Формальное выявление приемов аргументации в научных текстах

Представлены методы и полученные с их помощью результаты автоматизированного выявления приемов аргументации. Исследуемым материалом служили построенные путем экспертной разметки аргументационные аннотации 25-ти научных текстов двух тематик. Разметка проводилась с помощью веб-инструментов, позволяющих визуализировать аргументативные утверждения и схемы аргументации, строить аргументационную структуру текста в виде ориентированного графа. В графе содержатся два типа вершин: информационные вершины-утверждения и связывающие их модели (схемы) рассуждений из компендиума Уолтона. Под приемами аргументации в данной работе понимается применение повторяющихся отдельных моделей рассуждения и образуемых ими повторяющихся структур (подграфов) аргументации. Разметка приемов, включающих в свою структуру более одной схемы, в графе отсутствует. Использовано описание аргументационных аннотаций и аннотированной коллекции в форме совместного спектра характеристик, содержащих повторяющиеся приемы с их абсолютными и текстовыми частотами. Приемы аргументации, образуемые тремя и более схемами, были выявлены методами частотного анализа подграфов (FSM). Сравнение подграфов осуществлялось с помощью программы из библиотеки NetworkX, реализующей точный алгоритм установления изоморфизма подграфов VF2. Полученные частотные характеристики позволили обнаружить общие закономерности в использовании характерных для научных текстов приемов аргументации, а также специфические особенности их употребления в зависимости от темы (лингвистика и компьютерные технологии). Закономерности проявляются в применении как отдельных схем, так и структурно организованных. Конфигурация последних представляет собой либо цепочки аргументов (до 5 элементов), либо ветвящиеся деревья различной глубины (содержащие до 8 вершин). Данные результаты можно использовать для определения близости текстов по применяемым в них приемам аргументации, что, в свою очередь, может быть дополнительной полезной информацией при кластеризации и классификации текстов, оценке их убедительности, а также при формальном синтезе аргументации.

1. Инькова О., Манзотти Э. Связность текста: мереологические логико-семантические отношения. М.: ИД ЯСК, 2019. 376 с.

2. Лукашевич Н. В. Тезаурусы в задачах информационного поиска. М.: Изд-во Моск. ун-та, 2011. 512 с. Пименов И. С. Специфика аргументационного аннотирования научных и научно-популярных текстов // Корпусная лингвистика – 2021: Тр. Междунар. конф. СПб.: Скифия-принт, 2021. ISBN 978-5-98620-557-1

3. Саломатина Н. В., Пименов И. С. N-граммный анализ аргументационных аннотаций текстов // Знания – Онтологии – Теории (ЗОНТ): Тр. Междунар. конф., 2021. URL: https://drive.google.com/file/d/1vLlHJk_cjYaSK9lwpw1i2HPNr8Qtmy1t/view

4. Сидорова Е. А., Ахмадеева И. Р., Загорулько Ю. А., Серый А. С., Шестаков В. К. Платформа для исследования аргументации в научно-популярном дискурсе // Онтология проектирования. 2020. Т. 10, № 4 (38). С. 489–502.

5. Al-Khatib, K., Wachsmuth, H., Hagen, M., Stein, B. Patterns of Argumentation Strategies across Topics. In: Proc. of the 2017 Conference on Empirical Methods in Natural Language. Copenhagen, Denmark, 2017, pp. 1351–1357.

6. Anand, P. et al. Believe Me – We Can Do This! Annotating Persuasive Acts in Blog Text. In: Computational Models of Natural Argument. San Francisco, CA, USA, 2011, August 7.

7. Cordella, L. P., Foggia, P., Sansone, C., Vento, M. A (Sub)Graph Isomorphism Algorithm for Matching Large Graphs. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2004, vol. 26, no. 10, pp. 1367–1372.

8. El Baff, R., Wachsmuth, H., Al Khatib, Kh., Stede, M., Stein, B. Computational Argumentation Synthesis as a Language Modeling Task. In: Proc. of the 12th International Conference on Natural Language Generation. Tokyo, Japan, 2019, pp. 54–64. Hagberg, A. A., Schult, D. A., Swart, P. J. Exploring network structure, dynamics, and function using NetworkX. In: Proc. of the 7th Python in Science Conference (SciPy2008). Pasadena, CA, USA, 2008, pp. 11–15.

9. Fishcheva, I., Kotelnikov, E. Cross-Lingual Argumentation Mining for Russian Texts. In: Proc. of the 8th International Conference “Analysis of Images, Social Networks and Texts”. Kazan, 2019, pp. 134–144. Jiang, C., Coenen, F., Zito, M. A Survey of Frequent Subgraph Mining Algorithms. The Knowledge Engineering Review, 2004, no. 000(1), pp. 1–31.

10. Lawrence, J., Reed, C. Argument Mining: A Survey. Computational Linguistics, 2019, vol. 45, no. 4, pp. 765‒818.

11. Lippi, M., Torrony, P. Argumentation Mining: State of the Art and Emerging Trends. ACM Transactions on Internet Technology, 2016, vol. 16, article 10.

12. Madnani, N., Heilman, M., Tetreault, J., Chodorow, M. Identifying high-level organizational elements in argumentative discourse. In: Proc. of the 2012 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies. Montréal, Canada, NAACL, Association for Computational Linguistics, 2012, pp. 20–28.

13. Rahwan, I., Reed, C. The argument interchange format. In: Rahwan, I., Simari, G. (eds.). Argumentation in artificial intelligence. Springer, 2009, pp. 383–402.

14. Taboada, M., Mann, W. Rhetorical Structure Theory: Looking back and moving ahead. Discourse Stud., 2006, no. 8, pp. 423–459.

15. Ullmann, J. R. An Algorithm for Subgraph Isomorphism. Journal of the ACM, 1976, vol. 23 (1), pp. 31–42.

16. Wachsmuth, H., Stede, M., El Baff, R., Al-Khatib, K., Skeppstedt, M., Stein, B. Argumentation Synthesis following Rhetorical Strategies. In: Proc. of the 27th International Conference on Computational Linguistics. Santa Fe, New Mexico, USA, 2018, pp. 3753–3765.

17. Walton, D., Reed, C., Macagno, F. Argumentation schemes Fundamentals of critical argumentation. New York, Cambridge Uni. Press, 2008, 443 p.

18. Xinyu Hua, Lu Wang. Understanding and Detecting Supporting Arguments of Diverse Types. In: Proc. of the 55th Annual Meeting of the Association for Computational Linguistics. Vancouver, Canada, ACL Association for Computational Linguistics, 2017, vol. 2, pp. 203–208.