Argüman madenciliği nedir? Argüman madenciliği, doğal dil işleme alanının, sıradan metinler içindeki argüman yapısını otomatik olarak tanımlayan dalıdır — hangi cümlelerin iddialarda bulunduğu, hangilerinin nedenler verdiği ve her nedenin bağlı olduğu iddiayı destekleyip desteklemediği veya ona saldırıp saldırmadığı.
Argüman madenciliği (aynı zamanda argümantasyon madenciliği olarak da adlandırılır), yapılandırılmamış prozeyi — bir toplantı tutanağı, bir politika danışması, bir makale, bir forum başlığı — kimin neyi ve hangi gerekçelerle savunduğuna dair yapılandırılmış bir haritaya dönüştürür. Bu alan genellikle dört bağlantılı görev olarak tanımlanır: metindeki argüman aralıklarını bulmak, her birini bir iddia, bir öncül veya kanıt olarak etiketlemek, hangi aralığın hangi yanıtı verdiğini belirlemek ve her ilişkinin destek mi yoksa saldırı mı olduğunu karar vermek. Argüman teorisinden doğmuştur — Stephen Toulmin'in 1958'deki günlük argümanların nasıl inşa edildiğine dair açıklaması ve Douglas Walton'un tekrarlayan akıl yürütme kalıplarının kataloğu — ve 2010'larda Christian Stab ve Iryna Gurevych'in ikna edici makaleleri ile Andreas Peldszus ve Manfred Stede'nin argüman mikro metinleri gibi anotasyonlu derlemeler aracılığıyla bir hesaplama disiplini haline gelmiştir. Argumentree, yapıştırılmış bir tutanağı veya belgeyi, insanların okuyabileceği, düzeltebileceği, değerlendirebileceği ve genişletebileceği bir artı ve eksi argüman ağacına dönüştürmek için argüman madenciliğini kullanır.
Argüman Madenciliği Nedir?
Argüman madenciliği, sıradan metinleri okuyup argüman yapısını çözümleyen AI dalıdır — hangi cümlelerin iddia, hangilerinin bu iddialar için verilen nedenler olduğunu ve her nedenin bağlı olduğu noktayı destekleyip desteklemediğini veya saldırıp saldırmadığını belirler. Bu, bir toplantı tutanağını yapılandırılmış bir artı ve eksi ağacına dönüştüren teknolojidir.
Son güncelleme: 2026-07-29
Kısacası
Argüman madenciliği (veya argümantasyon madenciliği), yapılandırılmamış metin içindeki akıl yürütmeyi otomatik olarak çıkarır. Duygu analizi bu metin nasıl hissettiriyor diye sorarken, özetleme ne diyor diye sorar; argüman madenciliği ise ne iddia ediliyor, hangi gerekçelerle ve buna karşı ne söyleniyor diye sorar. Bu, yazılımın bir transkripti, bir danışma yanıtını veya bir makaleyi bir özet yerine bir argüman haritasına dönüştürmesini sağlar.
Madencilikle ilgili dört iş argümanı vardır.
Araştırmacılar genellikle problemi dört bağlı göreve ayırır. Her biri bir öncekinden daha zordur ve erken yapılan bir hata sonrasındaki her şeye yayılır.
1. Tartışmalı kısımları bul.
Gerçek bir belgede çoğu cümle argüman değildir — bunlar selamlaşma, lojistik, arka plan veya yeniden ifade etmedir. İlk iş, hangi metin parçalarının gerçekten bir iddia veya neden taşıdığına karar vermektir.
2. Her bir parçanın ne olduğunu etiketleyin
Bir iddia, birinin aldığı bir pozisyondur. Bir önermenin arkasında sunulan bir neden vardır. Kanıt, nedeni destekleyen veri, çalışma veya örnektir. Aynı cümle bir belgede bir iddia, başka bir belgede ise bir önermedir — rolü, ne yaptığına bağlıdır, nasıl ifade edildiğine değil.
3. Neyin neye yanıt verdiğini belirleyin
Argümanlar düz bir liste değildir. Bir neden belirli bir iddiaya bağlıdır; bir çürütme belirli bir nedene bağlıdır. Bu yapıyı geri kazanmak, çıkarılan cümlelerin bir yığınını bir ağaca dönüştüren şeydir.
