论辩（Argumentation）以人的逻辑论证过程作为研究对象，是一个涉及逻辑、哲学、语言、修辞、计算机科学和教育等多学科的研究领域。近年来，论辩研究引起计算语言学学者的关注，并催生了一个新的研究领域，即计算论辩学（Computational Argumentation）。学者们试图将人类关于逻辑论证的认知模型与计算模型结合起来，以提高人工智能自动推理的能力。根据参与论辩过程的人数不同，计算论辩学的研究可以分成两类，即单体式论辩（Monological Argumentation）和对话式论辩（Dialogical Argumentation）。单体式论辩的研究对象是仅有一个参与者的辩论性文本，如议论文和主题演讲等。相关的研究问题包括论辩单元检测、论辩结构预测、论辩策略分类和议论文评分等。对话式论辩的研究对象是针对某一个特定议题进行观点交互的论辩过程, 一般有多个参与者。相关的研究问题包括论辩结果预测、交互式论点对抽取、论辩逻辑链抽取等。

近年来,论辩研究引起计算语言学学者的关注,并催生了一个新的研究领域,即计算论辩学。根据参与论辩过程的人数不同,计算论辩学的研究可以分成两类,即,单体式论辩和对话式论辩。对话式论辩过程在现实世界中广泛存在,如社交网络平台、司法领域、教育领域等,但是相关的研究才刚刚起步。该文综述了对话式论辩领域的基本任务设置、主流模型框架、下游应用以及公开数据和评测方法。最后,该文也指出对话式论辩未来发展的几个研究方向,包括多模态的对话式论辩分析、知识注入的论辩生成等。

对于包含支持关系的论辩框架,已有研究中存在对攻击的定义繁琐、外延求解复杂等问题。该文用演绎支持关系和必要支持关系来扩展抽象论辩框架,并采用一种基于强度的方法来定义该框架中的攻击关系,在此基础上提出一种更简洁且更有表达力的基于外延的语义。该文将一种基于等式的方法运用于这种论辩框架,为其提供一种基于标记的语义。最后,该文证明在这种论辩框架下,基于等式的方法和基于外延的语义之间存在对应关系。

作为论辩挖掘领域中的重要研究问题,互动论点对识别旨在从对话文本中理解对话双方的观点,并识别出互动的论点对。现有基于深度学习的方法通过融合上下文信息取得了不错的效果,但是这些方法往往仅考虑整体上下文,忽略了上下文中可能存在的噪声文本,缺乏对论点间互动关系的细粒度建模能力。针对上述问题,该文首先基于语义相似度筛选过滤上下文,而后构建基于上下文的对偶互动图,从而细粒度地挖掘论点-上下文、论点-论点之间潜在的互动模式,以提高互动论点对识别性能。在CMV公开数据集上的实验结果显示,该文提出的方法取得了优于现有模型的性能,并具有一定的可解释性。

随着互联网技术的飞速发展,即时通信、在线论坛等应用广泛普及,网络上产生了了大量非结构化或半结构化的网络对话论辩文本,对这些文本进行论辩挖掘研究具有重要的学术价值与现实意义。该文首先构建了中文网络对话论辩语料库,以子句作为标注的粒度;然后,基于此语料库使用预训练语言模型微调和提示方法分别进行论辩元素及其关系的识别,分别使用了目前受到广泛认可的 BERT、XLNet、RoBERTa 及其衍生的预训练语言模型,通过预训练微调的方式进行实验。在GPT、BERT、RoBERTa预训练模型上进行提示学习,通过P-tuning自动构建连续模板,进行论辩挖掘。实验结果显示,提示学习用于论辩挖掘任务是可行的,且准确率与现今取得很好效果的预训练微调方法相近,有时准确率甚至更高,同时在小样本或零样本数据集上有着更好的效果。实验还显示GPT 与 Prompt 结合可以较好地完成论辩关系识别任务。

证据作为认定案件事实的基础,在司法实践中起着重要的辅助判决作用。正常来说,一篇文书中相关的证据会被分为几个不相交子集,每个子集所证明的内容被视为司法分论点,这些分论点支撑了案件事实的不同方面,从而有利于法官的最终判决。然而,以前的工作主要集中在法庭观点生成,或其他法律助理系统(如法律判决预测和司法问答),忽视了法律文书中的证据推理。为了还原法律案件中完整的证据证明、推理过程,该文提出了基于自动证据推理的分论点生成任务,即基于证据子集生成司法分论点。该文为此任务提出了一个双重注意力网络模型,从事实描述中挖掘与证据相关的语义以及法律知识,并结合解码器自动生成分论点。为了进行评估,该文构建了一个司法分论点数据集,并进行了相关实验来证明所提出模型的有效性。

在议论文中,比喻不仅是一种修辞技巧,也是一种重要的论证方式。该文提出结合比喻识别和论辩挖掘技术自动分析议论文中的比喻及其论证作用。该文构建了一个数据集,标注了约1 200篇学生议论文中的比喻句、论辩角色及论辩质量等级,分析了比喻与论点、论据、阐释和其他论辩角色的作用方式以及比喻运用与篇章质量的关系。该文发现作为常见的修辞手段,比喻句的数量与论辩质量的相关性较弱,但比喻句作为论点时与论辩质量的相关性要强于作为其他论辩角色。此外,该文进一步标注了比喻论点类型以描述比喻的论证作用,包括事实、价值和策略,发现比喻论点的作用主要是传递价值与提出策略。通过比较两类比喻论点类型识别方法,发现基于精调预训练语言模型的方法优于基于提示学习的方法。最后,该文构建了一个集成比喻识别、论辩角色识别与论点类型分类的流水线系统,实验结果显示,该任务具有一定的实用性和挑战性。该研究对于作文自动评分与风格化的论点生成具有很好的应用前景和潜力。

受制于训练语料资源稀缺,中文论辩挖掘在政治领域的研究才刚刚起步。外交辞令、外事问答以及外宣公告都蕴含着丰富而微妙的政治论辩技巧,在外交领域开展政治论辩挖掘研究具有现实意义和应用价值。该文从在建的“多语外交对话语料库”得到启发,选取部分语料进行政治论辩观点标注、论辩关系标注和论辩句情感分析,初步建成了包含200篇外交部例行记者会实录中英文文本、1 536个话轮的中英双语政治论辩挖掘任务数据集BiDAM,并以示例的形式展示了该数据集的可用性。