Stance-based Argument Mining - Modeling Implicit Argumentation Using Stance

Wojatzki, Michael Maximilian; Zesch, Torsten

doi:10.17185/duepublico/46445

Tagungsbeitrag September 2016 CC BY-NC-SA 4.0

Veröffentlicht

Stance-based Argument Mining - Modeling Implicit Argumentation Using Stance

A major remaining challenge in argument mining is implicitness. We propose to model implicit argumentation using explicit stances and the overall stance of a debate. Our evaluation on a social media corpus shows that our model (i) can be reliably annotated even on noisy data and (ii) has the potential to improve the performance of automated argument mining.

Vorschau

Einordnung

Konferenz:

13th Conference on Natural Language Processing (KONVENS 2016), Bochum, Germany, September 19-21, 2016

Datum der Veröffentlichung:

09.2016

URN:

urn:nbn:de:hbz:464-20180627-121622-4

DOI:

10.17185/duepublico/46445

Sprache:

Englisch

Ressourcentyp:

Text

Kollektion:

E-Publikationen

Dewey Dezimal-Klassifikation:

000 Informatik, Informationswissenschaft, allgemeine Werke

Sachgruppen der Deutschen Nationalbibliographie:

004 Informatik

Link URL:

https://www.linguistics.rub.de/bla/

Einrichtung:

Fakultät für Ingenieurwissenschaften, Informatik und Angewandte Kognitionswissenschaft

Einrichtung:

Forschungszentren, Institut für Optionale Studien

Informationen zur Erstveröffentlichung:

Wojatzki, Michael; Zesch, Torsten: Stance-based Argument Mining – Modeling Implicit Argumentation Using Stance

Published in: Stefanie Dipper, Friedrich Neubarth and Heike Zinsmeister (Eds.). Proceedings of the 13th Conference on Natural Language Processing (KONVENS 2016), Bochum, Germany, September 19-21, 2016, (Bochumer Linguistische Arbeitsberichte ; 16), https://www.linguistics.rub.de/forschung/arbeitsberichte/16.pdf, pp. 313-322

Published: September 2016

auf die Merkliste