EMNLPOct, 2023

自动语料库构建在学习者论证中的省略与重构检测中的应用

PDF
TL;DR该研究介绍了两个新学习者论证任务：识别论证中的缺陷（省略式推理检测）和填补这些缺陷（省略式推理重建）。通过从学习者的论证文本中删除对于论证和质量至关重要的论证单元（ADUs）的方法，我们创建了一个用于省略式推理检测和重建的语料库，以便帮助学习者提高其论证质量。同时，我们验证了所提出的语料库创建过程导致了所需的质量降低，并得到了与学习者撰写的论证类似自然的论证结果。最后，基线方法的省略式推理检测和重建表明了该语料库的实用性。
argumentsargumentative discourse unitsenthymeme detectionenthymeme reconstructioncorpus creation process
发现论文，激发创造
  • 基于上下文感知常识知识模型的隐性前提生成

    本研究提出通过加入与上下文相关的常识知识来生成恩思庙的隐含前提，比其他基线模型表现更好。

    Sep, 2021

  • 面向语料库的论点挖掘 —— 一种有效方案

    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

  • 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

  • ArguGPT: 评估、理解和识别由 GPT 模型生成的论证性文章

    本文介绍了 ArguGPT 数据集，分析了由大型语言模型生成的英文论述文章的语言学特征，以及用于检测 AIGC 的现有和新型检测器的性能，其中使用的 RoBERTa 检测器在 essay 和 sentence 级别均可达到 90% 以上的准确率。

    Apr, 2023

  • 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

  • 一个用于分析论证结构和质量相互作用的学生作文语料库

    为了计算化支持论证写作，需要挖掘论证结构和品质评分之间的相互作用，然而，目前尚未发布包含地面实论文品质标注的论证挖掘语料库。通过提供一份德语语料库，其中包括两个年龄组的学生写的 1,320 篇论文，并手动注释了论证结构和品质，填补了这一研究空白，并提出了论证挖掘和文章评分的基线方法，同时分析了两个任务之间的相互作用，为品质导向的论证写作支持奠定了基础。

    Apr, 2024

  • IAM：一份全面的大规模数据集，用于集成化论证挖掘任务

    本文提出了一个全面而大型的数据集 IAM，旨在用于一系列论证挖掘任务。文集介绍了两个新的综合论证挖掘任务，即主张提取与立场分类（CESC）以及主张 - 证据对提取（CEPE）。实验结果表明了我们提出的任务的价值和挑战，并激励了论证挖掘领域的未来研究。

    Mar, 2022

  • ArgRewrite V.2: 一个带标注的论证性修订语料库

    ArgRewrite V.2 是一个修订语料库，包含用于自动修订目标预测和标杆的注释的论证性修订，这些修订是在关于自动驾驶汽车的论证性文章的两个循环修订中收集的。

    Jun, 2022

  • 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

  • 科学出版物上的全文论证挖掘

    通过序列管道模型将学术论证挖掘中的 argumentative discourse unit recognition 和 argumentative relation extraction 组合起来， 并提出了预训练语言模型用于学术文本挖掘的方法，取得了新的最佳表现，并对数据注释方面的一致性进行了分析。

    Oct, 2022