論文の概要: Designing and Analysing Argument Mining Pipelines: Towards a Comprehensive Assessment

• arxiv url: http://arxiv.org/abs/2609.26338v1
• Date: Tue, 22 Sep 2026 12:46:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.362342
• Title: Designing and Analysing Argument Mining Pipelines: Towards a Comprehensive Assessment
• Title（参考訳）: オーグメントマイニングパイプラインの設計と解析 : 総合的評価に向けて
• Abstract要約: Argument Mining (AM) は自然言語を基本となる引数構造に変換する。 この研究は、いくつかの最先端のエンドツーエンドのAMワークを体系的にレビューする予備的なメタスタディを提示している。 本稿では,言語的および計算的観点からの一般的な設計を提案し,議論構造のモデル化と計算のために重要なAMタスクがどのように設計されているかを示す。
• 参考スコア（独自算出の注目度）: 5.685695952342598
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Argument Mining (AM) transforms natural language into its underlying argument structures. This transformation is typically realized through a sequence of AM tasks that form an end-to-end AM pipeline. However, AM approaches often differ in how they conceptualize these tasks, making direct comparisons between them difficult and opaque. This calls for a more nuanced, task-level analysis of AM approaches to enable clearer comparison and assessment. This work presents a preliminary meta-study that systematically reviews several state-of-the-art end-to-end AM works and analyzes their pipelines through a triple-perspective framework---a linguistic, computational and domain perspective---to understand how the pipelines model arguments as structures, computes them, and integrates domain knowledge. We further propose a general design to the linguistic and computational perspectives, illustrating how key AM tasks are designed for modeling and computation of argument structures. Our proposed framework lays the groundwork for methodology-centered descriptions across AM approaches, facilitating deeper understanding and more systematic comparisons in future research.
• Abstract（参考訳）: Argument Mining (AM) は自然言語を基本となる引数構造に変換する。 この変換は通常、エンドツーエンドのAMパイプラインを構成する一連のAMタスクを通じて実現される。 しかし、AMアプローチはしばしばこれらのタスクの概念化方法が異なるため、それらの間の直接比較は困難で不透明である。 これにより、よりきめ細やかな、タスクレベルのAMアプローチの分析が求められ、より明確な比較と評価を可能にします。 この研究は、言語、計算、ドメインの観点から、パイプラインがどのように構造として引数をモデル化し、それらを計算し、ドメイン知識を統合するかを理解するために、いくつかの最先端のエンドツーエンドのAMを体系的にレビューし、パイプラインをトリプルパースペクティブなフレームワークで分析する予備メタスタディを提示します。 さらに,言語的および計算的観点からの一般的な設計を提案し,議論構造のモデル化と計算のために重要なAMタスクがどのように設計されているかを示す。 提案するフレームワークは,AMアプローチにまたがる方法論中心の記述の基盤を築き,今後の研究におけるより深い理解とより体系的な比較を容易にする。

関連論文リスト

• End-to-End Argument Mining through Autoregressive Argumentative Structure Prediction [2.0421986354783432]
  本研究では,自動回帰Argumentative Structure Prediction (AASP) フレームワークを用いて,Argument Mining (AM) の重要なタスクをエンドツーエンドに定式化する。 AASPフレームワークは、条件付き事前訓練された言語モデルの助けを借りて、引数構造を制約された事前定義されたアクションのセットとしてモデル化する。 3つの標準AMベンチマークで実施された実験は、AASPが2つのベンチマークですべてのAMタスクにまたがって最先端(SoTA)の結果を達成し、1つのベンチマークで強力な結果をもたらすことを示した。
  論文  参考訳（メタデータ） (2025-10-18T06:10:57Z)
• Implicit Reasoning in Large Language Models: A Comprehensive Survey [67.53966514728383]
  大規模言語モデル(LLM)は、幅広いタスクにまたがる強力な一般化を実証している。 最近の研究は、暗黙の推論に拍車をかけた、明示的な思考の連鎖から注意を向けている。 本調査では,表現形式から計算戦略へ焦点を移し,実行パラダイムを中心とした分類を紹介した。
  論文  参考訳（メタデータ） (2025-09-02T14:16:02Z)
• A Survey of Frontiers in LLM Reasoning: Inference Scaling, Learning to Reason, and Agentic Systems [93.8285345915925]
  推論(Reasoning)は、論理的推論、問題解決、意思決定を可能にする基本的な認知プロセスである。 大規模言語モデル(LLM)の急速な進歩により、推論は高度なAIシステムを区別する重要な能力として浮上した。 我々は,(1)推論が達成される段階を定義するレジーム,(2)推論プロセスに関与するコンポーネントを決定するアーキテクチャの2つの側面に沿って既存の手法を分類する。
  論文  参考訳（メタデータ） (2025-04-12T01:27:49Z)
• LogiDynamics: Unraveling the Dynamics of Inductive, Abductive and Deductive Logical Inferences in LLM Reasoning [74.0242521818214]
  本稿では,大言語モデル(LLM)におけるインダクティブ(システム1)と帰納的/帰納的(システム2)の推論の比較力学を体系的に検討する。 我々は、制御されたアナログ推論環境、多様度(テキスト、視覚、記号)、難易度、タスク形式(MCQ/フリーテキスト)を利用する。 我々の分析によると、System 2のパイプラインは一般的に、特に視覚的/象徴的なモダリティや難しいタスクにおいて優れており、System 1はテキストやより簡単な問題に対して競争力がある。
  論文  参考訳（メタデータ） (2025-02-16T15:54:53Z)
• Demystifying Chains, Trees, and Graphs of Thoughts [22.735913368597227]
  利用構造の基本クラスを特定することに集中し、これらの構造表現を分析する。 本研究は,提案した分類法を用いて既存のプロンプト方式と比較し,特定の設計選択が性能とコストの異なるパターンにどのように寄与するかを論じる。
  論文  参考訳（メタデータ） (2024-01-25T16:34:00Z)

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。