论文标题：Topic-enhanced argument mining via mutual learning

期刊：Frontiers of Computer Science

作者：Jiasheng SI, Yingjie ZHU, Rui WANG, Wenpeng LU, Yulan HE , Deyu ZHOU

发表时间：15 Jan 2025

DOI：10.1007/s11704-025-40460-y

微信链接：点击此处阅读微信文章

引用格式：

Jiasheng SI,Yingjie ZHU,Rui WANG,Wenpeng LU,Yulan HE,Deyu ZHOU. Topic-enhanced argument mining via mutual learning. Front. Comput. Sci., 2026, 20(1): 2001304

阅读原文：

问题概述

论辩挖掘旨在从自然语言文本中提取和识别论证结构，主要面临三方面的挑战：目标的上下文信息不足、不同目标的跨域适应性以及论辩中的隐式论证信息挖掘困难。目前的方法主要通过改进目标语义信息与论据的整合来应对前两个挑战，而对所有三个方面进行建模的工作还很少。

技术步骤

首先，从语料库中提取全局主题信息，以获得不同目标之间的共同知识，从而解决跨领域适应问题；然后，从全局主题-单词分布中提取目标感知子主题，以捕获目标的上下文信息；最后通过相互学习，最小化局部主题分布与其语义表示之间的相似性，从而捕获论辩中的隐含论证信息。

实验结果

在UKP ArgMin数据集上进行的大量实验表明，本文所提出的模型TEAM在域内和跨域场景中都优于最先进的论辩挖掘方法甚至是大语言模型。

中国学术前沿期刊网

http://journal.hep.com.cn