论辩（Argumentation）以人的逻辑论证过程作为研究对象，是一个涉及逻辑、哲学、语言、修辞、计算机科学和教育等多学科的研究领域。近年来，论辩研究引起计算语言学的关注，并催生了一个新的研究领域，即计算论辩学（Computational Argumentation）。学者试图将人类关于逻辑论证的认知模型与计算模型结合起来，以提高人工智能自动推理的能力。根据参与论辩过程的人数不同，计算论辩学的研究可以分成两类，即，单体式论辩（Monological Argumentation）和对话式论辩（Dialogical Argumentation）。单体式论辩的研究对象是仅有一个参与者的辩论性文本，如议论文和主题演讲等。相关的研究包括论辩单元检测、论辩结构预测、论辩策略分类和议论文评分等。对话式论辩的研究对象是针对某一个特定议题进行观点交互的论辩过程, 一般有多个参与者。相关的研究包括论辩结果预测，交互式论点对抽取，论辩逻辑链抽取等。

      计算论辩近年在国际上受到越来越多的关注。2014年，国际论辩研讨会开始举办（argumentation mining workshop），至今已经是第九届。同一年，IBM Watson 在以色列的研究院发起智能辩手项目（Project Debater），并在2020年ACL的大会报告介绍了相关进展，论文成果发表在2021年的Nature杂志上。ACL系列会议在2018年开始，将argumentation mining作为关键词和sentiment analysis 一起组成一个子领域接受投稿。随着近几年的发展，计算论辩学在英文领域有了不少的任务和数据集的积累。相比之下，计算论辩在中文场景下的研究还处在起步节点，相关的积累比较薄弱。

       鉴于此，本特刊针对中文、多语言场景下的计算论辩研究提出征稿，重点关注如下研究内容：

• 论辩单元发现（即，结论、前提等）以及论元关系发现。

• 论辩篇章的语篇分析、论辩策略识别。

• 论辩文本标注方法的探索和评估，及其与语言学、逻辑学的关系探索。

• 自动化 /半自动化论辩标注方法和工具。

• 大规模论辩性文本的数据集合评测平台构建。

• 面向计算论辩的自然语言处理和人工智能模型。

• 计算论辩相关的下游应用。

• 计算论辩相关的系统、工具的介绍型文章。

• 对话式论辩性文本的结构分析、观点对抽取、观点生成等。