आर्गुमेंट माइनिंग (जिसे आर्गुमेंटेशन माइनिंग भी कहा जाता है) असंरचित गद्य — एक बैठक का ट्रांसक्रिप्ट, एक नीति परामर्श, एक निबंध, एक फोरम थ्रेड — को इस बात का संरचित मानचित्र में बदल देता है कि किसने क्या तर्क दिया और किन आधारों पर। इस क्षेत्र को आमतौर पर चार जुड़े कार्यों के रूप में वर्णित किया जाता है: पाठ में तर्कात्मक स्पैन को खोजना, प्रत्येक को एक दावा, एक पूर्वापेक्षा या साक्ष्य के रूप में लेबल करना, यह पता लगाना कि कौन सा स्पैन किसका उत्तर देता है, और यह तय करना कि प्रत्येक संबंध समर्थन है या हमला। यह आर्गुमेंटेशन थ्योरी से निकला — स्टीफन टूलमिन का 1958 का विवरण कि रोजमर्रा के तर्क वास्तव में कैसे बनाए जाते हैं, और डगलस वाल्टन का आवर्ती तर्क पैटर्न का सूचीबद्ध करना — और 2010 के दशक में क्रिश्चियन स्टैब और इरीना गुर्विच के प्रेरक निबंधों और आंद्रियास पेल्डज़स और मैनफ्रेड स्टेडे के तर्कात्मक माइक्रोटेक्स्ट्स जैसे एनोटेटेड कॉर्पोरा के माध्यम से एक गणनात्मक अनुशासन बन गया। आर्गुमेंट्री एक चिपकाए गए ट्रांसक्रिप्ट या दस्तावेज़ को एक पक्ष और विपक्ष के तर्क वृक्ष में बदलने के लिए आर्गुमेंट माइनिंग का उपयोग करता है जिसे लोग फिर पढ़ सकते हैं, सही कर सकते हैं, रेट कर सकते हैं और विस्तारित कर सकते हैं।

आर्गुमेंट माइनिंग एआई की वह शाखा है जो सामान्य पाठ को पढ़ती है और उसकी तर्कात्मक संरचना को समझती है — कौन से वाक्य दावे हैं, कौन से उनके लिए दिए गए कारण हैं, और क्या प्रत्येक कारण उस बिंदु का समर्थन करता है या हमला करता है जिससे यह जुड़ा हुआ है। यह एक बैठक के ट्रांसक्रिप्ट को एक संरचित पक्ष और विपक्ष के पेड़ में बदलने के पीछे की तकनीक है।
अंतिम अपडेट: 2026-07-29
आर्गुमेंट माइनिंग (या आर्गुमेंटेशन माइनिंग) अनस्ट्रक्चर्ड टेक्स्ट के भीतर तर्क को स्वचालित रूप से निकालता है। जहां सेंटिमेंट एनालिसिस पूछता है यह टेक्स्ट कैसा महसूस करता है और संक्षेपण पूछता है यह क्या कहता है, आर्गुमेंट माइनिंग पूछता है क्या दावा किया जा रहा है, किस आधार पर, और इसके खिलाफ क्या कहा जा रहा है। यह सॉफ़्टवेयर को एक ट्रांसक्रिप्ट, एक परामर्श प्रतिक्रिया या एक निबंध को एक तर्क मानचित्र में परिवर्तित करने की अनुमति देता है, न कि एक संक्षेप में।
शोधकर्ता आमतौर पर समस्या को चार जुड़े कार्यों में विभाजित करते हैं। प्रत्येक कार्य पिछले से कठिन होता है, और प्रारंभ में हुई एक गलती इसके बाद के सभी कार्यों में फैल जाती है।
वास्तविक दस्तावेज़ में अधिकांश वाक्य तर्क नहीं होते — वे अभिवादन, लॉजिस्टिक्स, पृष्ठभूमि, या पुनःव्याख्या होते हैं। पहला काम यह तय करना है कि किस पाठ के हिस्से में वास्तव में एक दावा या कारण है।
एक दावा वह स्थिति है जिसे कोई व्यक्ति ले रहा है। एक पूर्वधारणा इसके लिए प्रस्तुत किया गया एक कारण है। साक्ष्य वह डेटा, अध्ययन या उदाहरण है जो कारण का समर्थन करता है। एक ही वाक्य एक दस्तावेज़ में दावा हो सकता है और दूसरे में पूर्वधारणा — भूमिका इस पर निर्भर करती है कि यह क्या कर रहा है, न कि यह कैसे लिखा गया है।
तर्क एक सपाट सूची नहीं होते। एक कारण एक विशिष्ट दावे से जुड़ता है; एक खंडन एक विशिष्ट कारण से जुड़ता है। उस संरचना को पुनः प्राप्त करना ही है जो निकाली गई वाक्यों के ढेर को एक पेड़ में बदलता है।
