基于结论的对抗性论点生成

ACLJan, 2023

Conclusion-based Counter-Argument Generation

Milad Alshomary, Henning Wachsmuth

TL;DR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。

Abstract

In real-world debates, the most common way to counter an argument is to reason against its main point, that is, its conclusion. Existing work on the automatic generation of natural language counter-arguments does not address the relation to the conclusion, possibly because many arguments leave their conclusion implicit. In this paper, we hypothesize that the

counter-argument generation natural language processing multitask learning stance classification argument conclusion

发现论文，激发创造

论据削弱：通过攻击薄弱前提生成反驳论点

本文研究文本生成在计算辩证研究中的应用，着重探讨对抗性生成的挑战，并提出了攻击一个前提来对抗一个论点的方法，该方法首先评估本体的强度，然后生成一个针对其弱点的反驳性论述，人工和自动评估都证明了找出薄弱的前提对于对抗性生成的重要性。

May, 2021

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

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

面向知识驱动的仇恨言论反叙事生成

该研究提出一种基于外部知识库的完整反叙事生成管道，以对抗网上仇恨。实验证明，该模型可以在领域内和跨领域环境下生成适合和信息丰富的反叙事。

Jun, 2021

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

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

基于信念的论证主张生成

通过研究基于观点生成争议性主张的任务，我们试图通过将人们的先前信仰编码到争论性文本中来生成针对信仰进行定制的论证性声明，我们通过自动评估和手动研究来评估该方法的有效性和限制性。