Reconocimiento automático de argumentos y sus relaciones a partir de lenguaje natural : predicción y análisis desde una perspectiva de argumentación computacional

Autores
Schmidt, Federico Martín
Año de publicación
2025
Idioma
español castellano
Tipo de recurso
tesis doctoral
Estado
versión aceptada
Colaborador/a o director/a de tesis
García, Alejandro Javier
Gottifredi, Sebastian
Descripción
La investigación desarrollada en esta tesis está dentro de las áreas de Minería de Argumentos y Argumentación Computacional. La investigación se enfoca en la correcta identificación de argumentos y sus interacciones en cuerpos de texto expresados en lengua- je natural. Minería de Argumentos es un área de investigación de creciente interés tanto, por sus desafíos como sus potenciales aplicaciones prácticas en aquellos dominios de apli- cación donde se busca desarrollar sistemas basados en Argumentación Computacional. Los resultados obtenidos buscan reducir la brecha entre los desarrollos en Argumentación Computacional y los continuos avances en Minería de Argumentos a partir de una crecien- te evolución de las herramientas de aprendizaje automático aplicadas al procesamiento de lenguaje natural. Para ello, se desarrollaron propuestas dedicadas tanto a mejorar los propios sistemas de Minería de Argumentos como a evaluar adecuadamente los resultados de esos sistemas desde la perspectiva de Argumentación Computacional. Como parte de las contribuciones, se definen nuevas formas de evaluar modelos de identificación de argumentos a partir de documentos escritos en lenguaje natural, y mo- delos de identificación de relaciones argumentativas entre fragmentos de texto. A través de una extensa experimentación y análisis, se muestra que las formas de evaluación propues- tas superan las limitaciones de las métricas más tradicionales, y también que es posible mejorar la identificación de argumentos utilizando la información provista por los errores detectados a nivel de argumentación durante el desarrollo de los modelos dedicados a esa tarea. Además, se proponen nuevos enfoques para aquellas aplicaciones en las que no se cuenta con anotaciones o etiquetas que permitan validar las predicciones hechas por los modelos. Estos nuevos enfoques, inexplorados hasta el momento, permitirán el desarrollo de nuevas y mejores herramientas de Argumentación Computacional.
This thesis falls within the Argument Mining and Computational Argumentation re- search areas, focusing on accuratelly identifying arguments and their interactions in texts expressed in natural language. Argument Mining has gained increasing attention due to its inherent challenges and potential applications, particularly in contexts where systems based on Computational Argumentation are being developed. The results of this thesis aim at bridging the gap between advancements in Computational Argumentation and the continuous progress in Argument Mining, which is influenced by the ongoing evolution of machine learning tools applied to natural language processing. For this, we developed pro- posals to both enhance Argument Mining systems and adequately evaluate their results from a Computational Argumentation perspective. The proposals in this thesis allow for the evaluation of argument identification models from natural language documents and the identification of argumentative relations bet- ween text fragments. Through extensive experimentation and analysis, it is demonstrated that the proposed evaluation methods overcome the limitations of traditional classification metrics, and that it is possible to improve argument identification using information pro- vided by the errors detected at the argumentation level during the development process. Additionally, new apporaches are proposed for applications where annotations for valida- ting the model predictions are unavailable. These new, previously unexplored approaches, will enable the development of new and improved Computational Argumentation tools.
