Аннотация результатов, полученных в 2022 году
В ходе выполнения проекта в 2022 году были получены следующие научные результаты. 1. Обучена нейросетевая языковая модель ArgBERT, позволяющая осуществлять бинарную классификацию предложений на «аргумент» / «не аргумент», а также нейросетевая языковая модель ArgBERT-premise для классификации аргументативных предложений, извлеченных моделью ArgBERT, на два класса: «аргумент за» / «аргумент против» (https://github.com/kotelnikov-ev/RuArgumentMining). 2. Обучена нейросетевая языковая модель AspBERT, позволяющая извлекать аспекты аргументации из текстов (https://github.com/kotelnikov-ev/RuArgumentMining). 3. Обучены модели Random Forest для семи аспектов аргументации («Безопасность», «Влияние на здоровье», «Влияние на психику», «Надежность», «Отношение властей», «Уровень жизни», «Эффективность») (https://github.com/kotelnikov-ev/RuArgumentMining). 4. Создан текстовый корпус, размеченный по аргументации, содержащий 5000 предложений из русскоязычной Википедии и корпуса новостей Lenta.ru (https://github.com/kotelnikov-ev/RuArgumentMining). 5. Предложен и исследован метод генерации аргументов на основе дообучения генеративной модели ruGPT-3 с использованием корпуса экономических новостей, автоматически размеченных по аргументации. Метод показал значительное повышение качества генерации доводов по сравнению с исходной моделью. 6. Размечен корпус из 800 предложений – потенциальных аргументов, сгенерированных нейросетевыми моделями (https://github.com/kotelnikov-ev/economic_argument_generation). 7. Предложен и исследован метод автоматической управляемой генерации текстов на русском языке Collocation2Text, не требующий процедуры дообучения, основанный на взаимодействии авторегрессионной языковой модели ruGPT-3 и автокодирующей языковой модели ruRoBERTa. Эксперименты по генерации новостных статей с использованием предложенного метода показали его эффективность для автоматического создания гладких текстов, содержащих связные переходы между заданными пользователем выражениями. 8. Исследованы нейросетевые языковые модели ruT5-large, ruT5-base, mBART, ruGPT3Large и ruGPT3Small в задаче абстрактивного реферирования, которые потенциально возможно применить для генерации аргументов. Сделаны выводы об особенностях исследованных моделей. 9. Организовано и проведено совместно с исследователями из МГУ им. М.В. Ломоносова и Сколтеха открытое соревнование по анализу аргументации RuArg-2022, в котором участники решали две задачи – определение позиции автора по заданной теме и классификация доводов. Для обучения и тестирования систем был подготовлен и размечен корпус, содержащий 9550 предложений (комментариев к постам в социальных медиа) по трем тематикам, связанным с пандемией COVID-19: вакцинация, карантин и ношение масок. Корпус предоставлен в общий доступ (https://github.com/dialogue-evaluation/RuArg). 10. По результатам выполнения проекта в 2022 году сделано 4 доклада на ведущей российской конференции по компьютерной лингвистике и интеллектуальным технологиям «Диалог», которые опубликованы в 4 статьях в издании Komp'juternaja Lingvistika i Intellektual'nye Tehnologii (ISSN 2075-7182), индексируемом Scopus: - Fishcheva I., Osadchiy D., Bochenina K., Kotelnikov E. Argumentative Text Generation in Economic Domain // Komp'juternaja Lingvistika i Intellektual'nye Tehnologii: Papers from the Annual International Conference “Dialogue-2022”. Issue 21. P. 211–222. - Goloviznina V.S., Kotelnikov E.V. Automatic Summarization of Russian Texts: Comparison of Extractive and Abstractive Methods // Komp'juternaja Lingvistika i Intellektual'nye Tehnologii: Papers from the Annual International Conference “Dialogue-2022”. Issue 21. P. 223–235. - Kotelnikov E., Loukachevitch N., Nikishina I., Panchenko A. RuArg-2022: Argument Mining Evaluation // Komp'juternaja Lingvistika i Intellektual'nye Tehnologii: Papers from the Annual International Conference “Dialogue-2022”. Issue 21. P. 333–348. - Vychegzhanin S.V., Kotelnikov E.V. Collocation2Text: Controllable Text Generation from Guide Phrases in Russian // Komp'juternaja Lingvistika i Intellektual'nye Tehnologii: Papers from the Annual International Conference “Dialogue-2022”. Issue 21. P. 564–576. Таким образом, в ходе выполнения первого этапа проекта в 2022 году были решены все заявленные в плане задачи, а также частично проведены исследования, запланированные на 2023 год.

