科学出版物上的全文论证挖掘
计算与语言
2022-10-25 v1
摘要
学术论证挖掘（SAM）近来受到关注，因其有潜力帮助学者应对已发表科学文献的快速增长。它包含两个子任务：论证话语单元识别（ADUR）与论证关系抽取（ARE），二者均具挑战性，因为需要例如领域知识整合、隐式陈述检测以及论证结构消歧。先前工作聚焦于特定文档部分（如摘要或结果）的数据集构建与基线方法，而全文学术论证挖掘进展甚微。本文引入一种结合 ADUR 与 ARE 用于全文 SAM 的序列流水线模型，并首次分析了预训练语言模型（PLMs）在这两个子任务上的表现。我们在 Sci-Arg 语料库上确立了 ADUR 的新 SOTA，大幅超越先前最佳报告结果（+7% F1）。我们也给出了 ARE 以及因此该完整 AM 流水线在此基准数据集上的首批结果。我们的详细错误分析揭示，非连续 ADU 以及话语连接词的释义是主要挑战，且数据标注需更具一致性。
引用
@article{arxiv.2210.13084,
title = {Full-Text Argumentation Mining on Scientific Publications},
author = {Arne Binder and Bhuvanesh Verma and Leonhard Hennig},
journal= {arXiv preprint arXiv:2210.13084},
year = {2022}
}