论证是一种具有说理功能的话语序列。在科学研究中，它具有演绎和归纳两种形式。在日常社会生活中，由于涉及不同的语境（包括文化传统），论证呈现出千变万化的形式。为了满足人与人以及人与机器之间日常交流的需求，本书采用两种不同的自下而上方法——广义论证本土化研究程序和机器学习，从具体事例和文本中挖掘或习得不同语境下论证模式、论证元素及结构。进一步，为形式化论证理论——抽象论辩理论具有更广泛的适用范围，本书将这两种自下而上的论证挖掘方法与抽象论辩理论提供的形式方法相结合，符号化处理上述挖掘所得结果，对论证进行合理重建。论证研究对于推动论证科学和人工智能相关领域的发展具有积极意义。
本书涉及逻辑学、社会人类学和人工智能等不同学科及其交叉领域，适合相关研究领域的高校师生和科研院校工作者阅读参考。

前言
第一篇 论证的社会文化结构——广义论证理论
第1章 广义论证的理论与方法
1.1 引言
1.2 论证研究的社会文化解释途径
1.2.1 论证形式系统的同质性
1.2.2 自然语言论证的异质性
1.3 广义论证概念
1.3.1 广义论证概念的内涵
1.3.2 三种论证概念的比较
1.3.3 广义论证概念的外延
1.4 广义论证的分层结构理论
1.4.1 广义论证的规则
1.4.2 广义论证的分层结构
1.4.3 广义论证分层结构的适用性
1.5 广义论证本土化研究方法论
1.5.1 广义论证研究的基本问题与原则
1.5.2 广义论证本土化研究程序
1.5.3 论证研究方法比较
1.6 结论
第2章 广式早茶说理的功能结构分析——以“詏”为例
2.1 引言
2.2 问题与方法
2.2.1 常人方法学与会话分析
2.2.2 互动社会语言学
2.2.3 广义论证与功能分析法
2.3 广式早茶“詏”式论证功能结构分析
2.3.1 广式早茶“詏”的背景知识
2.3.2 “詏”案例分析与功能结构提取
2.3.3 功能结构和规则的合理性说明
2.4 结论
第3章 明代“大礼议”论证规则研究——以“争帝”环节为例
3.1 引言
3.2 广义论证及其研究方法
3.3 “大礼议”的文化背景
3.3.1 宗法传统
3.3.2 孝道传统
3.3.3 明代的皇帝、内阁及礼部
3.3.4 《皇明祖训》
3.4 “大礼议”的基本情况
3.4.1 议礼缘起
3.4.2 三种解决方案
3.4.3 主要过程
3.5 “争帝”环节的论证
3.5.1 “争帝”环节
3.5.2 论证规则的合理性
3.5.3 规则验证
3.6 结论
第二篇 论证的语言结构——机器学习视角下的论辩挖掘研究
第4章 论辩计算分析的发展与现状
4.1 引言
4.2 论辩研究传统回顾与论辩理论的现代复兴
4.3 论辩挖掘的主要研究与方法
4.3.1 论证成分检测
4.3.2 论辩元素的分类
4.3.3 论辩元素之间关系的识别和论辩结构的预测
4.3.4 论辩语料库的建设
4.3.5 主流论辩挖掘方法的特点
4.3.6 深度学习与论辩挖掘
4.4 论辩挖掘其他扩展研究
4.5 结论
第5章 机器学习的模型和特征选择
5.1 引言
5.2 论辩挖掘与特征选择方法
5.3 模型的评估和选择
5.3.1 实验评估方法
5.3.2 性能评估
5.3.3 比较检验
5.4 论证挖掘中特征选择的比较研究
5.4.1 实验设置
5.4.2 实验结果与讨论
5.4.3 特征选择方法在论证挖掘和文本分类中对比
5.5 论证挖掘中的模型选择
5.5.1 实验设置
5.5.2 实验结果与讨论
5.6 结论
第6章 哲学文本论辩元素挖掘——基于统计学习的方法
6.1 引言
6.2 论辩挖掘模型与实践
6.2.1 论辩挖掘的主要流程
6.2.2 语料库标注
6.2.3 研究方法
6.2.4 实验结果
6.3 结论
第7章 法庭判例摘要的论证成分与结构解析
7.1 引言
7.2 论辩中的图尔明模型简介
7.3 基于图尔明模型标注的判例摘要语料库
7.3.1 判例摘要
7.3.2 预处理
7.3.3 基于图尔明模型的标注
7.3.4 标注工作的执行
7.3.5 标注文本示例
7.3.6 统计学分析
7.4 论辩挖掘的深度学习模型
7.4.1 模型框架及算法细节
7.4.2 模型整体损失函数
7.4.3 模型评价指标
7.4.4 模型实现细节
7.5 实验结果和模型评估
7.5.1 基线模型
7.5.2 随机初始化词向量和预训练词向量的对比实验
7.5.3 有无循环神经网络的对比实验
7.5.4 单向循环神经网络与双向循环神经网络的对比实验
7.5.5 不同种类的循环神经网络的对比实验
7.5.6 本节模型与类似论辩挖掘工作的实验结果对比分析
7.5.7 模型预测结果可视化
7.6 结论
第8章 融合逻辑与外部知识的自然语言推理
8.1 引言
8.2 自然语言推理工作
8.2.1 基于一阶经典逻辑的自然语言推理方法
8.2.2 基于神经网络的自然语言推理方法
8.2.3 结合外部知识的方法
8.3 知识稠密交互推理网络
8.3.1 基础模型
8.3.2 语义知识
8.3.3 依存关系知识
8.3.4 逻辑规则
8.3.5 模型训练
8.4 实验
8.4.1 数据
