論文の概要: Identifying Implicit Premises for Logical Reconstruction of Argument Graphs
- arxiv url: http://arxiv.org/abs/2608.18821v1
- Date: Wed, 19 Aug 2026 11:23:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-20 20:13:55.383603
- Title: Identifying Implicit Premises for Logical Reconstruction of Argument Graphs
- Title（参考訳）: アーギュメントグラフの論理的再構成のための暗黙の前提を同定する
- Abstract要約: 大規模言語モデル(LLM)を用いて論理式に変換される暗黙的な前提を生成するニューロシンボリックパイプラインを提案する。
提案手法はMicrotext Argumentative Corpusを用いて評価する。
- 参考スコア（独自算出の注目度）: 8.171594942398334
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The logical reconstruction of argument graphs from natural language text is challenging because of the prevalence of enthymemes (i.e., arguments with implicit premises). There are natural language processing methods for identifying enthymemes in text, and there are symbolic methods based on abduction for identifying missing premises in a logical representation of enthymemes. However, there is a need for methods to generate implicit premises to logically show a known entailment or contradiction relationship between a pair of statements. To address this, we propose a neuro-symbolic pipeline that uses large language models (LLMs) to generate intermediate implicit premises that are translated into logical formulae and used with logical formulae representing explicit premises and explicit claims to show the logical relationships between them (entailment, contradiction, or neutrality). Our approach is evaluated on the Microtext Argumentative Corpus.
- Abstract（参考訳）: 自然言語テキストからの議論グラフの論理的再構成は、暗黙の前提を持つ議論(enthymeme)の出現により困難である。
テキスト中のエンティメムを識別する自然言語処理手法は存在し、エンティメムの論理的表現において、欠落した前提を識別するアブダクションに基づくシンボリックな方法が存在する。
しかし、一対のステートメント間の既知の関係や矛盾を論理的に示すために暗黙の前提を生成するメソッドが必要である。
そこで本研究では,大規模言語モデル(LLM)を用いて論理式に翻訳され,論理式で明示的な前提と論理的関係を示す明示的なクレーム(エンタレーション,矛盾,中立性)を表現した,中間的暗黙的前提を生成するニューロシンボリックパイプラインを提案する。
提案手法はMicrotext Argumentative Corpusを用いて評価する。
関連論文リスト
- Making Implicit Premises Explicit in Logical Understanding of Enthymemes [8.171594942398334]
テキストや対話における現実世界の議論は、通常エントイムである(すなわち、その前提や主張は暗黙的である)。
エンティメムを扱う自然言語処理(NLP)メソッドは、テキスト中のエンティメムを識別する可能性があるが、基礎となるロジックをデコードしない。
本研究では,(1)明示的前提とクレームに基づく中間的暗黙的前提を生成するための大型言語モデル(LLM),(2)自然言語を論理式に変換するLLM,(3)SATソルバに基づくニューロシンボリック推論器,などを統合するパイプラインを提案する。
論文 参考訳（メタデータ） (2026-03-06T10:12:10Z) - Are Language Models Efficient Reasoners? A Perspective from Logic Programming [109.47572890883248]
現代言語モデル(LM)は、強い推論能力を示すが、標準的な評価は、人間のような推論の重要な側面である効率性を見越しながら、正確性を強調する。
本稿では、論理プログラミングのレンズを用いて、LM推論効率を評価するためのフレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-29T15:30:31Z) - A Reduction of Input/Output Logics to SAT [51.82266520875928]
デオン論理(Deontic logic)は、規範、義務、許可、禁止について推論するための形式主義である。
本稿では,I/O論理の自動化手法を提案する。
論文 参考訳（メタデータ） (2025-08-22T09:22:26Z) - Reasoning is about giving reasons [55.56111618153049]
高い精度の3つの一般的な推論データセットにおいて、自然言語の引数の論理構造を同定し、抽出できることが示される。
我々のアプローチは、自然言語の引数の論理構造に依存するあらゆる推論形式をサポートする。
論文 参考訳（メタデータ） (2025-08-20T07:26:53Z) - Dialogue-based Explanations for Logical Reasoning using Structured Argumentation [0.06138671548064355]
我々は、最先端技術の構造的弱点を特定し、これらの問題に対処するための一般的な議論に基づくアプローチを提案する。
我々の研究は、問合せ応答を計算し、説明するための弁証法として対話モデルを提供する。
これにより、既存の説明形式よりも表現的かつ直感的な弁証的証明木を説明として構築することができる。
論文 参考訳（メタデータ） (2025-02-16T22:26:18Z) - TabVer: Tabular Fact Verification with Natural Logic [11.002475880349452]
本稿では,自然論理の文脈における数値と算術関数の集合論的解釈を提案する。
大規模言語モデルを用いて,テーブル上で関数を実行することで応答するクレームの健全な部分に関する質問を生成することにより,算術式を生成する。
FEVEROUS上の数ショット設定では、71.4の精度を達成し、完全な神経的および象徴的推論モデルの両方を3.4ポイント上回る。
論文 参考訳（メタデータ） (2024-11-02T00:36:34Z) - Understanding Enthymemes in Argument Maps: Bridging Argument Mining and Logic-based Argumentation [11.633929083694388]
本稿では,議論の前提と主張を含む引数マップを仮定し,それら間の関係を支援し,攻撃する。
その引数マップを理解・分析するためには、その引数マップを論理引数でインスタンス化することが望ましい。
テキスト内の明示的な情報を表現するための古典論理と、テキスト内の暗黙的な情報を表現するためのデフォルト論理を用いて、このニーズに対処する。
論文 参考訳（メタデータ） (2024-08-16T10:30:30Z) - Language Models can be Logical Solvers [99.40649402395725]
論理解法の推論過程を直接エミュレートする新しい言語モデルであるLoGiPTを導入する。
LoGiPTは、導出的ソルバの見えない推論過程を明らかにして精錬することから導かれる、新しく構築された命令チューニングデータセットに基づいて微調整される。
論文 参考訳（メタデータ） (2023-11-10T16:23:50Z) - 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) - Discourse-Aware Graph Networks for Textual Logical Reasoning [142.0097357999134]
パッセージレベルの論理関係は命題単位間の係り合いまたは矛盾を表す(例、結論文)
論理的推論QAを解くための論理構造制約モデリングを提案し、談話対応グラフネットワーク(DAGN)を導入する。
ネットワークはまず、インラインの談話接続とジェネリック論理理論を利用した論理グラフを構築し、その後、エッジ推論機構を用いて論理関係を進化させ、グラフ機能を更新することで論理表現を学習する。
論文 参考訳（メタデータ） (2022-07-04T14:38:49Z)
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。