Element 68Element 45Element 44Element 63Element 64Element 43Element 41Element 46Element 47Element 69Element 76Element 62Element 61Element 81Element 82Element 50Element 52Element 79Element 79Element 7Element 8Element 73Element 74Element 17Element 16Element 75Element 13Element 12Element 14Element 15Element 31Element 32Element 59Element 58Element 71Element 70Element 88Element 88Element 56Element 57Element 54Element 55Element 18Element 20Element 23Element 65Element 21Element 22iconsiconsElement 83iconsiconsiconsiconsiconsiconsiconsiconsiconsiconsiconsiconsiconsiconsiconsiconsiconsiconsiconsiconsiconsiconsiconsiconsiconsElement 84iconsiconsElement 36Element 35Element 1Element 27Element 28Element 30Element 29Element 24Element 25Element 2Element 1Element 66
A Framework for Argument Mining and Evaluation (FAME)

A Framework for Argument Mining and Evaluation (FAME)

Zwei Perspektiven auf Argumentation haben in der jüngeren Vergangenheit gesteigerte Aufmerksamkeit von Seiten der Informatik erfahren:
a) die Auswertung natürlichsprachlicher Texte mit überwachten Lernverfahren zur Detektion und Klassifikation von Argumentbestandteilen und b) die formale Modellierung und Evaluierung von Argumenten.
 
Bislang haben sich beide Perspektiven weitgehend unabhängig voneinander entwickelt. Das Ziel des FAME-Projekts ist es, beide Forschungsperspektiven auf Argumentation miteinander zu vereinen. Dafür entwickeln wir ein Framework, das Ansätze des Argument Mining mit formaler Argument-Evaluation verbindet. Diese Verbindung ermöglicht uns die Auswertung tiefer semantischer Argumentstrukturen in natürlichsprachigem Text und neue Formen von Anfragen an Retrieval-Systeme.

Die Herausforderung für ein solches Framework besteht darin, Evaluierungsverfahren für formale Sprachen mit definierter, zugehöriger Semantik und NLP-Verfahren zusammenzubringen. Die dem Antrag zugrundeliegende Hypothese ist, dass kontrollierte natürliche Sprachen (Controlled Natural Languages, CNL) eine geeignete Verbindung beider Welten darstellen können. CNL werden in FAME als intermediäre Repräsentation von Argumentation benutzt. Als Untermenge von natürlichen Sprachen sind CNL einerseits lesbar und verständlich wie natürliche Sprachen und damit anschlussfähig an Verfahren der automatischen Sprachverarbeitung. Auf der anderen Seite besitzen bestimmte CNL eine wohl-definierte Semantik und können formal ausgewertet werden. CNL mit beiden solchen Eigenschaften existieren bereits. Ein prominentes Beispiel ist Attempto Controlled English (ACE). ACE besitzt es eine formale Semantik, mit der Aussagen in Discourse Representation Structures übersetzt und prädikatenlogisch ausgewertet werden können. Insofern ACE nicht primär zur Modellierung von Argumenten entwickelt wurde, werden wir im Rahmen des Projekts untersuchen, ob die Konstrukte der Sprache ausdrucksmächtig genug für unsere Zwecke sind oder ob wir Erweiterungen definieren müssen.

Im Projekt werden wir Argumentationen im öffentlichen, politischen Diskurs anhand von Nachrichtentexten und zugehörigen Nutzerkommentaren bezüglich einer Auswahl von fünf konkreten, kontroversen Sachverhalten modellieren und auswerten (z.B. Freihandelsabkommen). Durch die Modellierung konkreter empirischer Sachverhalte als CNL-Aussagen in einer Wissensbasis erweitern wir bisherige Ansätze des Argument Mining, welche sich bislang auf die Klassifikation von generischen, funktionalen Argumentbestandteilen (z.B. Prämisse und Konklusion) konzentrieren. Die Repräsentation von Argumenten in einer Wissensbasis in Kombination mit Modellen abstrakter Argumentation erlaubt uns wiederum komplexe Auswertungsmöglichkeiten, bei denen wir davon ausgehen, dass sie insbesondere für die Auswertung von Argumentstrukturen geeignet sind, wie sie in empirischer Kommunikation auftreten (unvollständige Argumente, unaufgelöste Widersprüche).
mehr anzeigen

Projektbeschreibung

Wird ggf. ergänzt.

Infos zum Projekt

Überblick

Laufzeit: 2020-2022

Drittmittelgeber

Kooperationspartner

Universität Leipzig
Institut für Informatik

Ansprechpartner

Dr. Gregor Wiedemann
Senior Researcher Computational Social Sciences

Dr. Gregor Wiedemann

Leibniz-Institut für Medienforschung | Hans-Bredow-Institut (HBI)
Rothenbaumchaussee 36
20148 Hamburg
Tel. +49 (0)40 450 21 7 55
Fax +49 (0)40 45 02 17 77

E-Mail senden

VIELLEICHT INTERESSIEREN SIE AUCH FOLGENDE THEMEN?

Newsletter

Infos über aktuelle Projekte, Veranstaltungen und Publikationen des Instituts.

NEWSLETTER ABONNIEREN!