ArgumenText: Searching for Arguments in Heterogeneous Sources
ArgumenText: Searching for Arguments in Heterogeneous Sources
复制标题
DOI：
10.18653/v1/n18-5005
复制
发表时间：
2018-06
期刊：
影响因子：
--
通讯作者：
Christian Stab;Johannes Daxenberger;C. Stahlhut;Tristan Miller;Benjamin Schiller;Christopher Tauchmann;Steffen Eger;Iryna Gurevych
中科院分区：
文献类型：
--
作者：
Christian Stab;Johannes Daxenberger;C. Stahlhut;Tristan Miller;Benjamin Schiller;Christopher Tauchmann;Steffen Eger;Iryna Gurevych
论元挖掘是实现大型语料库中论元搜索的核心技术。然而，大多数目前的方法不适用于异构文本。在本文中，我们提出了一个参数检索系统能够检索任何给定的有争议的话题的原始参数。通过分析从网络资源中提取的排名最高的结果，我们发现，我们的系统涵盖了89%的参数，这些参数来自在线辩论门户网站的专家策划的参数列表，并且还识别了其他有效的参数。
Argument mining is a core technology for enabling argument search in large corpora. However, most current approaches fall short when applied to heterogeneous texts. In this paper, we present an argument retrieval system capable of retrieving sentential arguments for any given controversial topic. By analyzing the highest-ranked results extracted from Web sources, we found that our system covers 89% of arguments found in expert-curated lists of arguments from an online debate portal, and also identifies additional valid arguments.