DeepA2：基于预训练神经文本到文本语言模型的深度论证分析模块化框架
计算与语言
2022-07-04 v3 人工智能
摘要
在本文中，我们提出并实现了一种利用当前预训练语言模型（PTLMs）进行深度论证分析（DeepA2）的多维模块化框架。ArgumentAnalyst——一个在 DeepA2 中搭建并训练的 T5 模型（Raffel 等，2020）——将推进非正式论证的论证性文本重构为有效论证：例如，它插入缺失的前提与结论，形式化推理，并将逻辑重构与源文本连贯地关联起来。我们创建了一个用于深度论证分析的合成语料库，并在这一新数据集以及现有数据（特别是 EntailmentBank（Dalvi 等，2021））上评估 ArgumentAnalyst。我们的实证结果验证了整体框架，并凸显了模块化设计的优势，尤其是其模拟既有启发式方法（如解释学循环）、探索模型不确定性、应对正确解的多样性（欠定问题）以及利用高阶证据的能力。
引用
@article{arxiv.2110.01509,
title = {DeepA2: A Modular Framework for Deep Argument Analysis with Pretrained Neural Text2Text Language Models},
author = {Gregor Betz and Kyle Richardson},
journal= {arXiv preprint arXiv:2110.01509},
year = {2022}
}
备注
A Demo is available at https://huggingface.co/spaces/debatelab/deepa2-demo , the model can be downloaded from https://huggingface.co/debatelab/argument-analyst , and the datasets can be accessed at https://huggingface.co/datasets/debatelab/aaac