पेड़ में हर लिंक के लिए: क्या यह उस चीज़ को मजबूत करता है जिससे यह जुड़ा है, या इसे कमजोर करता है? यह वह कदम है जो अक्सर गलत होता है, और इसका कारण आगे समझाया गया है।
जब सभी चार किए जाते हैं, तभी आपके पास कुछ होता है जिसे आप वास्तव में नेविगेट कर सकते हैं: एक दावा, इसके लिए कारण, उन कारणों के खिलाफ आपत्तियाँ, और उन आपत्तियों के जवाब।
आर्गुमेंट माइनिंग एक युवा कंप्यूटेशनल क्षेत्र है जो एक बहुत पुराने सैद्धांतिक क्षेत्र पर आधारित है। सिद्धांत लगभग आधी सदी पहले आया था।
"द आर्स ऑफ आर्गुमेंट" में, स्टीफन टौल्मिन तर्क करते हैं कि असली तर्क सिलोसिज़ की तरह नहीं दिखते। वह एक सामान्य तर्क के हिस्सों के रूप में दावा, आधार, वारंट, बैकिंग, क्वालिफायर और रिबटल का प्रस्ताव करते हैं — यह शब्दावली है जिसका उपयोग पूरा क्षेत्र अभी भी करता है।
डगलस वाल्टन रोजमर्रा की तर्कशक्ति के दोहराए जाने वाले पैटर्नों का दस्तावेजीकरण करते हैं — विशेषज्ञ की राय पर अपील, उपमा से तर्क, परिणामों से तर्क — प्रत्येक के साथ एक सेट महत्वपूर्ण प्रश्नों का जो यह उजागर करता है कि यह कहाँ विफल हो सकता है।
जेम्स फ्रीमैन उन पूर्वधारणाओं को अलग करते हैं जो केवल एक साथ काम करती हैं, उन पूर्वधारणाओं से जो प्रत्येक स्वतंत्र रूप से खड़ी होती हैं, और एक निष्कर्ष पर हमले को उस अनुमान से अलग करते हैं जो उसे प्राप्त करता है — यह एक भेद है जो तब अत्यधिक महत्वपूर्ण हो जाता है जब एक मशीन को इसे करना होता है।
आर्गुमेंट माइनिंग एक मापने योग्य कंप्यूटेशनल कार्य बन जाता है जब एनोटेटेड डेटासेट्स प्रकट होते हैं। स्टैब और गुर्वेच दावों, पूर्वधारणाओं और संबंधों को प्रेरक निबंधों में एनोटेट करते हैं; पेल्डज़स और स्टेड एक कॉर्पस बनाते हैं जिसमें छोटे तर्कात्मक पाठ होते हैं, विशेष रूप से तर्क संरचना का अध्ययन करने के लिए। साझा बेंचमार्क प्रगति की तुलना को संभव बनाते हैं।
सिस्टम तर्कसंगत स्पैन को टैग करने और लेबल किए गए उदाहरणों से संबंधों को वर्गीकृत करने के लिए सीखते हैं। घटक पहचान काफी विश्वसनीय हो जाती है। संबंध पहचान — यह तय करना कि क्या किससे जुड़ता है, और क्या यह समर्थन करता है या हमले करता है — stubbornly कठिन बना रहता है।
सामान्य-उद्देश्य भाषा मॉडल बिना पहले एक एनोटेटेड कॉर्पस पर प्रशिक्षित हुए तर्क खनन कार्य कर सकते हैं। इससे सबसे बड़ा व्यावहारिक अवरोध हट जाता है — प्रत्येक क्षेत्र के लिए हजारों हाथ से एनोटेटेड उदाहरणों की आवश्यकता — और तर्क खनन को सामान्य व्यावसायिक पाठ पर उपयोगी बनाता है।
दावे निकालना आसान हिस्सा है। कठिनाई संबंधों में है — और इसके लिए तीन कारण हैं।
"पुल असुरक्षित है, इसलिए हमें इसे बंद कर देना चाहिए" एक अप्रकट सिद्धांत को छुपाता है: कि असुरक्षित संरचनाओं को बंद कर देना चाहिए। टौल्मिन ने इसे वारंट कहा। लोग इसे लगभग कभी भी ज़ोर से नहीं कहते, जिसका मतलब है कि एक मशीन को एक ऐसा कदम पुनर्निर्माण करना होगा जो पाठ में नहीं है।
अधिकांश एनोटेटेड कॉर्पोरा में अधिकांश संबंध समर्थन होते हैं; हमला एक छोटी अल्पसंख्यक है। उस वितरण पर प्रशिक्षित या प्रेरित एक मॉडल यह सीखता है कि समर्थन का अनुमान लगाना आमतौर पर सुरक्षित होता है — जो निर्णय में सबसे महत्वपूर्ण मामलों के लिए बिल्कुल गलत है।
