走出回声室：检测反驳性辩论演讲
计算与语言
2020-05-05 v1 人工智能
机器学习
摘要
在现代社会，受过教育且知情的媒体内容消费已成为一项挑战。随着从传统新闻渠道向社交媒体及类似平台的转变，一个主要担忧是读者正被封装进“回声室”中，可能沦为假新闻与虚假信息的受害者，且难以接触异议观点。我们提出一项旨在缓解部分此类担忧的新任务——检测最能有效反驳给定文本中论点（而不仅是立场）的文章。我们在辩论演讲背景下研究此问题。给定这样一篇演讲，我们的目标是从同一主题且立场相反的一组演讲中，识别出直接反驳它的那些演讲。我们提供了一个包含 3,685 篇此类演讲（英文）的大型数据集，并标注了此种关系，希望它能引起 NLP 社区的普遍兴趣。我们探索了几种解决该任务的算法，尽管部分取得成功，但所有算法均未达到专家人类表现，表明仍有进一步研究的空间。本工作中收集的所有数据均可免费用于研究。
引用
@article{arxiv.2005.01157,
title = {Out of the Echo Chamber: Detecting Countering Debate Speeches},
author = {Matan Orbach and Yonatan Bilu and Assaf Toledo and Dan Lahav and Michal Jacovi and Ranit Aharonov and Noam Slonim},
journal= {arXiv preprint arXiv:2005.01157},
year = {2020}
}
备注
Accepted to ACL 2020 as Long Paper. For the associated debate speeches corpus, see https://www.research.ibm.com/haifa/dept/vst/debating_data.shtml#Debate%20Speech%20Analysis