Towards Full-Text Scholarly Argument Mining using Entity-Anchored Claim Extraction

📄 arXiv: 2610.40196v1 📥 PDF

作者: Bhuvanesh Verma, Andy Lüking, Mounika Marreddy, Leon Lukas Hammerla, Alexander Mehler

分类: cs.CL, cs.IR

发布日期: 2026-10-29

💡 一句话要点

提出基于实体锚定的主张提取方法以解决学术论文论证挖掘问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 论证挖掘 学术文献 主张提取 实体识别 自然语言处理 机器学习 数据集构建

📋 核心要点

  1. 现有的论证挖掘方法在处理长文本时面临长距离依赖建模和标注工作量大的挑战。
  2. 本文提出了一种利用科学实体提及来识别和结构化学术文献中主张的新方法。
  3. 实验结果表明，基于银标准数据集微调的模型在性能上优于传统方法，并具备良好的迁移能力。

📝 摘要（中文）

学术文章中的论证挖掘是一项重要且具有挑战性的任务，主要由于需要建模长距离依赖关系以及在冗长文档中标注句子级论证成分的巨大工作量。为了解决这些挑战，本文提出了一种新方法，利用科学实体提及（如任务、数据集和模型）来识别和构建学术文献中的主张。通过对50篇情感分析的全文研究论文进行案例研究，我们首先建立了可靠的人类金标准（Krippendorff's $α= 0.80$），识别出113个包含主张的句子，并从300个候选句子中提取出199个结构化主张记录。为了解决标注瓶颈，我们采用大型语言模型的多数投票集成生成了包含1,487个主张的银标准数据集。经过专门在银标准数据集上微调的编码器在性能上优于那些在小型人类标注金标准数据集上训练的编码器，并在训练语料库之外的NLP论文中展示了强大的零样本迁移能力。

🔬 方法详解

问题定义：本文旨在解决学术论文中的论证挖掘问题，现有方法在处理长文本时难以有效建模长距离依赖关系，并且标注句子级论证成分的工作量巨大。

核心思路：论文提出通过科学实体提及（如任务、数据集和模型）来识别和构建主张，从而简化标注过程并提高准确性。该方法利用实体信息来增强模型对主张的识别能力。

技术框架：整体架构包括三个主要模块：首先，建立人类金标准以识别包含主张的句子；其次，利用大型语言模型生成银标准数据集；最后，训练编码器以识别和结构化主张。

关键创新：最重要的技术创新在于引入了基于实体的主张提取方法，显著提升了对长文本中主张的识别能力，与传统方法相比，减少了对人工标注的依赖。

关键设计：在模型训练中，采用了多数投票集成的方式来生成银标准数据集，并在该数据集上对编码器进行微调，以提高模型的泛化能力和准确性。

📊 实验亮点

实验结果显示，基于银标准数据集微调的编码器在提取主张的准确性上显著优于传统方法，尤其在零样本迁移到其他NLP论文时表现出色，验证了该方法的有效性和广泛适用性。

🎯 应用场景

该研究的潜在应用领域包括学术论文自动分析、文献综述生成以及科学研究的知识发现。通过提高论证挖掘的效率和准确性，能够帮助研究人员更好地理解和整合已有的研究成果，推动科学研究的进展。

📄 摘要（原文）

Argument mining in full-text scholarly articles remains an important yet challenging task. This difficulty stems not only from the need to model long-distance dependencies but also from the substantial effort required to annotate sentence-level argumentative components throughout lengthy documents. To address these challenges, we introduce a novel approach that leverages scientific entity mentions (e.g., tasks, datasets, and models) to identify and structure claims in scholarly literature. We validate our approach through a case study involving 50 full-text research papers on sentiment analysis. We first establish a reliable human gold standard (Krippendorff's $α= 0.80$), identifying 113 claim-bearing sentences and extracting 199 structured claim records from 300 candidate sentences. To address the annotation bottleneck, we employ a majority-voting ensemble of large language models (LLMs) to generate a silver-standard dataset comprising 1,487 claims. Encoders fine-tuned exclusively on the silver-standard dataset outperform those trained on a small human-annotated gold-standard dataset and demonstrate strong zero-shot transfer to NLP papers outside the training corpus.