Извлечение аргументов
Извлечение аргументов, также называемое извлечением аргументации, — область исследований в рамках обработки естественного языка. Целью извлечения аргументов является автоматическое выделение и идентификация аргументативных структур в текстах на естественном языке с помощью компьютерных программ[1]. Эти аргументативные структуры включают посылки, выводы, схемы аргументации, а также отношения между основным и вторичным аргументом или между основным аргументом и контраргументом внутри дискурса[2][3]. Серия воркшопов «Argument Mining» является ведущим исследовательским форумом по темам, связанным с извлечением аргументов[4].
Применения
Извлечение аргументов применялось к различным жанрам, включая качественную оценку содержания в социальных медиа, где оно служит мощным инструментом для политиков и исследователей в области социальных и политических наук[1]. Другие области применения включают юридические документы, обзоры товаров, научные статьи, онлайн-дискуссии, газетные статьи и диалоговые домены. Для объединения различных областей в одну доменно-независимую модель аргументации с успехом применяются методы переносимого обучения[5].
Извлечение аргументов используется также для индивидуальной поддержки студентов в процессах написания текстов, обеспечивая доступ и визуализацию дискурса аргументации в их работах. Применение извлечения аргументов в обучающих системах, ориентированных на пользователя, позволило существенно улучшить навыки аргументации по сравнению с традиционными методами обучения аргументации[6].
Задачи и трудности
Из-за большого разнообразия текстовых жанров и различных исследовательских подходов остаётся сложной задачей выработка общего и объективного оценочного подхода[7]. Было предложено множество размеченных наборов данных, некоторые из которых получили популярность, однако общепринятого консенсусного набора пока не существует. Разметка аргументативных структур — трудоёмкая задача. Предпринимались успешные попытки делегировать эти задачи широкой публике (краудсорсинг), однако этот процесс всё ещё требует значительных усилий и ресурсов. Одними из первых способов решения этой проблемы стало применение методов слабого контроля[8].
Примечания
- ↑ 1 2 Lippi, Marco; Torroni, Paolo (20 апреля 2016). “Argumentation Mining: State of the Art and Emerging Trends”. ACM Transactions on Internet Technology [англ.]. 16 (2): 10. DOI:10.1145/2850417. ISSN 1533-5399. Дата обращения 2024-06-20.
- ↑ Budzynska, Katarzyna; Villata, Serena Argument Mining – IJCAI2016 Tutorial (англ.). www.i3s.unice.fr. Дата обращения: 30 марта 2018.
- ↑ Gurevych, Iryna; Reed, Chris; Slonim, Noam; Stein, Benno NLP Approaches to Computational Argumentation – ACL 2016 Tutorial (англ.). acl2016tutorial.arg.tech. Дата обращения: 20 июня 2024.
- ↑ 5th Workshop on Argument Mining (англ.). IBM Research. Дата обращения: 20 июня 2024.
- ↑ Wambsganss, Thiemo; Molyndris, Nikolaos; Söllner, Matthias (9 марта 2020). “Unlocking Transfer Learning in Argumentation Mining: A Domain-Independent Modelling Approach” (PDF). WI2020 Zentrale Tracks [англ.]. GITO Verlag: 341—356. DOI:10.30844/wi_2020_c9-wambsganss. ISBN 978-3-95545-335-0. Дата обращения 2024-06-20.
- ↑ “AL: An Adaptive Learning Support System for Argumentation Skills. Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems” (PDF) [англ.]. DOI:10.1145/3313831.3376732. Дата обращения 2024-06-20.
- ↑ Levy, Ran; Gretz, Shai; Sznajder, Benjamin; Hummel, Shay; Aharonov, Ranit; Slonim, Noam (2017). “Unsupervised corpus-wide claim detection”. Proceedings of the 4th Workshop on Argumentation Mining 2017 [англ.]. Дата обращения 2024-06-20.