基于LLM的论证挖掘系统

论证是人类推理的一个基本方面，其中主张相互支持、质疑和权衡。我们提出了一种基于端到端 大语言模型 (LLM) 的系统，用于将自然语言文本中的参数重建为抽象参数图。该系统遵循多阶段管道，逐步识别论证成分、选择相关元素并揭示它们的逻辑关系。这些元素表示为有向无环图，由两个组件类型（前提和结论）和三个关系类型（支持、攻击和底切）组成。我们进行了两个互补的实验来评估该系统。首先，我们对论证理论教科书中的论点进行手动评估，以评估系统恢复论证结构的能力。其次，我们对基准数据集进行定量评估，通过将我们的输出映射到已建立的注释方案来与之前的工作进行比较。结果表明，该系统可以充分恢复论证结构，并且当适应不同的注释方案时，可以在基准数据集上实现合理的性能。这些发现凸显了基于 LLM 的管道在可扩展参数挖掘方面的潜力。