Argument Mining on Italian News Blogs

Résumé En It

The goal of argument mining is to extract structured information, namely the arguments and their relations, from unstructured text. In this paper, we propose an approach to argument relation prediction based on supervised learning of linguistic and semantic features of the text. We test our method on the CorEA corpus of user comments to online newspaper articles, evaluating our system’s performances in assigning the correct relation, i.e., support or attack, to pairs of arguments. We obtain results consistently better than a sentiment analysis-based baseline (over two out three correctly classified pairs), and we observe that sentiment and lexical semantics are the most informative features with respect to the relation prediction task.

L’estrazione automatica di argomenti ha come scopo recuperare informazione strutturata, in particolare gli argomenti e le loro relazioni, a partire da testo semplice. In questo contributo proponiamo un metodo di predizione delle relazioni tra argomenti basato sull’apprendimento supervisionato di feature linguistiche e semantiche del testo. Il metodo è testato sul corpus di commenti di news CorEA, ed è valutata la capacità del sistema di classificare le relazioni di supporto ed attacco tra coppie di argomenti. I risultati ottenuti sono superiori ad una baseline basata sulla sola analisi del sentimento (oltre due coppie di argomenti su tre è classificata correttamente) ed osserviamo che il sentimento e la semantica lessicale sono gli indicatori più informativi per la predizione delle relazioni tra argomenti.