4. Destek mi yoksa saldırı mı karar verin
Ağaçtaki her bağlantı için: bu, bağlı olduğu şeyi güçlendiriyor mu yoksa zayıflatıyor mu? Bu, en sık yanlış giden adımdır ve sebebi aşağıda daha ayrıntılı olarak açıklanmıştır.
Sadece dördü de tamamlandığında gerçekten üzerinde gezinebileceğiniz bir şeye sahip olursunuz: bir iddia, bunun nedenleri, bu nedenlere itirazlar ve bu itirazlara verilen yanıtlar.
Argüman madenciliği nereden geldi?
Argüman madenciliği, çok daha eski bir teorik alanın üzerinde duran genç bir hesaplama alanıdır. Teori, yaklaşık yarım yüzyıl önce geldi.
Toulmin, biçimsel mantıkla bağlarını koparıyor.
Argümanların Kullanımları'nda Stephen Toulmin, gerçek argümanların silyogizmlere benzemediğini savunur. Günlük bir argümanın parçaları olarak iddia, gerekçe, teminat, destek, nitelik ve çürütmeyi önerir — bu, tüm alanın hâlâ kullandığı bir kelime dağarcığıdır.
Walton, insanların gerçekte nasıl tartıştığını kataloglar.
Douglas Walton, günlük akıl yürütmenin tekrarlayan kalıplarını belgeler — uzman görüşüne başvurma, benzetimle argüman, sonuçlardan argüman — her biri başarısız olabileceği yerleri ortaya çıkaran bir dizi eleştirel soru ile.
Freeman, argüman yapısını biçimlendirir.
James Freeman, yalnızca birlikte çalışan önermeleri, her birinin bağımsız durduğu önermelerden ayırır ve bir sonuca saldırmayı, ona götüren çıkarıma saldırmaktan ayırır — bu, bir makinenin bunu yapmak zorunda kaldığında son derece önemli bir ayrımdır.
Korpuslar gelir.
Argüman madenciliği, etiketlenmiş veri setleri ortaya çıktığında ölçülebilir bir hesaplama görevi haline gelir. Stab ve Gurevych, ikna edici makalelerde iddiaları, önermeleri ve ilişkileri etiketler; Peldszus ve Stede, argüman yapısını incelemek için özel olarak kısa argüman metinleri içeren bir korpus oluşturur. Paylaşılan kıyaslamalar, ilerlemeyi karşılaştırılabilir hale getirir.
İstatistiksel ve sinirsel modeller
Sistemler, etiketlenmiş örneklerden tartışmalı aralıkları etiketlemeyi ve ilişkileri sınıflandırmayı öğrenir. Bileşen tespiti oldukça güvenilir hale gelir. İlişki tespiti — neyin neye bağlandığını ve bunun destekleyip desteklemediğini veya saldırıp saldırmadığını belirlemek — inatla zor kalır.
Büyük dil modelleri ekonomiyi değiştiriyor.
Genel amaçlı dil modelleri, öncelikle anotasyonlu bir korpus üzerinde eğitilmeden argüman madenciliği görevlerini yerine getirebilir. Bu, her alan için binlerce elle anotasyonlu örneğe ihtiyaç duyma gibi en büyük pratik engeli ortadan kaldırır ve argüman madenciliğini sıradan iş metinlerinde kullanılabilir hale getirir.
Neden göründüğünden daha zor olduğu
Tazminatları çıkarmak kolay kısımdır. Zorluk ilişkilerde yatıyor — ve bunun üç nedeni var.
Çoğu tartışma bağlantıyı söylenmemiş bırakır.
"Köprü güvensiz, bu yüzden kapatmalıyız" ifadesi, belirtilmemiş bir ilkeyi gizler: güvensiz yapıların kapatılması gerektiği. Toulmin buna gerekçe dedi. İnsanlar bunu neredeyse hiç yüksek sesle söylemez, bu da bir makinenin metinde yer almayan bir adımı yeniden oluşturması gerektiği anlamına gelir.
Saldırılar nadirdir, bu nedenle modeller bunları düşük tahmin eder.
