迈向论点质量预测的整体视角
计算与语言
2022-05-23 v1 人工智能
计算机与社会
机器学习
摘要
论证是社会的基础支柱之一，受自然语言处理（NLP）进展与文本数据海量可用的推动，论点的自动化挖掘日益受到关注。论点的一个决定性属性是其强度或质量。尽管已有关于论点强度自动估计的研究，但其视野狭窄：聚焦于孤立的数据集，忽视了与相关论点挖掘任务（如论点识别、证据检测或情感诉求）的交互。本工作中，我们多角度切入以弥补这一缺口：基于详尽实证评估的丰富结果，我们评估了论点质量估计跨不同领域的泛化能力、与相关论点挖掘任务的相互作用，以及情感对感知论点强度的影响。我们发现泛化依赖于训练部分中对不同领域的充分表征。在零样本迁移与多任务实验中，我们揭示论点质量是较具挑战性的任务之一，但可改善其他任务。最后，我们表明情感在论点质量中的作用比通常假设的要小。
引用
@article{arxiv.2205.09803,
title = {Towards a Holistic View on Argument Quality Prediction},
author = {Michael Fromm and Max Berrendorf and Johanna Reiml and Isabelle Mayerhofer and Siddharth Bhargava and Evgeniy Faerman and Thomas Seidl},
journal= {arXiv preprint arXiv:2205.09803},
year = {2022}
}