論證挖掘

深度分析

CAF-Gen：利用多代理系統提升 CAF 框架論證挖掘的自動化精度

本研究針對自然語言論證抽取的結構化挑戰，提出 CAF-Gen 多代理框架，透過創建者與審查者的迭代回饋，將淺層論證圖自動轉換為符合 Carneades 標準的豐富模型。實驗在 UKP 論文資料集上顯示，接受率從 34.6% 提升至 91.3%，投射回原始結構的精確度與召回率均超過九成。