Çoğu anotasyonlu derlemede, ilişkilerin büyük çoğunluğu destek; saldırı ise küçük bir azınlıktır. Bu dağılımda eğitilen veya yönlendirilen bir model, destek tahmin etmenin genellikle güvenli olduğunu öğrenir — bu da bir karar vermede en önemli olan durumlar için tam tersidir.
Konuya katılmak, ebeveyni desteklemekle aynı şey değildir.
Bir itiraz altında, itirazı güçlendiren bir neden, ana öneriyi karşıt olarak desteklerken genel öneriye karşıdır. Cümlenin konuyla ilgili hissettiğine göre durumu yargılayan sistemler bunu tersine alır ve hata dal boyunca artar.
Argumentree, argüman madenciliğini nasıl kullanır
Argumentree, bir transkripti, belgeyi veya tartışma dizisini bir ekip tarafından çalışılabilecek artı ve eksi argüman ağacına dönüştürme gibi belirli bir işe argüman madenciliği uygular. Tasarım, özel bir yöntem icat etmek yerine alanın uygulamalarını takip eder.
Her argüman kaynağına bağlı kalır.
Her çıkarılan argüman, geldiği tam ifadeyi taşır. Eğer bir iddia, kaynağında gerçekten mevcut olan bir şeye geri izlenemiyorsa, ağa dahil edilmez.
Destek ve saldırı doğru bir şekilde modellenmiştir.
Walton ve Freeman'ı takip ederek, bir itiraz bir sonucu tartışabilir, arkasındaki kanıtı tartışabilir veya bunları bağlayan çıkarım adımını tartışabilir. Bunlar farklı hamlelerdir ve farklı ilişkiler olarak ele alınır.
Çıktı bir taslaktır, kesin bir karar değildir.
Çıkarma, önerilen bir ağaç üretir. İnsanlar, kayda geçmeden önce bunu gözden geçirir, düzeltir, yeniden yapılandırır ve puanlar. Makine, zahmetli ilk geçişi yapar; değerlendirme grup tarafından yapılır.
Yapı, konuşmayı sürdürür.
Çünkü sonuç bir özet yerine bir ağaçtır, sonraki katılımcılar, orijinal tartışmadan aylar sonra, ele aldıkları kesin nedene yeni bir itiraz ekleyebilirler.
Pratik etki, bir kararın arkasındaki gerekçenin denetlenebilir kalmasıdır — sadece neyin kararlaştırıldığı değil, hangi argümanların öne sürüldüğü, bunlara neyin yanıt verdiği ve hiç yanıtlanmayanların neler olduğu da.
Daha fazla keşfedin
Argüman haritalama
Manuel karşılık: iddiaları ve nedenleri görsel olarak elle düzenlemek. Argüman madenciliği, argüman haritalamanın kasıtlı olarak yaptığı işlemleri otomatikleştirir.
Argümantasyon teorisi
Argüman madenciliğinin hesapladığı daha geniş alan — mantık, retorik, diyalektik ve bunların arkasındaki biçimsel çerçeveler.
Toulmin modeli
Gündelik bir tartışmanın altı bölümlü anatomisi ve argüman madenciliği boyunca kullanılan iddia, gerekçe ve teminat kelime dağarcığının kaynağı.
Yapay zeka toplantı zekası
Toplantı transkriptlerine uygulanan argüman madenciliği — bir kararın neden alındığını yakalamak, sadece ne söylendiğini değil.
Sıkça sorulan sorular
Argüman madenciliği basit terimlerle nedir?
Argüman madenciliği, bir metni okuyup içindeki argümanı çözümleyen bir yazılımdır: neyin iddia edildiği, hangi nedenlerin verildiği ve hangi nedenlerin hangi iddialara karşı veya lehine olduğunu belirler. Sonuç, bir blok metin yerine yapılandırılmış bir haritadır.
Argüman madenciliği özetlemeden nasıl farklıdır?
Bir özet, bir metni sıkıştırır ve size kabaca ne söylediğini aktarır. Argüman madenciliği yapı korur: bu belirli itirazın o belirli nedene karşı dile getirildiğini ve kimsenin buna yanıt vermediğini söyler. Özetler, bir karar için önemli olan anlaşmazlığı tam olarak kaybeder.
