Revisiting the Role of Similarity and Dissimilarity in Best Counter Argument Retrieval

要約

タイトル：類似性と非類似性が最適な反対論の回収に果たす役割を再検討する
要約：
– この論文は、入力引数が与えられた場合の最適な反対論の回収のタスクを研究しています。
– 最適な反対論は、入力引数と同じ側面に対処しながら逆の立場を取るという定義に従って、類似性と非類似性メトリックに基づく反対論のスコアリングの効率的かつ効果的なモデルを開発することを目的としています。
– 最初に、従来の学習ランキング（LTR）および最近のニューラルスコアリングモデルを含む利用可能なスコアリング方法の効果について実験的研究を行います。
– 次に、同時的な類似性と非類似性の最適な表現を学習するための新しいBERTベースのモデルであるバイポーラエンコーダを提案します。
– 実験結果は、提案された方法が他のベースラインを大幅に上回る49.04％のaccuracy@1を実現できることを示しています。
– 適切なキャッシュ技術と組み合わせると、バイポーラエンコーダは予測時間でも比較的効率的です。

要約(オリジナル)

This paper studies the task of best counter-argument retrieval given an input argument. Following the definition that the best counter-argument addresses the same aspects as the input argument while having the opposite stance, we aim to develop an efficient and effective model for scoring counter-arguments based on similarity and dissimilarity metrics. We first conduct an experimental study on the effectiveness of available scoring methods, including traditional Learning-To-Rank (LTR) and recent neural scoring models. We then propose Bipolar-encoder, a novel BERT-based model to learn an optimal representation for simultaneous similarity and dissimilarity. Experimental results show that our proposed method can achieve the accuracy@1 of 49.04\%, which significantly outperforms other baselines by a large margin. When combined with an appropriate caching technique, Bipolar-encoder is comparably efficient at prediction time.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI