ArgU: A Controllable Factual Argument Generator, ACL'23

[AkihikoWatanabe]

https://virtual2023.aclweb.org/paper_P909.html

[AkihikoWatanabe]

Effective argumentation is essential towards a purposeful conversation with a satisfactory outcome. For example, persuading someone to reconsider smoking might involve empathetic, well founded arguments based on facts and expert opinions about its ill-effects and the consequences on one's family. However, the automatic generation of high-quality factual arguments can be challenging. Addressing existing controllability issues can make the recent advances in computational models for argument generation a potential solution. In this paper, we introduce ArgU: a neural argument generator capable of producing factual arguments from input facts and real-world concepts that can be explicitly controlled for stance and argument structure using Walton's argument scheme-based control codes. Unfortunately, computational argument generation is a relatively new field and lacks datasets conducive to training. Hence, we have compiled and released an annotated corpora of 69,428 arguments spanning six topics and six argument schemes, making it the largest publicly available corpus for identifying argument schemes; the paper details our annotation and dataset creation framework. We further experiment with an argument generation strategy that establishes an inference strategy by generating an ``argument template'' before actual argument generation. Our results demonstrate that it is possible to automatically generate diverse arguments exhibiting different inference patterns for the same set of facts by using control codes based on argument schemes and stance.

Translation (by gpt-3.5-turbo)

• 効果的な論証は、目的を持った会話や満足のいく結果に向けて不可欠です。例えば、喫煙を再考させるために説得する場合、家族に及ぼす影響や健康への悪影響に関する事実や専門家の意見に基づいた共感的で根拠のある論証が必要です。しかし、高品質な事実に基づいた論証を自動生成することは困難です。最近の計算モデルによる論証生成の進歩を解決策とするために、既存の制御性の問題に取り組むことが重要です。本論文では、Waltonの論証スキームに基づいた制御コードを使用して、スタンスと論証構造を明示的に制御できるニューラル論証生成器ArgUを紹介します。残念ながら、計算による論証生成は比較的新しい分野であり、トレーニングに適したデータセットが不足しています。そのため、私たちは6つのトピックと6つの論証スキームにわたる69,428の論証からなる注釈付きコーパスを編纂し、公開しました。これは論証スキームを特定するための最大の公開コーパスであり、論証スキームの特定に適したデータセットです。本論文では、注釈付けとデータセット作成のフレームワークについて詳細に説明しています。さらに、実際の論証生成の前に「論証テンプレート」を生成する推論戦略を試行しました。結果は、論証スキームとスタンスに基づいた制御コードを使用することで、同じ事実の集合に対して異なる推論パターンを示す多様な論証を自動的に生成することが可能であることを示しています。

Summary (by gpt-3.5-turbo)

• 本研究では、高品質な論証を自動生成するために、制御コードを使用したニューラル論証生成器ArgUを提案します。また、論証スキームを特定するための大規模なデータセットを作成し、注釈付けとデータセット作成のフレームワークについて詳細に説明します。さらに、論証テンプレートを生成する推論戦略を試行し、多様な論証を自動的に生成することが可能であることを示します。