एक आपत्ति के तहत, एक ऐसा कारण जो आपत्ति को मजबूत करता है, अपने मूल को समर्थन देता है जबकि समग्र प्रस्ताव का विरोध करता है। ऐसे सिस्टम जो वाक्य की विषय के प्रति भावना के आधार पर स्थिति का मूल्यांकन करते हैं, यह उल्टा कर देते हैं, और यह त्रुटि शाखा में आगे बढ़ती है।
Argumentree एक विशिष्ट कार्य के लिए तर्क खनन लागू करता है: एक ट्रांसक्रिप्ट, दस्तावेज़ या थ्रेड को एक पक्ष और विपक्ष के तर्क वृक्ष में बदलना, जिस पर एक टीम फिर काम कर सकती है। डिज़ाइन क्षेत्र के अभ्यास का पालन करता है न कि एक निजी विधि का आविष्कार करता है।
प्रत्येक निकाली गई तर्क में वही शब्द होते हैं जो इसे प्राप्त हुए थे। यदि किसी दावे को स्रोत में वास्तव में मौजूद किसी चीज़ से वापस नहीं जोड़ा जा सकता, तो यह वृक्ष में नहीं आता।
वाल्टन और फ्रीमैन के अनुसार, एक आपत्ति एक निष्कर्ष को चुनौती दे सकती है, इसके पीछे के साक्ष्य को चुनौती दे सकती है, या उन्हें जोड़ने वाले अनुमानात्मक कदम को चुनौती दे सकती है। ये विभिन्न कदम हैं और इन्हें विभिन्न संबंधों के रूप में माना जाता है।
निकासी एक प्रस्तावित वृक्ष उत्पन्न करती है। लोग इसे समीक्षा करते हैं, सुधारते हैं, पुनः माता-पिता बनाते हैं और इसे रेट करते हैं इससे पहले कि यह रिकॉर्ड बन जाए। मशीन पहले का थकाऊ काम करती है; निर्णय समूह के पास रहता है।
क्योंकि परिणाम एक पेड़ है न कि एक सारांश, बाद में योगदानकर्ता किसी नए आपत्ति को उस सटीक कारण से जोड़ सकते हैं जिसका वह समाधान करता है, मूल चर्चा के महीनों बाद।
व्यावहारिक प्रभाव यह है कि निर्णय के पीछे की तर्कशक्ति निरीक्षणीय रहती है — न केवल यह कि क्या निर्णय लिया गया, बल्कि कौन से तर्क प्रस्तुत किए गए, उनका क्या उत्तर दिया गया, और क्या ऐसा कुछ था जिसका कभी उत्तर नहीं दिया गया।
हाथ से दावे और कारणों को दृश्य रूप में प्रस्तुत करना: मैनुअल समकक्ष। तर्क खनन स्वचालित करता है जो तर्क मानचित्रण जानबूझकर करता है।
जो व्यापक क्षेत्र है जिस पर तर्क खनन गणना करता है — तर्कशास्त्र, भाषाशास्त्र, संवाद और उनके पीछे के औपचारिक ढांचे।
एक सामान्य तर्क की छह-भागीय संरचना, और तर्क खनन में उपयोग किए जाने वाले दावे, आधार और वारंट शब्दावली का स्रोत।
बैठक के प्रतिलेखों पर तर्क खनन लागू करना — यह पकड़ना कि निर्णय क्यों लिया गया, न कि केवल यह कि क्या कहा गया।
आर्गुमेंट माइनिंग एक सॉफ़्टवेयर है जो एक पाठ के एक हिस्से को पढ़ता है और उसके अंदर के तर्क को समझता है: क्या दावा किया जा रहा है, कौन से कारण दिए जा रहे हैं, और कौन से कारण किस दावे के पक्ष में या विपक्ष में हैं। परिणाम एक संरचित मानचित्र है न कि एक प्रोज़ का ब्लॉक।
एक सारांश एक पाठ को संक्षिप्त करता है और आपको यह बताता है कि इसमें लगभग क्या कहा गया था। तर्क खनन संरचना को बनाए रखता है: यह आपको बताता है कि यह विशेष आपत्ति उस विशेष कारण के खिलाफ उठाई गई थी, और कि किसी ने इसका उत्तर नहीं दिया। सारांश ठीक उसी असहमति को खो देते हैं जो निर्णय के लिए महत्वपूर्ण होती है।
