある。 さらに、アノテーションが高い認知負荷を課す場所を特定し、矛盾するアノテーションを引き起こす可能性のあるタスクの複雑性解析を提案する。 予備実験の結果,アノテータで訓練されたモデルは,ハード・マジョリティ・ラベルで訓練されたモデルよりも優れていた。 エントロメム定義およびガイドラインにおける構造的開放性は、将来の資源に対する主観的推論プロセスや、人為的推論に関する下流NLPアプリケーションにおける変化を研究できるのかを反映して、クローズドにしている。

関連論文リスト

• ReasonScaffold: A Scaffolded Reasoning-based Annotation Protocol for Human-AI Co-Annotation [2.5819252531158683]
  textbfReasonScaffoldは、予測ラベルを保ちながらLLM生成の説明を公開するための足場付き推論アノテーションプロトコルである。 本研究では,アノテート精度を評価するよりも,人間のアノテート行動が制御された環境でのアノテート行動にどのように影響するかを検討する。 本研究の結果から, 推論への露出は, 一致度の増加と最小限の修正と結びついており, 広範囲な変化を招くことなく, 曖昧な症例の解決に有効であることが示唆された。
  論文  参考訳（メタデータ） (2026-03-22T07:14:27Z)
• From Disagreement to Understanding: The Case for Ambiguity Detection in NLI [3.5164356851161984]
  このポジションペーパーでは、自然言語推論(NLI)におけるアノテーションの不一致は単なるノイズではなく、しばしば意味のある変化を反映していると主張している。 まず、あいまいな入力ペアを識別し、それらの型を分類し、次に推論に進む、あいまいさを意識したNLIへのシフトを呼びます。
  論文  参考訳（メタデータ） (2025-07-20T20:27:35Z)
• A Survey on Latent Reasoning [100.54120559169735]
  大きな言語モデル(LLM)は印象的な推論機能を示している。 中間ステップを言語化するCoT推論は、モデルの表現帯域幅を制限する。 潜在的推論は、モデルの連続的な隠れ状態に完全にマルチステップの推論を実行することで、このボトルネックに対処する。
  論文  参考訳（メタデータ） (2025-07-08T17:29:07Z)
• A Closer Look at Bias and Chain-of-Thought Faithfulness of Large (Vision) Language Models [58.32070787537946]
  思考の連鎖(CoT)推論は、大きな言語モデルの性能を高める。 大規模視覚言語モデルにおけるCoT忠実度に関する最初の総合的研究について述べる。
  論文  参考訳（メタデータ） (2025-05-29T18:55:05Z)
• Design Choices for Crowdsourcing Implicit Discourse Relations: Revealing the Biases Introduced by Task Design [23.632204469647526]
  タスク設計は、アノテータを特定の関係に向かわせることができることを示す。 このタイプのバイアスは、トレーニングやテストモデルにおいて考慮すべきである、と結論付けています。
  論文  参考訳（メタデータ） (2023-04-03T09:04:18Z)
• Dive into Ambiguity: Latent Distribution Mining and Pairwise Uncertainty Estimation for Facial Expression Recognition [59.52434325897716]
  DMUE(DMUE)という,アノテーションのあいまいさを2つの視点から解決するソリューションを提案する。 前者に対しては,ラベル空間における潜伏分布をよりよく記述するために,補助的マルチブランチ学習フレームワークを導入する。 後者の場合、インスタンス間の意味的特徴のペアワイズ関係を完全に活用して、インスタンス空間のあいまいさの程度を推定する。
  論文  参考訳（メタデータ） (2021-04-01T03:21:57Z)
• Embracing Uncertainty: Decoupling and De-bias for Robust Temporal Grounding [23.571580627202405]
  時間接地は、言語クエリによって、未トリミングビデオ内の時間境界をローカライズすることを目的としている。 クエリの不確実性とラベルの不確実性という2つのタイプの避けられない人間の不確実性の課題に直面しています。 人間の不確実性を受け入れる新しいDeNet(Decoupling and De-bias)を提案する。
  論文  参考訳（メタデータ） (2021-03-31T07:00:56Z)
• Infusing Finetuning with Semantic Dependencies [62.37697048781823]
  シンタックスとは異なり、セマンティクスは今日の事前訓練モデルによって表面化されないことを示す。 次に、畳み込みグラフエンコーダを使用して、タスク固有の微調整にセマンティック解析を明示的に組み込む。
  論文  参考訳（メタデータ） (2020-12-10T01:27:24Z)

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。