Minería de argumentación en el Referéndum del 1 de Octubre de 2017

• Autores: Marcos Esteve, Francisco Casacuberta Nolla , Paolo Rosso
• Localización: Procesamiento del lenguaje natural, ISSN 1135-5948, Nº. 65, 2020, págs. 59-66
• Idioma: español
• Títulos paralelos:
  • Argument Mining in the October 1, 2017 Referendum
• Enlaces
  • Texto completo
• Dialnet Métricas: 1 Cita
• Resumen
  • español

    La minería de argumentación permite, mediante herramientas software, obtener cuáles son los argumentos que expresan los autores en un determinado texto. En este artículo se pretende realizar un análisis de la argumentación expresada por los usuarios en Twitter en relación al referendum del 1 de octubre de 2017. Se utilizará para ello, el dataset MultiStanceCat proporcionado en la tarea organizada en el IberEval 2018. Dado que las herramientas de minería de argumentación trabajan en su mayoría en inglés, será necesario construir un sistema de traducción neuronal con postedición que permita realizar una traducción de los tweets del español y el catalán al inglés. Los resultados al realizar la minería de argumentación sobre los tweets traducidos ha demostrado obtener un porcentaje muy reducido de argumentación en todas las comunidades.

  • English

    Argument mining allows, through software tools, to obtain which are the arguments expressed by the authors in a given text. This article aims to make an analysis of the arguments expressed by users on Twitter in relation to the referendum of October 1, 2017 using the MultiStanceCat dataset provided in the shared task organized at IberEval 2018. Since the tools of argumentation mining work mostly in English, it was necessary to build a neural translation system with post-editing that allows to translate of tweets from Spanish and Catalan to English. The results of argumentation mining on the translated tweets have shown to obtain a minimum percentage of argumentation in all the communities.

• Referencias bibliográficas
  • Bengio, Y., R. Ducharme, P. Vincent, y C. Jauvin. 2003. A neural probabilistic language model. Journal of machine learning research, 3:1137–1155.
  • Brown, P. F., J. Cocke, S. A. Della Pietra, V. J. Della Pietra, F. Jelinek, J. Lafferty, R. L. Mercer, y P. S. Roossin. 1990. A statistical...
  • Domingo, M., M. Garc´ıa-Mart´ınez, A. Peris, A. Helle, A. Estela, L. Bi´e, F. Casacuberta, y M. Herranz. 2019. Incremental adaptation of nmt...
  • Eger, S., J. Daxenberger, y I. Gurevych. 2017. Neural end-to-end learning for computational argumentation mining. En Proceedings of the 55th...
  • Koehn, P. 2009. Statistical machine translation. Cambridge University Press.
  • Koehn, P. y K. Knight. 2000. Estimating word translation probabilities from unrelated monolingual corpora using the em algorithm. En AAAI/IAAI,...
  • Lai, M. 2019. On language and structure in polarized communities. Ph.D. tesis, Universitat Politècnica de València.
  • Lai, M., M. Tambuscio, V. Patti, G. Ruffo, y P. Rosso. 2019. Stance polarity in political debates: A diachronic perspective of network homophily...
  • Lison, P. y J. Tiedemann. 2016. Opensubtitles2016: Extracting large parallel corpora from movie and tv subtitles.
  • Luong, M.-T., H. Pham, y C. D. Manning. 2015. Effective approaches to attentionbased neural machine translation. arXiv preprint arXiv:1508.04025.
  • Mikolov, T., I. Sutskever, K. Chen, G. S. Corrado, y J. Dean. 2013. Distributed representations of words and phrases and their compositionality....
  • Palau, R. M. y M.-F. Moens. 2009. Argumentation mining: the detection, classification and structure of arguments in text. En Proceedings of...
  • Peris, A. y F. Casacuberta. 2018. NMT-Keras: a very flexible toolkit with a focus on interactive NMT and online learning. The Prague Bulletin...
  • Peris, A. y F. Casacuberta. 2019. Online learning for effort reduction in interactive neural machine translation. Computer Speech & Language,...
  • Peris, A., M. Domingo, y F. Casacuberta. 2017. Interactive neural machine translation. Computer Speech & Language, 45:201–220.
  • Stab, C., J. Daxenberger, C. Stahlhut, T. Miller, B. Schiller, C. Tauchmann, S. Eger, y I. Gurevych. 2018. ArgumenText: Searching for arguments...
  • Stab, C. y I. Gurevych. 2014. Identifying argumentative discourse structures in persuasive essays. En Proceedings of the 2014 Conference on...
  • Taulé, M., F. M. R. Pardo, M. A. Martí, y P. Rosso. 2018. Overview of the task on multimodal stance detection in tweets on catalan# 1oct referendum....
  • Tiedemann, J. 2012. Parallel data, tools and interfaces in opus. En Proceedings of the Eight International Conference on Language Resources...
  • Vaswani, A., N. Shazeer, N. Parmar, J. Uszkoreit, L. Jones, A. N. Gomez, L. Kaiser, y I. Polosukhin. 2017. Attention is all you need. En Advances...