TACO -- Twitter-Argumente aus Konversationen

Twitter hat sich als globales Zentrum für Online-Gespräche etabliert und dient als Forschungskorpus für verschiedene Disziplinen, die die Bedeutung von nutzergeneriertem Inhalt erkannt haben. Argument-Mining ist eine wichtige analytische Aufgabe zur Verarbeitung und Verständigung des Online-Diskurses. Insbesondere zielt es darauf ab, die strukturellen Elemente von Argumenten zu identifizieren, welche als Information und Schlussfolgerung (inference) bezeichnet werden. Diese Elemente sind jedoch nicht statisch und können im Kontext des Gesprächs, in dem sie auftreten, eine Bedeutung erfordern; es gibt jedoch einen Mangel an Daten und Annotationssystemen, die diese dynamische Seite bei Twitter ansprechen. Wir präsentieren TACO, den ersten Datensatz von Twitter-Argumenten, der 1.814 Tweets umfasst, die 200 gesamte Konversationen über sechs heterogene Themen abdecken und von sechs Experten mit einem Krippendorff's Alpha von 0,718 annotiert wurden. Zweitens stellen wir unser Annotationssystem vor, das Definitionen aus dem Cambridge Dictionary einbezieht, um Argumentkomponenten auf Twitter zu definieren und zu identifizieren. Unser transformerbasierter Klassifikator erreicht eine Makro-F1-Basisleistung von 85,06 % bei der Erkennung von Argumenten. Darüber hinaus zeigt unsere Daten an, dass Twitter-Nutzer tendenziell in Diskussionen involviert sind, die informierte Schlussfolgerungen und Informationen beinhalten. TACO erfüllt mehrere Zwecke: Es kann verwendet werden, um Tweet-Klassifikatoren zu trainieren, um Tweets basierend auf den Elementen Schlussfolgerung und Information zu verwalten; gleichzeitig bietet es wertvolle Einblicke in die Antwortmuster von Tweets im Gesprächsverlauf.