नहीं। भावना विश्लेषण दृष्टिकोण को मापता है - सकारात्मक, नकारात्मक, तटस्थ। तर्क खनन तर्क को पुनः प्राप्त करता है। एक वाक्य नकारात्मक रूप से व्यक्त किया जा सकता है जबकि यह जिस बिंदु से जुड़ा है उसका समर्थन करता है, और भावना विश्लेषण हर बार इसे गलत समझेगा।
कोई एकल आविष्कारक नहीं है। सैद्धांतिक आधार स्टेफन टौल्मिन का 1958 का तर्क संरचना मॉडल है, जिसे डगलस वाल्टन के तर्क योजना और जेम्स फ्रीमैन के तर्क मैक्रोस्ट्रक्चर के खाते द्वारा विस्तारित किया गया है। कंप्यूटेशनल क्षेत्र 2010 के दशक में आकार लेने लगा, जिसमें क्रिश्चियन स्टैब और इरिना गुरेविच के साथ-साथ एंड्रियास पेल्डज़स और मैनफ्रेड स्टेडे के एनोटेटेड कॉर्पोरा शामिल हैं, जिन्होंने इसे मापने योग्य बनाया।
दो कारण। हमलों की घटनाएँ उन डेटा सेटों में समर्थन की तुलना में बहुत कम होती हैं जिनसे ये सिस्टम सीखते हैं, इसलिए मॉडल समर्थन की भविष्यवाणी करने के लिए पूर्वाग्रहित होते हैं। और एक हमले का मूल्यांकन अक्सर इसके तत्काल माता-पिता के सापेक्ष किया जाना चाहिए न कि समग्र विषय के सापेक्ष — एक कारण एक आपत्ति को मजबूत कर सकता है जबकि उस प्रस्ताव का विरोध कर सकता है जिस पर वह आपत्ति केंद्रित है।
नहीं, और इसे इस तरह से मानना एक गलती है। निष्कर्षण तर्क संरचना का पहला मसौदा तैयार करता है। यह तय करना कि कोई तर्क अच्छा है या नहीं — क्या सबूत मजबूत हैं, क्या निहित धारणा स्वीकार्य है — यह मानव कार्य है। मूल्य इस बात में है कि उस कार्य को शुरू करने से पहले संरचना को हाथ से बनाने की आवश्यकता नहीं होती।
टौल्मिन, एस. ई. (1958). तर्क के उपयोग. कैम्ब्रिज यूनिवर्सिटी प्रेस.
दावा-डेटा-वारंट-समर्थन-योग्यता-प्रतिवाद मॉडल - तर्क संरचना के लिए सैद्धांतिक आधार।
View source →वाल्टन, डी., रीड, सी., & मैकगनो, एफ. (2008). तर्क योजना. कैम्ब्रिज यूनिवर्सिटी प्रेस.
आवर्ती तर्क पैटर्न और उन पर परीक्षण करने वाले महत्वपूर्ण प्रश्नों की सूची - समर्थन और हमले के संबंधों के लिए शब्दावली।
फ्रीमैन, जे. बी. (1991). संवादात्मकता और तर्कों की मैक्रोस्ट्रक्चर: तर्क संरचना का एक सिद्धांत। फोरिस / डी ग्रुइटर।
समर्थन, खंडन और विरोधी-समर्थक विनिमय में कमजोर करना - निष्कर्ष पर हमले और उस पर पहुंचने के अनुमान पर हमले के बीच का अंतर।
View source →पेल्डज़स, ए., & स्टेडे, एम. (2013). तर्क आरेखों से पाठों में तर्कण खनन तक: एक सर्वेक्षण। अंतर्राष्ट्रीय जर्नल ऑफ कॉग्निटिव इन्फॉर्मेटिक्स एंड नैचुरल इंटेलिजेंस, 7(1), 1-31।
स्वचालित तर्क खनन के लिए फ्रीमैन मॉडल को क्रियान्वित करना।
View source →स्टैब, सी., & गुर्वेच, आई. (2014). प्रेरक निबंधों में तर्क घटकों और संबंधों को एनोटेट करना। COLING 2014 की कार्यवाही।
आधारभूत संगणकीय तर्क खनन - स्वचालित तर्क निष्कर्षण के पीछे का एनोटेटेड कॉर्पस और योजना।
View source →लॉरेंस, जे., & रीड, सी. (2019). तर्क खनन: एक सर्वेक्षण। कम्प्यूटेशनल लिंग्विस्टिक्स, 45(4), 765-818।
क्षेत्र का मानक सर्वेक्षण - कार्य परिभाषाएँ, विधियाँ और खुले मुद्दे।
View source →एक बैठक का ट्रांसक्रिप्ट, परामर्श प्रतिक्रिया या दस्तावेज़ पेस्ट करें और एक संरचित पक्ष और विपक्ष का पेड़ प्राप्त करें जिसे आपकी टीम समीक्षा, सुधार, रेटिंग और निर्माण कर सके।
मुफ्त शुरू करें