ACLJun, 2019

利用检索、规划和实现的论点生成

PDF
TL;DR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。
counter-argument generationcandela frameworkretrieval systemcontent realization decoderautomatic evaluation
发现论文，激发创造
  • 利用外部检索证据增强的神经论证生成

    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。

    May, 2018

  • 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

  • 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

  • 与我简明辩论：走向句级反驳生成

    本研究提出了 ArgTersely 基准和 Arg-LlaMA 模型，使用基于 BERT 的 Arg-Judge 评估器进行了高质量句级反驳生成任务的实验，在与其他基线模型比较中展示了该框架和评估器的竞争力。

    Dec, 2023

  • 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

  • ArgU: 可控的事实论证生成器

    本文介绍了 ArgU：一种神经论证生成器，可从输入事实和世界真实概念中生成事实论据，并使用 Walton 的基于辩证方案的控制代码明确控制其立场和论证结构。此外，我们还发布了一个包括 69,428 个论据的注释语料库，跨足了六个话题和六个论证方案，并进一步进行了实验，以构建了一种推理策略，通过生成 “论证模板” 在实际论证生成之前生成，以展示使用基于辩证方案和立场的控制代码可以自动生成不同推理模式的多样化论据。

    May, 2023

  • AMERICANO: 基于语篇引导分解和代理人互动的论证生成

    这篇论文提出了一个名为 Americano 的新型框架，利用代理互动将生成过程分解为基于论证理论的连续动作序列，首先按顺序执行动作来生成论证性话语组成部分，然后根据这些组成部分生成最终论证。为了进一步模仿人类写作过程并改进当前自回归语言模型的从左到右生成模式，引入了一个论证改进模块，根据接收到的反馈自动评估和改进论证稿。通过在 Reddit/CMV 数据集的子集上进行反驳生成任务的评估，结果表明我们的方法优于端到端和连续思考提示方法，能够生成内容丰富、条理清晰、有说服力的各种论证。

    Oct, 2023

  • 解锁多样观点：基于人物角色的多智能体框架及辩论驱动的文本规划技术用于论证生成

    使用基于人物的多智能体框架进行辩论和讨论，以生成多样化且有说服力的论证，进一步改进了当前的语言模型生成表面的符号的问题。

    Jun, 2024

  • AutoAM: 自动通用论证挖掘的端到端神经模型

    提出了一种名为 AutoAM 的新型神经模型，用于解决争论挖掘的困难问题。该模型引入了争论组件注意机制，能更好地执行争论挖掘，是一种通用的端到端框架，可以分析无约束的争论结构，并在一个模型中完成争论挖掘的三个子任务。实验结果表明，该模型在两个公共数据集上的多个度量指标上优于现有工作。

    Sep, 2023

  • 经济领域的辩证文本生成

    本文介绍了如何利用 RuBERT fine-tuning 技术以及经过语言标注的经济新闻语料库来优化 ruGPT-3 模型，从而提高俄文下生成文字的准确率。

    Jun, 2022