Apr, 2023

ERTIM@MC2: 多元化的争论推文检索

PDF
TL;DR本篇文章描述我们参加 CLEF MC2 2018 探究的任务为挖掘与节日相关的意见论证 Tweets，通过计算 Tweets 中的论证成分、使用语言描述器来检测主张和它们的支持理由，最终通过聚类算法提取最具论点的多元化主张。
clef mc2opinion argumentationargumentative tweetslinguistic descriptorsdiverse arguments
发现论文，激发创造
  • ImageArg：用于图像说服挖掘的多模态推特数据集

    本研究的重点在于将具有说服力的图像转换为多模式数据，开发用于自动化系统的多模式数据集，然后使用这个数据集对图像说服力任务进行基准测试和实验，通过开发一种说服分类方法来划分图像的说服功能和说服方式，为这一高级领域提供有用的资源。

    Sep, 2022

  • 社交媒体中什么样的仇恨言论的争议方面可以得到可靠识别？

    本文通过对 Hateval 语料库进行人工标注并评估，探讨了大型语言模型中关于憎恨言论的论述元素自动识别的可靠性，发现某些元素相对可靠，对于那些错误率较高的元素，其争议点分析和适当调整后能够更为可靠的识别。

    Jun, 2023

  • TACO -- 来自对话的 Twitter 论点

    通过涵盖 6 个异构主题、约 200 个完整对话、1814 条推文的 TACO 数据集，结合剑桥词典的定义，该研究构建了 Twitter 争论的注释框架和基于 transformer 的分类器，揭示了 Twitter 用户倾向于涉及独立推断和信息的讨论，并提供了有关推文交谈回复模式的有价值洞察。

    Mar, 2024

  • 论证挖掘的演进：从模型到社交媒体和新型工具

    本综述文章桥接了论证挖掘的理论方法和社交媒体数据诉求的实用方案之间的差距，回顾、比较和分类现有方法、技术和工具，识别了结合任务和特征的积极成果，并最终提出了一个观点架构框架。该理论框架是一种能够识别不同子任务并捕捉社交媒体文本需求的论证挖掘方案，揭示了采用更灵活、可扩展框架的需求。

    Jul, 2019

  • 论论述多样性的实证分析

    通过介绍多个方面的多样性，包括意见、注释者和来源，评估了目前在关键点分析任务中表现欠佳的高层次论证总结方法，并发现通用 LLM 和专用 KPA 模型在处理数据来源、代表少数人的论点和人类提供的主观性方面存在互补的优势，观察到多样化的训练数据可能改善泛化能力，因此解决论证总结中的多样性问题需要采取多种策略以应对主观性。

    Feb, 2024

  • 简约论证：仇恨言论反叙事的注解

    本文为便于自动对抗话语生成而对 Hateval 恶意言论推文语料库进行了扩充，不仅将手写对抗话语与推文关联，还基于 Wagemann 的论证信息对推文进行了注释，在自动检测及人工检测方面都取得了令人满意的结果。

    Aug, 2022

  • 多模态推文情感分析方法的公平和全面比较

    本文主要研究社交媒体上的观点和情感分析，提出了六种最先进的方法，并重新实现其中一种以进行综合实验评估和比较。此外，研究了覆盖内容不同方面的不同文本和视觉特征嵌入以及最近引入的多模式 CLIP 嵌入等。研究结果基于发布在公共数据集的推文和相应的图像进行比较，引入了可复制和公平的评估方案。最后，还对方法的局限性和未来工作的可能性进行了误差分析。

    Jun, 2021

  • RuArg-2022: 论点挖掘评估

    本文是 Dialogue 会议对针对新冠疫情（疫苗、隔离和戴口罩）话题的社交媒体评论进行第一次俄语言论分析系统及其竞赛的组织者报告，由 NLI 变体的 BERT 体系结构获胜，希望为俄文文本的论证挖掘研究提供帮助。

    Jun, 2022

  • 医学领域跨语言论证挖掘

    通过将英文数据翻译并投影到目标语言（西班牙语）的方法，我们有效地生成了无需手动干预的带注释数据，并证明了其优于使用大型屏蔽多语言语言模型的零 - shot 跨语言方法。同时，我们还展示了西班牙语中自动生成的数据如何用于改善英语评估设置中的结果。

    Jan, 2023

  • 你站在哪一边？一项用于端对端论点摘要和评估的多任务数据集

    通过引入一个涵盖辩论中各项任务的论证挖掘数据集，我们评估了多种生成基准模型，并发现虽然它们在个别任务上表现出有希望的结果，但在全部任务上的整体性能明显下降，这对于我们提出的数据集提出了挑战，需要进一步研究端到端的论证挖掘和概括。

    Jun, 2024