Fil: Schmidt, Federico Martín. Universidad Nacional del Sur. Departamento de Ingeniería Eléctrica y de Computadoras; Argentina
Materia
Inteligencia artificial
Minería de argumentos
Argumentación computacional
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
Repositorio Institucional Digital de la Universidad Nacional del Sur (RID-UNS)
Institución
Universidad Nacional del Sur
OAI Identificador
oai:repositorio.bc.uns.edu.ar:123456789/7598
Acceder
id RID-UNS_97b6d17e2fea64dbc88fe54671cf1196
oai_identifier_str oai:repositorio.bc.uns.edu.ar:123456789/7598
network_acronym_str RID-UNS
repository_id_str
network_name_str Repositorio Institucional Digital de la Universidad Nacional del Sur (RID-UNS)
spelling Reconocimiento automático de argumentos y sus relaciones a partir de lenguaje natural : predicción y análisis desde una perspectiva de argumentación computacionalSchmidt, Federico MartínInteligencia artificialMinería de argumentosArgumentación computacionalLa investigación desarrollada en esta tesis está dentro de las áreas de Minería de Argumentos y Argumentación Computacional. La investigación se enfoca en la correcta identificación de argumentos y sus interacciones en cuerpos de texto expresados en lengua- je natural. Minería de Argumentos es un área de investigación de creciente interés tanto, por sus desafíos como sus potenciales aplicaciones prácticas en aquellos dominios de apli- cación donde se busca desarrollar sistemas basados en Argumentación Computacional. Los resultados obtenidos buscan reducir la brecha entre los desarrollos en Argumentación Computacional y los continuos avances en Minería de Argumentos a partir de una crecien- te evolución de las herramientas de aprendizaje automático aplicadas al procesamiento de lenguaje natural. Para ello, se desarrollaron propuestas dedicadas tanto a mejorar los propios sistemas de Minería de Argumentos como a evaluar adecuadamente los resultados de esos sistemas desde la perspectiva de Argumentación Computacional. Como parte de las contribuciones, se definen nuevas formas de evaluar modelos de identificación de argumentos a partir de documentos escritos en lenguaje natural, y mo- delos de identificación de relaciones argumentativas entre fragmentos de texto. A través de una extensa experimentación y análisis, se muestra que las formas de evaluación propues- tas superan las limitaciones de las métricas más tradicionales, y también que es posible mejorar la identificación de argumentos utilizando la información provista por los errores detectados a nivel de argumentación durante el desarrollo de los modelos dedicados a esa tarea. Además, se proponen nuevos enfoques para aquellas aplicaciones en las que no se cuenta con anotaciones o etiquetas que permitan validar las predicciones hechas por los modelos. Estos nuevos enfoques, inexplorados hasta el momento, permitirán el desarrollo de nuevas y mejores herramientas de Argumentación Computacional.This thesis falls within the Argument Mining and Computational Argumentation re- search areas, focusing on accuratelly identifying arguments and their interactions in texts expressed in natural language. Argument Mining has gained increasing attention due to its inherent challenges and potential applications, particularly in contexts where systems based on Computational Argumentation are being developed. The results of this thesis aim at bridging the gap between advancements in Computational Argumentation and the continuous progress in Argument Mining, which is influenced by the ongoing evolution of machine learning tools applied to natural language processing. For this, we developed pro- posals to both enhance Argument Mining systems and adequately evaluate their results from a Computational Argumentation perspective. The proposals in this thesis allow for the evaluation of argument identification models from natural language documents and the identification of argumentative relations bet- ween text fragments. Through extensive experimentation and analysis, it is demonstrated that the proposed evaluation methods overcome the limitations of traditional classification metrics, and that it is possible to improve argument identification using information pro- vided by the errors detected at the argumentation level during the development process. Additionally, new apporaches are proposed for applications where annotations for valida- ting the model predictions are unavailable. These new, previously unexplored approaches, will enable the development of new and improved Computational Argumentation tools.Fil: Schmidt, Federico Martín. Universidad Nacional del Sur. Departamento de Ingeniería Eléctrica y de Computadoras; ArgentinaGarcía, Alejandro JavierGottifredi, Sebastian2025-05-28info:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_db06info:ar-repo/semantics/tesisDoctoralapplication/pdfhttps://repositoriodigital.uns.edu.ar/handle/123456789/7598spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/reponame:Repositorio Institucional Digital de la Universidad Nacional del Sur (RID-UNS)instname:Universidad Nacional del Sur2026-09-24T11:33:33Zoai:repositorio.bc.uns.edu.ar:123456789/7598instacron:UNSInstitucionalhttp://repositoriodigital.uns.edu.ar/Universidad públicaNo correspondehttp://repositoriodigital.uns.edu.ar/oaimesnaola@uns.