徐昊教授和Fausto Giunchiglia教授指导 的2021级博士研究生石立达同学的论文"A Simple Contrastive Learning Framework for Interactive Argument Pair Identification via Argument-Context Extraction"被国际会议EMNLP2022（清华推荐A类，CCF-B类）接收为长文(Main conference)。本篇论文的通讯作者为徐昊教授，合作者包括Fausto Giunchiglia院士、意大利特伦托大学（University of Trento）的博士研究生史大千、刁晓蕾同学，BETVLCTOR伟德官方网站的博士研究生宋瑞同学等。
会议简介：EMNLP（Conference on Empirical Methods in Natural Language Processing）是计算语言学和自然语言处理领域的顶级国际会议，由ACL SIGDAT（语言学数据特殊兴趣小组）主办，每年举办一次，Google Scholar计算语言学刊物指标中排名第二。EMNLP 2022将于2022年12月09日至11日在阿拉伯联合酋长国阿布扎比及在线会议的形式同时举办。
会议类别：清华推荐A类，CCF B类会议
会议时间：9th–11th December 2022, Abu Dhabi
第一作者：石立达
论文题目：A Simple Contrastive Learning Framework for Interactive Argument Pair Identification via Argument-Context Extraction
论文概述：辩论（Argumentation）是人类智能的重要组成部分，广泛存在于人类的社会生活中，是人类进行决策的常用手段之一。如今，辩论的计算分析处理，被称为计算论辩（Computational Argumentation，CA），并且已经成为一个新兴的NLP研究领域。交互式观点对识别是一个计算论辩的研究任务，旨在识别两个观点是否存在交互关系。已有的研究已经证明观点的语境（上下文）信息对本任务至关重要。然而，观点的整个语境通常包含许多与观点无关的冗余信息，这导致目前已有的研究仅实现了有限的性能提升。本文提出了一个简单的对比学习框架，通过从语境中提取有价值的信息来解决这个问题。该框架通过引入对比学习的思想，使得模型可以提取鲁棒和统一的文本表征。除此之外，本文还提出了一个观点-语境提取模块，通过丢弃与观点不相关的冗余语境块从而得到了更精简的语境文本。实验结果表明，该方法在基准数据集上达到了最先进的性能。进一步的分析证明了本文提出的模块的有效性，并可视化地展示了更紧凑的文本表征。
