ACLMay, 2018

利用外部检索证据增强的神经论证生成

PDF
TL;DR该研究提出了一种基于编码器 - 解码器神经网络的论证生成模型，通过从维基百科检索外部证据来生成不同方面的论证，实验结果表明，我们的模型建立的论证比流行的序列生成模型更具有话题相关内容。
发现论文，激发创造
  • 面向控制的神经论点生成

    本研究利用语言模型进行论点生成，实现针对特定话题、立场和方面的句子级别论点生成，定义论点方面检测作为必要方法，通过数据增强和生成反证来提高立场检测模型的性能。

    Apr, 2020

  • 利用检索、规划和实现的论点生成

    本文介绍了一个新的框架 CANDELA，用来解决针对特定问题的对抗论证自动生成，它包含了一个强大的检索系统和一个新型的双步骤生成模型，通过索引 1200 万文章并使用自然语言处理，使得自动生成的对抗论证比以往更为适当和丰富。经过自动评估和人工评估，该模型均取得了相比现有技术的更高 BLEU、ROUGE 和 METEOR 语言分数。

    Jun, 2019

  • 基于神经网络的观点和论证摘要生成

    用基于注意力机制的神经网络模型，依据重要性进行采样的方法，生成更优于现有方法的电影评论和争论的摘要。

    Jun, 2016

  • 利用论证语义和自然语言论证图网络的自动辩论评估

    本文提出了一种混合方法，通过结合论述框架、语义学、基于 Transformer 的体系结构和神经图网络来自动评估论证性辩论，并获得了有前途的结果，这为自然语言论证的自动分析开辟了新的研究方向。

    Mar, 2022

  • 探索论证质量预测的整体视角

    本文研究基于 NLP 和大量文本数据得到的自动化 argument mining，评估 argument 质量估计对于不同领域的通用性、与相关 argument mining 任务的相互作用以及情感对于观察到的 argument 强度的影响。作者发现不同领域的训练数据可以提高质量估计的泛化能力，在零样本迁移和多任务实验中，argument quality 在多个方面都能够得到改善，而情感对 argument quality 的影响不如人们普遍认为的那样大。

    May, 2022

  • 使用基于注意力机制的神经网络从异构数据源中进行跨主题争论挖掘

    本文提出了一种新的句子注释方案，用于在任意网络文本上进行争议搜索的分析，得到的神经网络模型在准确度和 F1 分数上均优于传统的双向 LSTM 模型。

    Feb, 2018

  • 基于结论的对抗性论点生成

    本文研究如何利用多任务学习来生成经过反驳的论点，并提出了一个基于立场分类的排名组件来选择最优的反驳。评估结果表明，该方法比强基线生成的反驳更相关且立场更明确。

    Jan, 2023

  • 探究神经网络对自然语言论证的理解

    本文揭示出 BERT 在 Argument Reasoning Comprehension Task 上表现出色的原因并构建了一个更具有鲁棒性的对抗数据集以评估论证理解。

    Jul, 2019

  • 为反驳生成增强知识检索

    通过结合知识图谱的方式，构建了一种自然语言推断模型，用于从网络的多样化来源中检索能够有效证明陈述错误的证据，从而进一步改进了证据检索系统。

    Sep, 2021

  • 用相关知识来定位辩论质量评估的环境

    提出了一种基于上下文知识的新颖的 SPARK 方法，使用大型语言模型评估和增强语言质量，提供反馈，推断隐藏假设，提供同等质量的论证或反论证，并使用双编码器 Transformer 架构共同考虑原始论证及其增强，实验结果表明，SPARK 在多个指标上始终优于基线。

    May, 2023