Exploring Key Point Analysis with Pairwise Generation and Graph Partitioning

要約

複数の議論をキーポイントの簡潔なコレクションに要約するキーポイント分析 (KPA) は、議論マイニングの分野において依然として重要な未解決の問題です。
既存のモデルは、引数をクラスタリングするか引数クラスターのキーポイントを生成する 2 段階のパイプラインを適応させます。
このアプローチは、引数間の共有キーポイントの存在を測定するのではなく、意味上の類似性に依存します。
さらに、キーポイントを共有しない引数間のクラスター間関係を無視して、引数間のクラスター内関係のみをモデル化します。
これらの制限に対処するために、ペアワイズ生成とグラフ分割を使用した KPA の新しいアプローチを提案します。
私たちの目的は、一対の引数間の共有キー ポイントの存在を示すスコアを同時に提供し、共有キー ポイントを生成できる生成モデルをトレーニングすることです。
続いて、生成された冗長キー ポイントをキー ポイントの簡潔なセットにマッピングするために、引数を頂点、生成されたキー ポイントをエッジ、スコアをエッジの重みとみなして引数グラフを構築します。
次に、同じキーポイントを共有するすべての引数を同じサブグラフに分割するグラフ分割アルゴリズムを提案します。
特に、実験結果は、ArgKP データセットと QAM データセットの両方で評価した場合、提案したモデルが以前のモデルを上回ることを示しています。

要約(オリジナル)

Key Point Analysis (KPA), the summarization of multiple arguments into a concise collection of key points, continues to be a significant and unresolved issue within the field of argument mining. Existing models adapt a two-stage pipeline of clustering arguments or generating key points for argument clusters. This approach rely on semantic similarity instead of measuring the existence of shared key points among arguments. Additionally, it only models the intra-cluster relationship among arguments, disregarding the inter-cluster relationship between arguments that do not share key points. To address these limitations, we propose a novel approach for KPA with pairwise generation and graph partitioning. Our objective is to train a generative model that can simultaneously provide a score indicating the presence of shared key point between a pair of arguments and generate the shared key point. Subsequently, to map generated redundant key points to a concise set of key points, we proceed to construct an arguments graph by considering the arguments as vertices, the generated key points as edges, and the scores as edge weights. We then propose a graph partitioning algorithm to partition all arguments sharing the same key points to the same subgraph. Notably, our experimental findings demonstrate that our proposed model surpasses previous models when evaluated on both the ArgKP and QAM datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google