[論文レビュー] Implicit Knowledge in Argumentative Texts: An Annotated Corpus

Maria Becker, Katharina Korfhage+1 more|arXiv (Cornell University)|Dec 4, 2019

Topic Modeling参考文献 16被引用数 6

ひとこと要約

本稿は、議論的テキストにおける暗黙の知識の高品質で豊富にアノテートされたコーパスを紹介する。人間のアノテーターが、Microtextsコーパスの議論的単位の間の接続を補完するための欠落した前提を提供する。さらに、これらの挿入文に意味的文型（例：一般化、状態、出来事）とConceptNetベースの日常的知識関係（例：原因、同種）をアノテートすることで、一般化文と因果関係（例：原因）が議論的ギャップを埋める上で支配的であることが明らかになった。これは、自動的議論解析および暗黙の知識再構築に重要な洞察を提供する。

ABSTRACT

When speaking or writing, people omit information that seems clear and evident, such that only part of the message is expressed in words. Especially in argumentative texts it is very common that (important) parts of the argument are implied and omitted. We hypothesize that for argument analysis it will be beneficial to reconstruct this implied information. As a starting point for filling such knowledge gaps, we build a corpus consisting of high-quality human annotations of missing and implied information in argumentative texts. To learn more about the characteristics of both the argumentative texts and the added information, we further annotate the data with semantic clause types and commonsense knowledge relations. The outcome of our work is a carefully de-signed and richly annotated dataset, for which we then provide an in-depth analysis by investigating characteristic distributions and correlations of the assigned labels. We reveal interesting patterns and intersections between the annotation categories and properties of our dataset, which enable insights into the characteristics of both argumentative texts and implicit knowledge in terms of structural features and semantic information. The results of our analysis can help to assist automated argument analysis and can guide the process of revealing implicit information in argumentative texts automatically.

研究の動機と目的

• 自然言語における不完全な議論、特に議論的テキストにおいて重要な前提が省略または暗黙のうちに示されているという課題に対処すること。
• 議論的単位を結ぶために欠落しているまたは暗黙の知識を捉える高品質な人間アノテートデータセットを構築すること。
• 意味的文型と日常的知識関係を用いて、元の議論的単位および挿入された暗黙の知識の構造的および意味的性質を分析すること。
• 議論的構造、意味的特徴、知識タイプの間のパターンと相関関係を特定し、自動的暗黙の知識回復を支援すること。
• Microtextコーパスの拡張としてデータセットを公開し、今後の議論マイニングおよび自然言語理解分野の研究を支援すること。

提案手法

• アノテーターは、Microtextコーパスの議論的単位のペアを提示され、それらの間の暗黙の接続を明示する短い自然言語文を生成するよう求められた。
• 各挿入文は、意味的文型（例：一般化、状態、出来事）でアノテートされ、暗黙の知識の構造的および一般化特徴を捉えた。
• 各挿入文は、ConceptNetの知識関係（例：同種、原因、部品）とも関連付けられ、暗黙の知識の意味的コンテンツを日常的知識構造にマッピングした。
• データセットは、ラベルの分布、共起パターン、議論的関係、意味的文型、日常的知識関係の間の相関関係について分析された。
• MCC（Matthews相関係数）を用いた統計的相関分析により、元のマイクロテキストおよび挿入文における意味的文型と日常的知識関係の関係が検討された。
• 異なる議論的関係（例：支持、反転）における挿入文の特徴を比較することで、暗黙の知識における構造的依存関係を評価した。

実験結果

リサーチクエスチョン

• RQ1 議論的単位の間の暗黙の知識に挿入される意味的文型（例：一般化、状態、出来事）の中で、最も一般的なのはどれか？
• RQ2 日常的知識関係（例：原因、同種、部品）は、元の議論的単位および挿入された暗黙の文の両方でどのように分布しているか？
• RQ3 議論的関係（例：支持、反転）と、挿入された暗黙の知識の性質（例：文型、知識関係）との間に、どのような相関関係があるか？
• RQ4 議論的単位間の関係の種類に応じて、暗黙の知識の構造的および意味的特徴はどのように異なるか？
• RQ5 特定の知識タイプ（例：一般化文、因果関係）は、複数の挿入前提が必要な状況とどの程度相関しているか？

主な発見

• 一般化文が、挿入された暗黙の知識において最も優勢な意味的文型である。これは、一般化が議論的ギャップを埋める上で中心的な役割を果たしていることを示している。
• 原因関係（Causes）は、挿入文における状態（State）と強く正の相関関係にある。これは、因果的説明が、支持関係の議論的単位を接続するために頻繁に用いられていることを示唆している。
• 一般化文と同種（IsA）、場所関係（AtLocation）、部品関係（PartOf）との間には、マイクロテキストおよび挿入文の両方で顕著な負の相関関係がある。これは、一般化知識が、個別的または空間的関係とは明確に異なることを示している。
• 反転（undercut）のような複雑な議論的関係は、単純な関係よりも多くの挿入文を必要とする。これは、このような接続を解消する際に、認知的および情報的負荷が高いためである。
• 隣接する議論的単位の間では、状態（State）を表す文が最も頻繁に使用されるが、非隣接で議論的に関連する単位を結ぶ場合には、出来事（Event）がより一般的である。
• 同種（IsA）と状態（State）の間には、マイクロテキストおよび挿入文の両方で一貫して高い相関関係がある。これは、同一性関係や属性関係が、特定の個人や出来事の記述に頻繁に用いられていることを示している。