استخراج استدلال ۲۰۲۲
Argumentation Mining 2022

استخراج استدلال، کاربردی از پردازش زبان طبیعی (NLP) است که چند سالی است ظهور کرده و اخیراً با استقبال چشمگیری روبرو شده است. این موضوع را می‌توان در برگزاری مجموعه‌ای از کارگاه‌های بین‌المللی و افزایش تعداد مقالات منتشر شده در کنفرانس‌ها و مجلات معتبر این حوزه مشاهده کرد. هدف از این کار، شناسایی استدلال در متن یا گفتگو، ساختن بازنمایی‌هایی از مجموعه ادعاها، حرکات حمایتی و تهاجمی (در سطوح مختلف جزئیات)، و مشخص کردن الگوهای استدلالی است که به نظر می‌رسد به استدلال اعتبار می‌بخشند. علاوه بر این، کارهای اخیر به وظایف دشوار ارزیابی میزان اقناع‌کنندگی و کیفیت استدلال‌ها نیز می‌پردازند. برخی از ژانرهای زبانی که در حال مطالعه هستند شامل متون حقوقی، مقالات دانشجویی، گفتمان و مناظره‌های سیاسی، سرمقاله‌های روزنامه‌ها، نوشته‌های علمی و موارد دیگر است.

کتاب با بحث در مورد دیدگاه زبانی، ویژگی‌های زبان استدلالی و ارتباط آنها با برخی مفاهیم دیگر مانند ذهنیت آغاز می‌شود.

استدلال، علاوه بر ارتباط با زبان‌شناسی، مدت‌هاست که موضوعی در هوش مصنوعی بوده است، جایی که تمرکز بر ابداع بازنمایی‌ها و فرمالیسم‌های استدلالی مناسبی است که ویژگی‌های تبادل استدلالی را به تصویر می‌کشند. به طور کلی، ارتباط دادن دو حوزه استدلال و تحلیل متن بسیار دشوار است، اما ما متقاعد شده‌ایم که این کار باید در درازمدت انجام شود، و بنابراین ما به برخی از مبانی رویکردهای استدلالی نیز اشاره می‌کنیم.

سپس کتاب به تمرکز اصلی خود، یعنی جنبه محاسباتی استخراج استدلال در متن می‌پردازد. ابتدا تعدادی پیکره متنی حاشیه‌نویسی شده را معرفی می‌کنیم که در تحقیقات مورد استفاده قرار گرفته‌اند. از منظر پردازش زبان طبیعی، استخراج استدلال، وظایف فرعی را با زمینه‌های تحقیقاتی مانند تحلیل ذهنیت و احساسات، استخراج روابط معنایی و تجزیه و تحلیل گفتمان به اشتراک می‌گذارد. بنابراین، بسیاری از رویکردهای فنی از این (و سایر) زمینه‌ها قرض گرفته می‌شوند. ما استخراج استدلال را به مجموعه‌ای از وظایف فرعی تقسیم می‌کنیم، که با مراحل مقدماتی طبقه‌بندی متن به عنوان استدلالی (یا غیر استدلالی) و تقسیم آن به واحدهای ابتدایی شروع می‌شود. سپس، مراحل اصلی، شناسایی خودکار ادعاها و یافتن اظهاراتی است که از ادعا پشتیبانی یا با آن مخالفت می‌کنند. برای برخی از کاربردها، محاسبه ساختار کامل یک مجموعه استدلالی از اظهارات نیز مورد توجه است.

در ادامه، چند مرحله را مورد بحث قرار می‌دهیم که سعی در “کندوکاو عمیق‌تر” دارند: استنتاج الگوی استدلالی زیربنایی برای یک استدلال متنی، بازسازی مقدمات بیان نشده (به اصطلاح “مضمرات”) و ارزیابی کیفیت استدلال. ما همچنین نگاهی گذرا به “طرف دیگر” استخراج، یعنی تولید یا سنتز متن استدلالی می‌اندازیم.

کتاب با خلاصه‌ای از وظایف استخراج استدلال، طرحی از کاربردهای بالقوه و چشم‌اندازی – لزوماً ذهنی – برای این حوزه به پایان می‌رسد.

Argumentation mining is an application of natural language processing (NLP) that emerged a few years ago and has recently enjoyed considerable popularity, as demonstrated by a series of international workshops and by a rising number of publications at the major conferences and journals of the field. Its goals are to identify argumentation in text or dialogue; to construct representations of the constellation of claims, supporting and attacking moves (in different levels of detail); and to characterize the patterns of reasoning that appear to license the argumentation. Furthermore, recent work also addresses the difficult tasks of evaluating the persuasiveness and quality of arguments. Some of the linguistic genres that are being studied include legal text, student essays, political discourse and debate, newspaper editorials, scientific writing, and others.

The book starts with a discussion of the linguistic perspective, characteristics of argumentative language, and their relationship to certain other notions such as subjectivity.

Besides the connection to linguistics, argumentation has for a long time been a topic in Artificial Intelligence, where the focus is on devising adequate representations and reasoning formalisms that capture the properties of argumentative exchange. It is generally very difficult to connect the two realms of reasoning and text analysis, but we are convinced that it should be attempted in the long term, and therefore we also touch upon some fundamentals of reasoning approaches.

Then the book turns to its focus, the computational side of mining argumentation in text. We first introduce a number of annotated corpora that have been used in the research. From the NLP perspective, argumentation mining shares subtasks with research fields such as subjectivity and sentiment analysis, semantic relation extraction, and discourse parsing. Therefore, many technical approaches are being borrowed from those (and other) fields.We break argumentation mining into a series of subtasks, starting with the preparatory steps of classifying text as argumentative (or not) and segmenting it into elementary units. Then, central steps are the automatic identification of claims, and finding statements that support or oppose the claim. For certain applications, it is also of interest to compute a full structure of an argumentative constellation of statements.

Next, we discuss a few steps that try to ‘dig deeper’: to infer the underlying reasoning pattern for a textual argument, to reconstruct unstated premises (so-called ‘enthymemes’), and to evaluate the quality of the argumentation. We also take a brief look at ‘the other side’ of mining, i.e., the generation or synthesis of argumentative text.

The book finishes with a summary of the argumentation mining tasks, a sketch of potential applications, and a–necessarily subjective–outlook for the field.