Аннотация результатов, полученных в 2023 году
В ходе выполнения проекта в 2023 году были получены следующие результаты. 1. Разработан метод управляемой генерации аргументативных текстов с учетом аспектов на основе управляющих последовательностей. Метод обеспечивает порождение аргументативных предложений, учитывающих заданные параметры: целевой объект, позицию и аспект. 2. Обучена нейросетевая языковая модель ArgGPT-3, позволяющая осуществлять порождение аргументативных предложений на основе разработанного метода управляемой генерации аргументативных текстов с учетом аспектов. Модель предоставлена в общий доступ (https://github.com/kotelnikov-ev/RuArgumentMining/tree/main/ArgGPT-3). 3. Обновлена нейросетевая языковая модель ArgBERT, позволяющая осуществлять бинарную классификацию предложений на «аргумент» / «не аргумент». Модель предоставлена в общий доступ (https://github.com/kotelnikov-ev/RuArgumentMining/tree/main/ArgBERT). 4. Обновлена нейросетевая языковая модель ArgBERT-premise, позволяющая классифицировать аргументативные предложения, извлеченные моделью ArgBERT, на два класса: «довод за» / «довод против». Модель предоставлена в общий доступ (https://github.com/kotelnikov-ev/RuArgumentMining/tree/main/ArgBERT). 5. Обновлена нейросетевая языковая модель AspBERT, позволяющая классифицировать аргументативные предложения по аспектам. Модель предоставлена в общий доступ (https://github.com/kotelnikov-ev/RuArgumentMining/tree/main/AspBERT). 6. Дополнен корпус аспектов, содержащий разметку по наличию аргумента, по позициям («за» и «против») и по аспектам. Корпус включает 1060 различных предложений, размеченных как аргументативные. Корпус предоставлен в общий доступ (https://github.com/kotelnikov-ev/RuArgumentMining/tree/main/AspectCorpus). 7. Проведено экспериментальное исследование разработанного метода управляемой генерации аргументативных текстов с учетом аспектов. Результаты показывают, что модели, построенные на основе предложенного метода, возможно использовать для генерации доводов, содержащих аргументацию с учетом заданных аспектов. Также модели оказываются способны генерировать доводы по новым, незнакомым для них аспектам. 8. Проведено исследование точности автоматической идентификации ценностей в аргументационных текстах на основе переводной версии англоязычного текстового корпуса аргументов, размеченных на основе теории базовых индивидуальных ценностей Ш. Шварца. Сделан вывод о перспективности использования теории ценностей для оценки качества аргументации. 9. По результатам выполнения проекта в 2023 году опубликованы четыре статьи, в том числе, в журнале «Программные системы: Теория и приложения» (RSCI, ядро РИНЦ, К1 Перечня ВАК), а также сделано 3 доклада на научных конференциях, в том числе на ведущей российской конференции по компьютерной лингвистике и интеллектуальным технологиям «Диалог» (Scopus): – Фищева И.Н., Пескишева Т.А., Головизнина В.С., Котельников Е.В. Метод классификации аспектов аргументации в русскоязычных текстах // Программные системы: Теория и приложения. 2023. Т. 14. № 4(59). С. 25–45; – Goloviznina V.S., Fishcheva I.N., Peskisheva T.A., Kotelnikov E.V. Aspect-based Argument Generation in Russian // Computational Linguistics and Intellectual Technologies: Papers from the Annual International Conference “Dialogue-2023”. Issue 22. P. 117–129; – Фищева И.Н., Пескишева Т.А., Головизнина В.С., Котельников Е.В. Создание русскоязычного корпуса аспектов аргументации // XXIII Международная научно-практическая конференция им. Э. К. Алгазинова «Информатика: проблемы, методы, технологии» (IPMT-2023). 15–17 февраля 2023 года. С. 1091–1096; – Лаптев М.В., Вычегжанин С.В., Котельников Е.В. Идентификация человеческих ценностей в текстовых аргументах // Материалы XXIII Международной научно-практической конференции им. Э.К. Алгазинова «Информатика: проблемы, методы, технологии». 2023. С. 1011–1019. Таким образом, в ходе выполнения второго этапа проекта в 2023 году были решены все заявленные в плане задачи.