Argüman madenciliği, duygu analiziyle aynı mıdır?
Hayır. Duygu analizi tutumu ölçer — olumlu, olumsuz, nötr. Argüman madenciliği ise akıl yürütmeyi geri kazanır. Bir cümle olumsuz bir şekilde ifade edilebilirken bağlı olduğu noktayı destekleyebilir ve duygu analizi bunu her seferinde tersine alır.
Argüman madenciliğini kim icat etti?
Tek bir mucit yoktur. Teorik temel, Stephen Toulmin'in 1958 tarihli argüman yapısı modeli olup, Douglas Walton'ın argümantasyon şemaları ve James Freeman'ın argüman makro yapısı açıklaması ile genişletilmiştir. Hesaplama alanı, 2010'larda, Christian Stab ve Iryna Gurevych ile Andreas Peldszus ve Manfred Stede'den gelen anotasyonlu derlemelerle şekil almış ve bu çalışmalar ölçülebilir hale gelmiştir.
Saldırıları tespit etmek, destek tespit etmekten neden daha zordur?
İki sebep. Saldırılar, bu sistemlerin öğrendiği veri setlerinde destekten çok daha nadirdir, bu nedenle modeller destek tahmin etmeye eğilimlidir. Ayrıca, bir saldırı genellikle genel konuya göre değil, doğrudan ebeveynine göre değerlendirilmelidir — bir sebep, itirazı güçlendirebilirken, o itirazın hedef aldığı öneriye karşı çıkmaktadır.
Argüman madenciliği insan yargısını mı değiştirir?
Hayır, ve bunu bu şekilde ele almak bir hatadır. Çıkarma, argüman yapısının ilk taslağını üretir. Bir argümanın iyi olup olmadığını — kanıtın geçerli olup olmadığını, belirtilmemiş varsayımın kabul edilebilir olup olmadığını — belirlemek insana ait bir iştir. Değer, bu çalışmaya başlamadan önce yapıyı elle inşa etme zorunluluğunun olmamasındadır.
Kaynaklar ve daha fazla okuma
Toulmin, S. E. (1958). Argümanın Kullanımları. Cambridge University Press.
İddia-Veri-Gerekçe-Destekleyici-Niteler-Cevap modeli - argüman yapısının teorik temeli.
View source →Walton, D., Reed, C., & Macagno, F. (2008). Argümantasyon Şemaları. Cambridge University Press.
Tekrarlayan akıl yürütme kalıplarının kataloğu ve bunları test eden eleştirel sorular - destek ve saldırı ilişkileri için kelime dağarcığı.
Freeman, J. B. (1991). Diyalektik ve Argümanların Makro Yapısı: Bir Argüman Yapısı Teorisi. Foris / De Gruyter.
Bir savunucu-karşıt değişiminde destek, itiraz ve zayıflatma - bir sonuca saldırmak ile ona yapılan çıkarıma saldırmak arasındaki ayrım.
View source →Peldszus, A., & Stede, M. (2013). Argüman Diyagramlarından Metinlerde Argümantasyon Madenciliğine: Bir Anket. Uluslararası Bilişsel Bilgiler ve Doğal Zeka Dergisi, 7(1), 1-31.
Freeman modelinin otomatik argüman madenciliği için uygulanması.
View source →Stab, C., & Gurevych, I. (2014). İkna Edici Makalelerde Argüman Bileşenleri ve İlişkilerini Anotasyonlama. COLING 2014 Bildirileri.
Temel hesaplamalı argüman madenciliği - otomatik argüman çıkarımı arkasındaki anotasyonlu korpus ve şema.
View source →Lawrence, J., & Reed, C. (2019). Argüman Madenciliği: Bir Anket. Hesaplamalı Dilbilim, 45(4), 765-818.
Alanın standart anketi - görev tanımları, yöntemler ve açık problemler.
View source →Argüman madenciliği serisi
Bir transkripti bir argüman ağacına dönüştürün.
Bir toplantı transkripti, danışma yanıtı veya belge yapıştırın ve ekibinizin gözden geçirebileceği, düzeltebileceği, değerlendirebileceği ve geliştirebileceği yapılandırılmış bir artı ve eksi ağacı elde edin.
Ücretsiz başla