Topic-dependent relation prediction in argument mining: ternary classification | ||
| dc.conicet.organizacion | Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Instituto de Ciencias e Ingeniería de la Computación. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación. Instituto de Ciencias e Ingeniería de la Computación | |
| dc.conicet.organizacion | Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación | |
| dc.conicet.organizacion | Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Instituto de Ciencias e Ingeniería de la Computación. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación. Instituto de Ciencias e Ingeniería de la Computación | |
| dc.conicet.organizacion | Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación | |
| dc.conicet.organizacion | Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Instituto de Ciencias e Ingeniería de la Computación. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación. Instituto de Ciencias e Ingeniería de la Computación | |
| dc.conicet.organizacion | Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación | |
| dc.contributor.author | Schmidt, Federico Martín | |
| dc.contributor.author | Gottifredi, Sebastián | |
| dc.contributor.author | García, Alejandro Javier | |
| dc.date.issued | 2025-08-25 | |
| dc.description.abstract | The automatic identification of interactions among arguments expressed in natural language is a complex task that is mandatory for applications that need automatic argumentative reasoning. In this work, we focus on the prediction of relations between arguments, aiming to determine how a piece of text interacts with a specific discussion topic. Specifically, we aim to identify whether the text attacks, supports, or remains neutral toward a given topic. We frame this problem as a ternary classification task, and evaluate several methods for addressing it, including methods based on the combination of binary classifiers, models following a multitask learning approach, and large language models using prompting strategies. All our experiments were performed in a cross-topic scenario using two corpora, one of which includes more than 300 discussion topics, which brings our approach closer to a real-world scenario. | es |
| dc.description.fil | Fil: Schmidt, Federico Martín. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Instituto de Ciencias e Ingeniería de la Computación. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación. Instituto de Ciencias e Ingeniería de la Computación; Argentina. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación; Argentina | |
| dc.description.fil | Fil: Gottifredi, Sebastián. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Instituto de Ciencias e Ingeniería de la Computación. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación. Instituto de Ciencias e Ingeniería de la Computación; Argentina. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación; Argentina | |
| dc.description.fil | Fil: García, Alejandro Javier. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Instituto de Ciencias e Ingeniería de la Computación. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación. Instituto de Ciencias e Ingeniería de la Computación; Argentina. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación; Argentina | |
| dc.format | application/pdf | es |
| dc.identifier.citation | Schmidt, Federico Martín; Gottifredi, Sebastián; García, Alejandro Javier; Topic-dependent relation prediction in argument mining: ternary classification; Springer London Ltd; Knowledge And Information Systems; 67; 25-8-2025; 11701–11725 | es |
| dc.identifier.institucional | CONICET | |
| dc.identifier.issn | 0219-1377 | es |
| dc.identifier.repo | CONICET Digital | |
| dc.identifier.uri | http://hdl.handle.net/11336/287283 | |
| dc.journal.pagination | 11701–11725 | es |
| dc.journal.pais | Reino Unido | es |
| dc.journal.title | Knowledge And Information Systems | es |
| dc.journal.volume | 67 | es |
| dc.language.iso | eng | es |
| dc.publisher | Springer London Ltd | es |
| dc.relation.alternativeid | info:eu-repo/semantics/altIdentifier/url/https://link.springer.com/10.1007/s10115-025-02573-5 | |
| dc.relation.alternativeid | info:eu-repo/semantics/altIdentifier/doi/http://dx.doi.org/10.1007/s10115-025-02573-5 | |
| dc.rights | info:eu-repo/semantics/restrictedAccess | * |
| dc.rights.uri | https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ | * |
| dc.subject | Argumentation Mining | es |
| dc.subject | Relation prediction | es |
| dc.subject | Ternary classification | es |
| dc.subject | Natural language processing | es |
| dc.subject.classification | Ciencias de la Computación | es |
| dc.subject.classification | Ciencias de la Computación e Información | es |
| dc.subject.classification | CIENCIAS NATURALES Y EXACTAS | es |
| dc.title | Topic-dependent relation prediction in argument mining: ternary classification | es |
| dc.type | info:eu-repo/semantics/article | |
| dc.type | info:ar-repo/semantics/artículo | |
| dc.type | info:eu-repo/semantics/publishedVersion | |
Archivos
Bloque original
Cargando...
- Nombre:
- CONICET_Digital_Nro.b85bd834-74ad-403b-b520-619bdba51a41_B.pdf
- Tamaño:
- 1.05 MB
- Formato:
- Adobe Portable Document Format