随着互联网技术的飞速发展,在线论坛已经成为人们争论和辩论的主要媒介,用户针对某一论题或事件持有不同的论点,在互联网上进行论辩和讨论,由此产生了大量的观点评论等论辩文本,如何自动地从非结构文本中提取论辩结构是亟待解决的问题,如何利用好这些论辩文本蕴含了巨大的商业价值,同时带来了巨大的挑战,本文针对论辩挖掘领域的论点识别以及细粒度的论辩部件识别进行了研究,具体而言本文主要完成了以下工作:1.论辩挖掘中的论点识别问题。当前大部分论点识别方法是针对某一特定领域构建特征,使用机器学习方法进行识别。针对某一具体领域的论点识别模型无法直接应用在其他领域,而且对于人类来说,论点的概念也很难用一套紧凑的定义和明确的规则来界定,手动去构建特征来识别论点是一项复杂且耗时的活动。针对以上问题,本文提出了一种BERT-Bi LSTM-Attention的论点识别方法。首先通过预训练的BERT模型获取词向量,然后通过Bi LSTM对更高维的特征进行抽取,更好地结合上下文,使用注意力机制将重要特征突出,在论点识别方面取得了不错的结果,并且后续进行分析了解在论点识别过程中有哪些特征比较重要。2.论辩挖掘中细粒度的论辩部件识别问题。通常情况下一个论点会存在于两个句子中,或者一个句子中包含多个论点,但当前大部分的论辩部件识别都是直接使用整条句子作为论辩单元,这就会导致论辩部件识别不准确,无法识别到子句级别的论辩部件。针对以上问题我们将细粒度的论辩部件识别任务视为序列标注任务和分类任务,进行多任务学习,具体是提出了一种基于BERT-Bi LSTM-CRF的细粒度论辩部件识别方法,将句子输入到神经网络中,既能够对句子进行序列标注,自动识别论辩部件的边界,也能使用多元分类将切割后的子句区分为论点,论据和无关的句子。3.论辩部件识别原型系统的实现。为了能够更加清楚的展示论辩挖掘系统中论辩部件的识别,本文在前两个工作的基础上实现了原型系统来进行展示。该论辩部件识别原型系统主要分为数据收集模块、论点识别模块、细粒度论辩单元识别模块和用户展示界面。用户可以自主选择两种模式,一种是直接展示爬取数据的论辩单元识别,另一种是用户输入一篇文章到系统中就能自动识别文章中的论点及论据,帮助用户更好的理解文章所表达的核心观点。