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:2026-09-24 11:33:33.783Repositorio Institucional Digital de la Universidad Nacional del Sur (RID-UNS) - Universidad Nacional del Surfalse
dc.title.none.fl_str_mv Reconocimiento automático de argumentos y sus relaciones a partir de lenguaje natural : predicción y análisis desde una perspectiva de argumentación computacional
title Reconocimiento automático de argumentos y sus relaciones a partir de lenguaje natural : predicción y análisis desde una perspectiva de argumentación computacional
spellingShingle Reconocimiento automático de argumentos y sus relaciones a partir de lenguaje natural : predicción y análisis desde una perspectiva de argumentación computacional
Schmidt, Federico Martín
Inteligencia artificial
Minería de argumentos
Argumentación computacional
title_short Reconocimiento automático de argumentos y sus relaciones a partir de lenguaje natural : predicción y análisis desde una perspectiva de argumentación computacional
title_full Reconocimiento automático de argumentos y sus relaciones a partir de lenguaje natural : predicción y análisis desde una perspectiva de argumentación computacional
title_fullStr Reconocimiento automático de argumentos y sus relaciones a partir de lenguaje natural : predicción y análisis desde una perspectiva de argumentación computacional
title_full_unstemmed Reconocimiento automático de argumentos y sus relaciones a partir de lenguaje natural : predicción y análisis desde una perspectiva de argumentación computacional
title_sort Reconocimiento automático de argumentos y sus relaciones a partir de lenguaje natural : predicción y análisis desde una perspectiva de argumentación computacional
dc.creator.none.fl_str_mv Schmidt, Federico Martín
author Schmidt, Federico Martín
author_facet Schmidt, Federico Martín
author_role author
dc.contributor.none.fl_str_mv García, Alejandro Javier
Gottifredi, Sebastian
dc.subject.none.fl_str_mv Inteligencia artificial
Minería de argumentos
Argumentación computacional
topic Inteligencia artificial
Minería de argumentos
Argumentación computacional
dc.description.none.fl_txt_mv La investigación desarrollada en esta tesis está dentro de las áreas de Minería de Argumentos y Argumentación Computacional. La investigación se enfoca en la correcta identificación de argumentos y sus interacciones en cuerpos de texto expresados en lengua- je natural. Minería de Argumentos es un área de investigación de creciente interés tanto, por sus desafíos como sus potenciales aplicaciones prácticas en aquellos dominios de apli- cación donde se busca desarrollar sistemas basados en Argumentación Computacional. Los resultados obtenidos buscan reducir la brecha entre los desarrollos en Argumentación Computacional y los continuos avances en Minería de Argumentos a partir de una crecien- te evolución de las herramientas de aprendizaje automático aplicadas al procesamiento de lenguaje natural. Para ello, se desarrollaron propuestas dedicadas tanto a mejorar los propios sistemas de Minería de Argumentos como a evaluar adecuadamente los resultados de esos sistemas desde la perspectiva de Argumentación Computacional. Como parte de las contribuciones, se definen nuevas formas de evaluar modelos de identificación de argumentos a partir de documentos escritos en lenguaje natural, y mo- delos de identificación de relaciones argumentativas entre fragmentos de texto. A través de una extensa experimentación y análisis, se muestra que las formas de evaluación propues- tas superan las limitaciones de las métricas más tradicionales, y también que es posible mejorar la identificación de argumentos utilizando la información provista por los errores detectados a nivel de argumentación durante el desarrollo de los modelos dedicados a esa tarea. Además, se proponen nuevos enfoques para aquellas aplicaciones en las que no se cuenta con anotaciones o etiquetas que permitan validar las predicciones hechas por los modelos. Estos nuevos enfoques, inexplorados hasta el momento, permitirán el desarrollo de nuevas y mejores herramientas de Argumentación Computacional.
