arXiv cs.CL· Martial Pastor, Nelleke Oostdijk·· 12 小时前AI 评分31
争议政治话语中省略三段论检测的解释差异与话语结构
Interpretive Variation and Discourse Structure in Detecting Enthymemes in Controversial Political Discourse
AI 导读
针对疫苗接种与移民推文（每条由五名标注者标注），所有微调模型无论数据规模、附加特征或标签类型，F1 均停滞在 0.67 左右。研究提出将预测结果与标注者投票的完整分布进行对比的评估指标，并给出一个直接预测该分布的模型，在不损失 F1 的前提下更好地捕捉标注分歧。模型和话语解析器都依赖显式论证结构，难以识别链接隐含、需读者自行推断的论证。
正文 · AI 翻译
摘要：省略推理（enthymeme）是省略了某个前提或结论的论证，是社交媒体上常见的说服手段。由于读者必须自行补全缺失部分，他们往往对一段文本是否包含省略推理意见不一。本文探讨当这种分歧本身就是任务的一部分时，如何检测和评估省略推理。在关于疫苗接种和移民的推文上，每条推文由五名标注者标注，无论数据规模、添加的特征或标签类型如何，我们训练的每个微调模型的 F1 都停留在 0.67 左右。因此，我们转而探讨应如何评估这些模型，并提出将预测结果与标注者投票的完整分布进行比较的指标，同时提出一个直接预测该分布的模型，它在不损失 F1 的情况下更好地捕捉了分歧。接着我们探讨话语结构起什么作用。模型学会了依赖显式的论证结构：它们能可靠地识别不含省略推理的推文，但很少对含有省略推理的推文做出明确判断。无论是模型还是话语解析器，都会漏掉那些联系被隐含、必须由读者推断的论证。最后，我们讨论这些盲点对基于多数标签训练的内容审核系统意味着什么。
| 学科： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.30987 [cs.CL] |
| （或本版本的 arXiv:2610.30987v1 [cs.CL]） | |
| https://doi.org/10.48550/arXiv.2610.30987 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Martial Pastor [查看邮箱]
[v1]
2026年10月22日星期四 09:34:07 UTC（2,757 KB）
来源：arXiv cs.CL · arxiv.org