Zwischen den Zeilen - Wissensbasierte Argumentationsanalyse in einem formalen Argumentations-Inferenzsystem

• Antragstellerinnen / Antragsteller: Professorin Dr. Anette Frank; Professor Dr. Heiner Stuckenschmidt
• Fachliche Zuordnung: Datenmanagement, datenintensive Systeme, Informatik-Methoden in der Wirtschaftsinformatik
• Förderung: Förderung von 2017 bis 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 375654996

Argumentation ist ein allgegenwärtiger Prozess, im politischen Diskurs wie in alltäglicher Kommunikation. Argumente unterscheiden sich in Stärke und Qualität, und was explizit gesagt wird, gibt nur zum Teil das zugrundeliegende Wissen und erschließbare Zusammenhänge in Argumenten wieder.Wir erforschen computationelle Methoden zur Analyse und Validierung argumentativer Texte, um i) explizit Inhalte mit automatisch akquiriertem Wissen zu ergänzen, das fehlende erklärende Zusammenhänge in Argumenten offenlegt, ii) eine formale, wissensbasierte Argumentanalyse zu konstruieren, und auf dieser Basis iii) mit einer Kombination aus maschinellem Lernen und formalen Inferenzprozessen eine erweiterte Argumentationsstruktur zu validieren.Ziel ist es, ein wissensbasiertes Argumentations-Inferenzsystem zu entwickeln, das argumentative Texte semantisch analysiert. Dies erreichen wir, indem wir die semantische Kohärenz zwischen Aussagen eines Arguments analysieren. Wir verknüpfen Entitäten und Konzepte in den Aussagen der Argumente mit Wissensbasen und lernen, wie implizites Hintergrundwissen rekonstruiert werden kann, das die semantische Kohärenz des Arguments verstärkt. Resultat dieses Prozesses ist ein abstrakter Argumentations-Wissensgraph für das Argument, angereichert mit relevantem implizitem Wissen aus Wissensbasen oder textuellen Quellen.Mit Hilfe überwachter maschineller Lernverfahren wollen wir in den verknüpften Wissensgraphen für den Argumentationsprozess relevante abstrakte Muster und Arten verknüpfenden Wissens ermitteln. Im anschließenden formalen Inferenzprozess wird gleichzeitig die formale Argumentstruktur etabliert und die Stärke des Arguments ermittelt, basierend auf der semantischen Kohärenz potentieller Kanten im Argumentationsgraphen, dem Typ, der Anzahl und der Konnektivität von Kanten, die aus expliziten Aussagen und ergänztem Wissen resultieren.Wir erzielen so eine semantisch angereicherte formale Repräsentation von Argumenten, verknüpft mit erweiterbaren Wissensquellen: strukturierten Wissensbasen, die dynamisch mit Hintergrund- und domänenspezifischem Wissen aus Texten erweitert werden. Wir verwenden verknüpfte Wissensbasen mit faktischem Wissen (z.B. DBpedia, Gene Ontology), linguistischem Wissen (WordNet) und Allgemeinwissen (ConceptNet, OpenCyc) zusammen mit automatisch extrahiertem Hintergrundwissen aus relevanten Text/Webkorpora. Wir wenden unsere Methoden auf argumentative Texte allgemeiner und spezieller Domänen verschiedener Genres an und evaluieren sowohl einzelne Systemkomponenten als auch das Gesamtsystem im Vergleich zu alternativen Systemen.Im SPP Robust Argumentation Machines konzentriert sich das Projekt auf die Validierung: wissensbasierte Analyse macht die zugrundeliegende Logik und Annahmen in Argumenten explizit. Das Projekt liefert Beiträge zu Schwerpunktaktionen, Shared Tasks und standardisierter Evaluierung, u.a. durch Datensätze zu implizitem Wissen in Argumenten und eine Evaluierungsplattform.

• DFG-Verfahren: Schwerpunktprogramme
• Teilprojekt zu: SPP 1999: Robust Argumentation Machines (RATIO)