基于结构化SVM与RNN的论证挖掘
计算与语言
2017-04-25 v1
摘要
我们提出一种新颖的因子图模型用于论证挖掘，该模型针对文档中论证关系不一定形成树结构的情况而设计。（在我们发布的网络评论数据集中，超过20%的情况属于此类。）我们的模型联合学习基本单元类型分类与论证关系预测。此外，我们的模型支持SVM和RNN参数化，能够强制结构约束（例如传递性），并能够表达相邻关系与命题之间的依赖关系。我们的方法在网络评论和论证性文章数据集上均优于非结构化基线。
引用
@article{arxiv.1704.06869,
title = {Argument Mining with Structured SVMs and RNNs},
author = {Vlad Niculae and Joonsuk Park and Claire Cardie},
journal= {arXiv preprint arXiv:1704.06869},
year = {2017}
}
备注
Accepted for publication at ACL 2017. 11 pages, 5 figures. Code at https://github.com/vene/marseille and data at http://joonsuk.org/