基于 LLM 的论辩挖掘遇上论辩逻辑与描述逻辑：一个关于辩论推理的统一框架

大语言模型（LLM）在文本分析与生成上表现出色，但在对辩论类复杂文本进行显式、透明、可验证的推理上仍有困难。尤其缺乏能刻画论证间支持或攻击关系、以及论证相对强度如何决定整体可接受性的结构化表示。我们提出一个把基于学习的论辩挖掘与定量推理和基于本体的查询整合的框架，以克服这些局限。从原始辩论文本出发，该框架抽取模糊论辩知识库：论证被显式表示为实体，由攻击与支持关系连接，并标注反映其在辩论情境中合理性的初始模糊强度。随后应用定量论辩语义，通过传播支持与攻击的影响计算论证的最终强度。这些结果再被嵌入模糊描述逻辑设定，通过高效重写技术支持表达性查询应答。所提方法为辩论分析提供透明、可解释、有形式化根基的方法，克服纯统计的 LLM 分析。