This thesis falls within the Argument Mining and Computational Argumentation re- search areas, focusing on accuratelly identifying arguments and their interactions in texts expressed in natural language. Argument Mining has gained increasing attention due to its inherent challenges and potential applications, particularly in contexts where systems based on Computational Argumentation are being developed. The results of this thesis aim at bridging the gap between advancements in Computational Argumentation and the continuous progress in Argument Mining, which is influenced by the ongoing evolution of machine learning tools applied to natural language processing. For this, we developed pro- posals to both enhance Argument Mining systems and adequately evaluate their results from a Computational Argumentation perspective. The proposals in this thesis allow for the evaluation of argument identification models from natural language documents and the identification of argumentative relations bet- ween text fragments. Through extensive experimentation and analysis, it is demonstrated that the proposed evaluation methods overcome the limitations of traditional classification metrics, and that it is possible to improve argument identification using information pro- vided by the errors detected at the argumentation level during the development process. Additionally, new apporaches are proposed for applications where annotations for valida- ting the model predictions are unavailable. These new, previously unexplored approaches, will enable the development of new and improved Computational Argumentation tools.
Fil: Schmidt, Federico Martín. Universidad Nacional del Sur. Departamento de Ingeniería Eléctrica y de Computadoras; Argentina
description La investigación desarrollada en esta tesis está dentro de las áreas de Minería de Argumentos y Argumentación Computacional. La investigación se enfoca en la correcta identificación de argumentos y sus interacciones en cuerpos de texto expresados en lengua- je natural. Minería de Argumentos es un área de investigación de creciente interés tanto, por sus desafíos como sus potenciales aplicaciones prácticas en aquellos dominios de apli- cación donde se busca desarrollar sistemas basados en Argumentación Computacional. Los resultados obtenidos buscan reducir la brecha entre los desarrollos en Argumentación Computacional y los continuos avances en Minería de Argumentos a partir de una crecien- te evolución de las herramientas de aprendizaje automático aplicadas al procesamiento de lenguaje natural. Para ello, se desarrollaron propuestas dedicadas tanto a mejorar los propios sistemas de Minería de Argumentos como a evaluar adecuadamente los resultados de esos sistemas desde la perspectiva de Argumentación Computacional. Como parte de las contribuciones, se definen nuevas formas de evaluar modelos de identificación de argumentos a partir de documentos escritos en lenguaje natural, y mo- delos de identificación de relaciones argumentativas entre fragmentos de texto. A través de una extensa experimentación y análisis, se muestra que las formas de evaluación propues- tas superan las limitaciones de las métricas más tradicionales, y también que es posible mejorar la identificación de argumentos utilizando la información provista por los errores detectados a nivel de argumentación durante el desarrollo de los modelos dedicados a esa tarea. Además, se proponen nuevos enfoques para aquellas aplicaciones en las que no se cuenta con anotaciones o etiquetas que permitan validar las predicciones hechas por los modelos. Estos nuevos enfoques, inexplorados hasta el momento, permitirán el desarrollo de nuevas y mejores herramientas de Argumentación Computacional.
publishDate 2025
dc.date.none.fl_str_mv 2025-05-28
dc.type.none.fl_str_mv info:eu-repo/semantics/doctoralThesis
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_db06
info:ar-repo/semantics/tesisDoctoral
format doctoralThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv https://repositoriodigital.uns.edu.ar/handle/123456789/7598
url https://repositoriodigital.uns.edu.ar/handle/123456789/7598
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Institucional Digital de la Universidad Nacional del Sur (RID-UNS)
instname:Universidad Nacional del Sur
reponame_str Repositorio Institucional Digital de la Universidad Nacional del Sur (RID-UNS)
collection Repositorio Institucional Digital de la Universidad Nacional del Sur (RID-UNS)
instname_str Universidad Nacional del Sur
repository.name.fl_str_mv Repositorio Institucional Digital de la Universidad Nacional del Sur (RID-UNS) - Universidad Nacional del Sur
repository.mail.fl_str_mv mesnaola@uns.edu.ar
_version_ 1877226949124816896
score 12.754232

Publicaciones similares