8.4.2 实验配置
8.4.3 MultiNLI数据集
8.4.4 缺省实验
8.5 结论
第9章 中文论辩语料库的建设与网络论辩文本标注
9.1 引言
9.2 网络论辩文本标注方法
9.3 网络论辩文本标注软件的安装环境
9.3.1 标注软

论证是一种广泛的社会
现象，具有不同的形式。当
它展现为主体间言语互动时
，又被称为论辩。本书采用
两种不同的自下而上方法—
—广义论证本土化研究程序
和机器学习，从具体事例和
文本中挖掘或习得论证模式
、论证元素及其关系，并基
于一类形式化论证理论——
抽象论辩理论和广义论证理
论，将上述挖掘所得结果进
行符号化处理，进而基于这
类符号化的结果（即形式表
达），对论证进行合理重建
。
广义地说，论证是某社
会文化群体的成员，在语境
下依据其所属社会文化群体
的规则生成的旨在通过说服
与协商消除意见分歧的言语
行动序列。如所周知，社会
的存在与发展要求社会成员
的行动具有协调性。而论证
就是社会成员处理意见分歧
达成一致观点的基本手段。
鉴于论证这类社会互动形式
在人类社会生活中的独特地
位，在不同的时代与不同的
文化中，它一直是人类研究
的首要对象之一。由于论证
是在变动的语境下按规则形
成的语篇行动序列，因此理
解和把握某一论证的首要工
作就是采掘、理解和分析在
语境下生成这一论证的规则
和模式。
主流论证理论构建论证
规则和模式的方法是：首先
从哲学的角度确立合理性概
念和论证模式概念；其次利
用这类模式分析现实的论证
语篇，进而完成上述论证语
篇的系统重建。这就是所谓
自上而下的理性重建过程。
一方面，其优点在于：比较
系统地描述了主流文化典型
情景下论证的规则和模式。
但是，如何描述和评价非主
流文化甚至主流文化非典型
情景下的论证活动？如何在
不断变化的语境下恰当使用
论证规则？这些正是主流论
证理论难以解决的问题。与
之相反，广义论证本土化研
究程序的方法论取向是自下
而上的：它始于田野调查，
以便获取论证者所属社会文
化群体的社会规范和搜集论
证语篇行动数据或“田野文
本”；利用社会规范解释论
证语篇行为的理由，进而确
立该群体的论证规则；最终
描述一个实现论证目标的语
篇行动序列。由此，广义论
证本土化研究程序作为论证
规则和模式的采掘方法，为
解决上述困难提供可行的途
径。
另一方面，这类人工分
析方法的优点在于分析方法
和结果的精致性、准确性和
灵活性。人脑具有的分析能
力是机器暂时无法比拟的，
能够更好地对文本进行分析
。但其缺点是效率较低，对
海量的文本无能为力。由于
文本分析方法和机器学习尤
其是深度学习的发展，可以
采用人工智能的方法对遍布
于社会活动中的大量文本进
行挖掘分析学习，输出文本
中的论证元素、论证元素之
间的关系及论证结构。作为
自下而上的方法，机器学习
的最大优势就是能够通过自
然语言理解的方法对文本进
行自动分析，速度很快，大
量文本的分析如果能够通过
机器学习的方式进行挖掘无
疑对论证文本的研究会有极
大的助益。但是，相对于论
证经验研究中的人工分析而
言，机器分析的准确性尤其
对文本意义语境敏感性的把
握还有待改进；这使得论证
中较复杂的问题还不能得到
恰当的处理，并且需要大量
的语料库进行训练。因此，
在这一研究方向上，“人工”
和“机器”这两种自下而上的
采掘方法将互为补充。
进一步，采用广义论证
方法，能够描述在一定语境
下一个局部合理论证的模式
及其所遵循的规则。但是，
我们注意到这类描述的恰当
性并非论证研究追求的唯一
目标（参见本书第25～26
页）。事实上，为了在某语
境下采用某种方法或技术处
理展开论证活动，或者仅仅
为了提供简单、明确和易操
作的论证处理工具，研究人
员往往放弃上述目标，转而
依据某些技术指标对论证过
程的描述加以限定，使之只
保留所关注情景下的某些特
征。此时，描述的恰当性与
问题处理的高效性之间必须
保持一种合理张力。否则，
精密的机器在生活世界中将
无用武之地。而构建这种张
力的途径之一就是执行广义
论证本土化研究程序，获取
论证参与者所属文化群体的
论证规则，在这些规则的基
础上重建该群体的论证活动
。如果这类重建能够在所限
定的范围内，在实现技术指
标的同时输出被该群体成员
所接受的结论，那么它就是
成功的或局部合理的重建。
根据以上所述，形式论
证方法依然能够在上述局部
合理重建中发挥重要作用。
事实上，抽象论辩理论在描
述分析论证理论时，需要先
将论证及其关系进行符号化
——一种形式化处理论证的
过程，进而基于这类符号化
的结果，对论证进行分析和
评估。这种形式化研究论辩
的方式是近十多年来的研究
热点和计算论辩研究的主流
，在人工智能中也是一个重
要的研究课题。尽管抽象论
辩理论具有优美简洁的论证
框架模式，为论证评估提供
了语义规范，但是由于该理
论并未涉及实际论证元素及
其关系的挖掘和识别，因此
抽象论辩框架应该和具体论
证中的实质性规则和内容结
合起来进行推理。这一切表
明：上述两种自下而上的采
掘方法与抽象论辩理论提供
的形式方法相结合，完全有
可能推动论证科学和人工智
能相关领域的发展。
正是基于上述考