本文介绍了一个全面的、高精度的基于话语级查询的语料库广泛的 Argument Mining 系统,通过将适当索引的大型语料库上的句子级查询与迭代式注释方案结合起来,解决了数据中的固有标签偏差,标注手册所需的空间样本的区域,从而获得高精度的排名前几的候选项。
Nov, 2019
本文旨在建立竞赛辩手所使用的‘第一原则’的分类系统,并且利用自然语言处理技术识别它们在争议话题中的适用性,该系统作为辩论发明的第一尝试是有内在逻辑,覆盖领域广泛且与辩手的实际使用相一致。
Aug, 2019
对有争议问题的论述的计算处理在自然语言处理领域进行了广泛研究,其中论证质量评估是一个关键且具有挑战性的任务。本文提出了利用大型语言模型,通过系统指导其熟悉论证理论和场景以及解决相关问题的方式,以实现更可靠的论证质量评估,同时讨论了由此而产生的现实机遇和道德问题。
Mar, 2024
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
本文介绍了一个包含 78,376 次辩论和全面参与者个人资料的数据集,利用该数据集,与通常用于类似研究的语言特征相比,分析了选定用户特征对辩论结果的影响。
Jun, 2019
提出一种新颖的可解释的主题增强的论证挖掘方法,通过使用神经主题模型和语言模型,在异构来源的数据中识别与核能相关的论证文本,并捕捉论证中句子级的主题信息。实验结果表明,该模型相比现有基准模型具有优越性。
Jul, 2023
该文章提出了一个分类学的知识类型、对现有的 CA 工作进行系统化,并探讨了未来 CA 领域的研究方向。
Jul, 2021
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
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
该研究提出了一种新的神经模型来动态跟踪论证对话中主题和话语变化对说服力的影响,并在社交媒体和最高法院的论证对话上进行了实验验证。实验结果表明该模型能够有效地辨别具有说服力的论证,并发现主题和话语对说服力都有帮助,但优秀的话语风格可能会在社交媒体争议中造成偏见。
Feb, 2020