计算论辩专栏导语

黄萱菁

(复旦大学 计算机科学技术学院,上海 200433)

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。

计算论辩学近年在国际上受到越来越多的关注。2014年,国际论辩挖掘研讨会开始举办(Argumentation Mining Workshop),至今已经是第十届。同一年,IBM Watson 在以色列的研究院发起智能辩手项目(Project Debater),并在2019年ACL的大会报告中介绍了相关进展,论文成果发表在2021年的Nature杂志上。ACL系列会议在2018年开始,将Argumentation Mining作为关键词和Sentiment Analysis 一起组成一个领域接受投稿。随着近几年的发展,计算论辩学在英文领域有了不少的任务和数据集的积累。相比之下,计算论辩学在中文场景下的研究还处在起步阶段,相关的积累比较薄弱。为了加强中文环境下计算论辩理论、技术和应用的发展,学报特别设立了计算论辩专栏,针对中文和多语言场景下的计算论辩研究进行征稿。经过10个月的征稿、评审和论文修订,本期专栏一共录用了7篇相关文章,论文的主题覆盖论辩理论、预训练的论辩挖掘方法、论辩应用以及对话式论辩综述和任务。

论辩理论一直以来都是计算论辩研究的基础和重要课题,旨在理解辩论内部的逻辑交互,将论辩文本中的论辩单元用统一的形式架构进行组织,一般包含论辩单元的属性和单元之间的关系。浙江大学程佑和廖备水,针对现有论辩框架对于论点单元之间的攻击关系定义烦琐、外延求解复杂的问题,用演绎支持关系和必要支持关系来扩展抽象论辩框架,提出了一种更简洁且更有表达力的基于外延的语义,并最终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。

论辩挖掘旨在挖掘参与者文本中各组件(如论点、论据等)之间的组织结构关系,是论辩文本分析的核心课题,相关的研究包括论元部件检测、论点边界预测和议论文自动评分等。中山大学鲜于波和言佳润探索了使用预训练语言模型微调和提示学习的方法分别进行论辩单元及其关系的识别,并在自行构建的网络对话论辩数据集上对提出的方法进行了验证,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,在小样本或零样本数据集上有着更好的效果。

计算论辩研究近些年备受关注,除了它的学术价值之外,也在于其能够对不同领域的应用带来新的发展,包括智慧司法、智慧教育等。针对现有法律助理系统在生成观点时忽略证据推理的问题,设计了基于自动证据推理的分论点生成任务,并提出双重注意力网络模型来挖掘证据、法律和事实信息之间的潜在关联,在自行构建的司法分论点数据集上的实验结果显示了模型的有效性。首都师范大学和科大讯飞联合团队的武阗阗等,面向智慧教育中的学生议论文理解问题,探索了结合比喻识别和论辩挖掘技术进行议论文自动分析的方法,他们构建了面向该任务的评测基准,标注了约1 200篇学生议论文中的比喻句、论辩角色、论辩质量和比喻论点类型,并提出了集成比喻识别、论辩角色识别与论点类型分类的议论文分析流水线系统。西交利物浦大学张晓军和周静狮,面向中文政治文本(外交辞令、外事问答以及外宣公告)的论辩挖掘任务,选取了多语外交对话语料库中的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,构建了包含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。

对话式论辩的研究对象是针对特定议题进行观点交互的论辩过程,一般有多个参与者,相关研究还停留在初步的阶段,缺乏对相关场景和任务的系统化梳理与建模。复旦大学丁佳玙等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,并指出了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。哈尔滨工业大学(深圳)团队何宇航等针对当前互动论点对抽取方法忽略上下文信息的问题,提出构建覆盖上下文信息的对偶互动图,以挖掘论点-上下文、论点-论点之间潜在的互动模式,在公开数据集上的实验结果显示,该方法取得了优于现有模型的性能,并具有一定的可解释性。

专栏的审稿过程得到了以下审稿人的支持,特此表示感谢。

宋巍 首都师范大学

彭佳杰 西北工业大学

杨亮 大连理工大学

廖明 香港中文大学

鲍建竹 哈尔滨工业大学(深圳)

高源 复旦大学

林嘉昱 复旦大学