ACLJun, 2024

OpenDebateEvidence：大规模论据挖掘与摘要数据集

PDF
TL;DR我们介绍了 OpenDebateEvidence，这是一个从美国竞争辩论社区收集的全面的论点挖掘和总结数据集。该数据集包括超过 350 万个具有丰富元数据的文档，是最大的辩论证据集之一。OpenDebateEvidence 捕捉了高中和大学辩论中论点的复杂性，为训练和评估提供了宝贵的资源。我们的大量实验证明了对最新大型语言模型进行微调以进行论辩抽象总结的有效性，涵盖了各种方法、模型和数据集。通过提供这一全面的资源，我们旨在推动计算论证的发展，并支持辩论者、教育工作者和研究人员的实际应用。OpenDebateEvidence 已公开可用，以支持计算论证的进一步研究和创新。在此访问：this https URL
opendebateevidenceargument miningsummarizationdebate evidencecomputational argumentation
发现论文，激发创造
  • DebateSum：一个大规模的辩论挖掘和摘要数据集

    该研究提出了 DebateSum 数据集，其中包含 187,386 个唯一的证据片段和相应的争论和抽取式摘要，使用多个 Transformer 摘要模型进行了训练，同时引入了在数据集上训练的 FastText 词向量 debate2vec。最后，该研究还提出了一个可以广泛运用于全国演讲和辩论协会成员中的 DebateSum 搜索引擎。

    Nov, 2020

  • 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

  • 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

  • 一个大规模的争论质量排名数据集：建立与分析

    本研究探索了论证质量排序的挑战性任务，构建了一个被精心注释的语料库来解决这个问题，并进行了综合评估，最后提出了一种神经方法来解决此问题。

    Nov, 2019

  • ConvoSumm: 对话摘要基准以及通过论证挖掘改进的抽象式摘要

    本研究通过设计 Annotation Protocols 并使用 Argument Mining 技术，基于网络上不同形式的讨论为标准数据集，比较了各种先进的对话总结模型，在自动和人工评估中均取得了较高的结果。

    Jun, 2021

  • 论样本量和话题规模对于论证挖掘数据集的影响

    本文研究如何在小数据集情况下，使论点挖掘的性能达到最佳表现，并发布了一个新的用于未来基准测试的数据集。

    May, 2022

  • DebateKG: 基于语义知识图的自动辩论案例生成

    使用语义知识图谱，通过在竞争性辩论中构建高质量辩论案例的有约束的最短路径遍历，有效地改进了辩论案例生成，并且为 Policy Debate 提供了大规模数据集以及有用的元数据。

    Jul, 2023

  • VivesDebate-Speech: 一份口语论辩语料库，以利用音频特征进行论证挖掘

    本文介绍了 VivesDebate-Speech 语料库，旨在利用音频特征进行论证挖掘任务，并提供了一系列独特实验结果，表明将音频特征整合到论证挖掘流程中可获得改进的性能，为未来研究提供了基准。

    Feb, 2023

  • 建模在线辩论中用户和语言效应的语料库

    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

  • 一个审查值得事实主张的基准数据集

    本文介绍了 ClaimBuster 数据集，该数据集包含 23533 条来自美国总统大选辩论的语句，并由人工编码进行了注释。可以利用 ClaimBuster 数据集构建计算机方法，识别值得进行事实核查的声明。ClaimBuster 数据集可供研究社区公开使用。

    Apr, 2020