論文の概要: Retrieving Relations, Detecting Fallacies: A RAG Approach to Political Debate Analysis

• arxiv url: http://arxiv.org/abs/2608.27471v1
• Date: Tue, 18 Aug 2026 09:39:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-06 19:38:41.43922
• Title: Retrieving Relations, Detecting Fallacies: A RAG Approach to Political Debate Analysis
• Title（参考訳）: 政治的議論分析へのRAGアプローチ
• Abstract要約: 本稿では,誤検出と分類のためのガイド付き検索拡張手法を提案する。 ElecDeb60to20ベンチマークのアプローチを42の検索構成と14のモデルで評価した。 以上の結果から,外部知識を取り入れることで,探索が議論的に導かれると,誤検出や分類が大幅に向上することが示された。
• 参考スコア（独自算出の注目度）: 9.600892324769037
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Fallacies are arguments that employ invalid reasoning, making their automatic detection critical in sensitive contexts such as high-stakes political debates, where public opinion is shaped. Spotting a fallacious argument requires contextual knowledge beyond its pure surface text. This entails world knowledge pertaining to the subject matter under discussion, as well as knowledge of the relationships that exist between arguments within the argumentative discourse. Prior work on fallacy analysis has shown that argumentative discourse structure can beneficially improve classification performance. However, such structure is typically encoded only as static classifier features, limiting its flexibility. Building on this intuition while addressing this limitation, we introduce a guided retrieval-augmented methodology for fallacy detection and classification that leverages argumentative relations of support and attack to dynamically steer the extraction of relevant documents. We evaluate our approach on the ElecDeb60to20 benchmark across 42 retrieval configurations and 14 models, performing retrieval over a 15GB knowledge base of collected political-related documents. Our approach improves macro-F1 up to 0.864 for fallacy detection and up to 0.725 for classification over non-retrieval baselines. These results show that incorporating external knowledge significantly enhances fallacy detection and classification when retrieval is argumentatively guided.
• Abstract（参考訳）: 誤った主張は、無効な推論を取り入れた議論であり、その自動的な検出は、世論が形作られた高い政治的議論のようなセンシティブな文脈において決定的に重要である。 誤った議論を見つけるには、純粋に表面的なテキストを超えた文脈的知識が必要である。 これは議論対象の主題に関連する世界的知識と、議論的談話の中の議論の間に存在する関係についての知識を包含する。 先行研究は、議論的談話構造が分類性能を効果的に改善できることを示した。 しかし、そのような構造は通常、静的な分類器機能としてのみエンコードされ、柔軟性が制限される。 この制限に対処しながら、この直感に基づいて、サポートとアタックの議論的関係を利用して関連文書の抽出を動的に行う、誤検出と分類のためのガイド付き検索強化手法を導入する。 我々は、42の検索構成と14のモデルにまたがるElecDeb60to20ベンチマークに対するアプローチを評価し、収集された政治関連文書の15GBの知識ベース上で検索を行う。 提案手法によりマクロF1を0.864まで改善し,非検索ベースラインを0.725まで分類する。 これらの結果から,外部知識を取り入れることで,探索を議論的に導くと,誤検出や分類が著しく向上することが示された。

