摘要
同行评审与回应过程中的丰富互动及论辩性讨论，天然构成了论证内容的重要来源。然而，现有研究很少同时关注这两个方面。本文提出了一项新的任务——同行评审与回应中的论证对抽取（Argument Pair Extraction, APE），旨在系统研究二者在内容、结构及其相互关联方面的特征。为此，我们构建了一个具有挑战性的数据集，该数据集来自一个开放评审平台，包含4,764对完整标注的评审-回应段落，以支持该任务的研究。为从该语料库中自动识别论证性命题并抽取论证对，我们将其建模为序列标注任务与文本关系分类任务的组合。基于此，我们提出了一种基于分层LSTM网络的多任务学习框架。大量实验与深入分析验证了所提多任务框架的有效性，同时揭示了该新任务所面临的挑战，并为未来的研究方向提供了启发。