関連論文リスト

• Embedding Models for Stance-Aware Argument Retrieval [16.736290000291188]
  この2つの評価を組み込んだセマンティックサーチの基盤として, 密着型埋め込みモデル(以下, モデル)がいかに機能するかを示す。 既存のモデルは非対称な推論に苦しむことを示し、指導的姿勢を無視しながら、話題の重複に対して強い偏見を示す。 そこで本研究では,この現象の定量化とデータ中心の解法を提案する。
  論文  参考訳（メタデータ） (2026-08-28T12:47:45Z)
• R$^2$-Searcher: Calibrating Retrieval and Reasoning Boundaries for Agentic Search [59.034878430183305]
  R$2$-Searcherは、検索と推論の境界を明示的に探索し、校正する。 R$2$-Searcherは,解答精度と検索品質において,最先端のエージェント検索法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2026-06-26T19:44:34Z)
• Validating Political Position Predictions of Arguments [3.3571381688392488]
  22言語モデルを用いて政治的位置予測の大規模知識基盤を構築した。 ポイントワイド評価は、本質的な主観性を反映した適度な人間モデル合意を示す。 ペアワイズ・バリデーションは、人間とモデル由来のランキングの間で、はるかに強力なアライメントを示す。
  論文  参考訳（メタデータ） (2026-02-20T17:03:44Z)
• Unsupervised dense retrieval with conterfactual contrastive learning [16.679649921935482]
  そこで本研究では,高密度検索モデルの高感度化により,高密度検索モデルのロバスト性を向上させることを提案する。 この文脈での感度を達成するモデルは、クエリとの関連性を決定するドキュメントのキーパスが修正されたときに高いばらつきを示すべきである。 因果関係と反事実分析に動機付け, 一連の反事実正則化手法を提案する。
  論文  参考訳（メタデータ） (2024-12-30T07:01:34Z)
• CASA: Causality-driven Argument Sufficiency Assessment [79.13496878681309]
  ゼロショット因果関係に基づく議論十分性評価フレームワークであるCASAを提案する。 PSは前提イベントの導入が前提イベントと結論イベントの両方が欠落した場合の結論につながる可能性を測っている。 2つの論理的誤り検出データセットの実験により、CASAは不十分な議論を正確に識別することを示した。
  論文  参考訳（メタデータ） (2024-01-10T16:21:18Z)
• Large Language Models are Few-Shot Training Example Generators: A Case Study in Fallacy Recognition [49.38757847011105]
  計算誤認識は、さまざまなジャンル、ドメイン、データセットに見られる誤認識のタイプによって、課題に直面します。 我々は、追加の文脈を取り入れ、大規模な言語モデルを活用して合成データを生成することによって、誤認識のための既存のモデルを強化することを目指している。 評価結果は、誤検出タイプ、データセット、ジェネレータ間で一貫した改善を示す。
  論文  参考訳（メタデータ） (2023-11-16T04:17:47Z)
• How Well Do Text Embedding Models Understand Syntax? [50.440590035493074]
  テキスト埋め込みモデルが幅広い構文的文脈にまたがって一般化する能力は、まだ解明されていない。 その結果,既存のテキスト埋め込みモデルは,これらの構文的理解課題に十分対応していないことが明らかとなった。 多様な構文シナリオにおけるテキスト埋め込みモデルの一般化能力を高めるための戦略を提案する。
  論文  参考訳（メタデータ） (2023-11-14T08:51:00Z)
• 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)
• Ranking-based Argumentation Semantics Applied to Logical Argumentation (full version) [2.9005223064604078]
  構造化議論におけるランキングベースセマンティクスの振る舞いについて検討する。 ランキングに基づく多種多様なセマンティクスが,いわゆる計算可能性尺度を生み出していることを示す。
  論文  参考訳（メタデータ） (2023-07-31T15:44:33Z)
• Case-Based Reasoning with Language Models for Classification of Logical Fallacies [3.511369967593153]
  本稿では,論理的誤りの新たな事例を分類するケースベース推論手法を提案する。 本実験は,ケースベース推論が言語モデルの精度と一般化性を向上させることを示唆している。
  論文  参考訳（メタデータ） (2023-01-27T17:49:16Z)
• Exploring Discourse Structures for Argument Impact Classification [48.909640432326654]
  本稿では、文脈経路に沿った2つの議論間の談話関係が、議論の説得力を特定する上で不可欠な要素であることを実証的に示す。 本研究では,文レベルの構造情報を大規模言語モデルから派生した文脈的特徴に注入・融合するDisCOCを提案する。
  論文  参考訳（メタデータ） (2021-06-02T06:49:19Z)

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。