一種研討信息組織模型及其在研討廳中的應用
2008-12-31 00:00:00李德華熊才權
計算機應用研究 2008年9期
.摘 要：在群體研討過程中會產生大量的研討信息，群體共識則蘊藏在這些研討信息之中，因此有必要對研討信息進行分析處理。為此，提出一種面向群體共識涌現的研討信息組織模型(DISM)。該模型根據Toulmin邏輯對專家發言進行結構化處理，將專家發言分解為根據、論證、模態限定和主張等幾個部分。其中，模態限定是一個可量化的部件，反映了專家對主張的態度；根據和論證則為主張提供支持。該模型是對研討信息的全面描述，可以有效處理研討信息并支持共識達成，最后闡述了該模型在綜合集成研討廳中的應用。
關鍵詞：Toulmin邏輯；研討信息結構；共識達成；群體研討環境
中圖分類號：TP391 文獻標志碼：A
文章編號：1001-3695(2008)09-2730-04
Discussion informationstructuring model and its applicationin hall for workshop of metasynthetic engineering
LI Dehua1，XIONG Caiquan1，2
(1.Institute for Pattern Recognition Artificial Intelligence， Huazhong University of Science Technology， Wuhan 430074， China；2.School of Computer Science， Hubei University of Technology， Wuhan 430068， China)Abstract:In the course of discussion， the group will produce a lot of discussion information， in which the consensus is hided， so it is necessary to manage and process the discussion information. This paper proposed a discussion informationstructuring modelDISM for consensus building. The model divided a statement into several parts such as premise， warrant， modality， claim et-al ， according to the Toulmin formalism.Modality was designed as a quantitative scale that reflects the experts’ attitude to claim， while premise and warrant were used to represent the demonstration of claim，A consensus could be reached by computing the value of modality. Finally， the paper discussed the application of the model in hall for workshop of metasynthetic engineering.The model is a comprehensive description of discussion information， and can effectively manage the discussion information and do consensus building.
Key words:Toulmin formalism;discussion information structure;consensus building;group discussion environment
0 引言
群體研討環境是綜合集成研討廳的重要組成部分[1，2]。一個有效的群體研討環境不僅能支持專家在線或離線討論，而且能夠對研討過程中產生的大量研討信息進行有效管理，并支持共識達成。這些信息包括參與研討的專家和研討主題等基本信息，以及在研討的過程中動態產生的專家發言信息。其中專家發言信息最為重要，因為專家主張和群體共識隱藏在大量的專家發言信息之中。專家發言要么提出自己的主張，要么對已有的主張表明自己的態度（如支持、反對、質問等）。為了證明自己觀點的正確性，贏得其他專家的支持和信任，并激發群體思維，專家發言一般還包括大量的事實根據和論證過程。因此，群體研討信息不僅數據量大，而且結構復雜。為了使計算機能夠表示和處理研討信息，需要嚴格定義研討信息的邏輯結構并對研討信息進行分析。
在爭議（argumentation）信息結構的研究中，影響較大的有1958年由英國哲學家Stephen Toulmin提出的論證（argument）的法律學模型，史稱Toulmin邏輯[3]，它主要應用于公共政策的制定。Bui等人[4]提出了一種稱為ARBAS的描述爭議結構的語言，將爭議信息分解為九個元素，即發言者(viewer)、目標(object)、行動(action)、資料(resource)、語調(intonation)、立場(position)、論證(justification)、主張轉移（proposed move）和時間戳（time stamp），但他們提出的形式語言并沒有在實際群體支持系統（ASS）中得到驗證[5]。Kunz等人[6]于1970年提出了IBIS (issuebased information system)模型；Gordon等人[7]根據IBIS模型將爭議信息分解為主題（issues）、選擇（alternatives）、立場（positions）和約束（constraints）等幾個元素，并應用于他們設計的HERMES系統中。Sillince等人[8，9]還提出了其他爭議信息計算模型。但是這些模型一般側重于對單一主題爭議信息的邏輯表達，沒有考慮如何從眾多的爭議信息中提取群體共識。綜合集成研討廳是面向復雜問題求解的，它一般包括多個主題，每個主題又可分為若干子主題。系統必須將不同主題的不同主張進行綜合集成，并采用從定性到定量的綜合集成方法得出最終的決策意見。所以在綜合集成研討廳中研討信息不僅包括專家發言信息，還有專家、主題、主張等其他信息，將現有的Toulmin邏輯或IBIS模型直接用于描述研討廳中的研討信息是不合適的。
國內譚俊峰等人[10]針對綜合集成研討廳提出了稱之為研討樹的研討信息組織模型。他們認為發言是研討信息的核心，一個專家發言要么針對研討任務，要么對其他專家的發言進行評論，從而形成以研討任務和發言為節點的研討信息樹狀結構。這棵樹的根節點為決策任務，而其他節點為發言；節點之間的有向弧表示發言之間的語義關系（如對某發言的支持、反對、質問等）。根據研討樹，他們提出了發言的數據結構：發言（發言編號、發言時間、發言人、發言類型、發言主題、發言的詳細內容、發言評論對象的編號、發言與評論對象的語義關系、決策任務編號、原子研討類型，原子研討編號）。該模型描述了發言之間的關系，但沒有對發言內容進行結構化分解，也沒有實現基于這種信息結構的群體共識提取。
本文提出了一種面向共識涌現的研討信息組織模型（discussion informationstructuring model，DISM）。該模型先根據Toulmin邏輯對專家發言信息進行結構化分解，然后構造共識涌現圖計算各主張受支持的程度，最后設定主張共識值閾值提取群體共識。
1 Toulmin邏輯
基本的Toulmin模型由以下六部分組成（圖1）：
a）主張(claim)。專家試圖在論證中證明為正確的結論，一般是一個肯定性的陳述。
b)根據(ground/premise)。作為論證的事實（證據），包括可證明或無須證明的公認命題，或可信事實數據、實驗數據等。
c）論證(warrant)（擔保）。它是連接根據與結論的橋梁，保證由根據可以合理地推斷主張。d）支援(backing)。通過回答對論證的質疑而提供的附加支持，是論證的根據。
e）模態限定(modality)。指示從根據和論證到主張的跳躍力量，即說明結論是肯定地得出，還是可能地得出；
f)反駁(rebuttal)。阻止從論證得出主張的因素，用于削弱模態限定。
但是在實際研討中，情況比Toulmin邏輯描述的還要復雜，如Toulmin認為支援是對論證提供根據，即當聽眾對論證提出質疑時，發言者需要給出深一層次的對論證的證明陳述。但是支援有時也需要支援。再如，不僅論證需要支援，有時根據也可能需要支援。根據是大家公認的無須證明的部件，但是在實際研討中，根據也需要解釋，這種解釋是根據的根據。
反駁是對主張持反對意見，反駁也需要根據和論證，它們的根據和論證也存在層次關系。另外，Toulmin邏輯還提出了反主張，它同樣需要根據、論證、支援、模態限定和反駁。這樣，Toulmin邏輯就逐漸轉換成非形式邏輯中更復雜的論證圖解，如圖2所示。
目前一般的應用是將Toulmin邏輯進行簡化。Mitroff 等人[11]和Hamalainen等人[12]建議的爭議模型為PremiseWarrantClaim。其中，Premise指的是根據，并提出將這個模型作為政治決策的正式邏輯基礎。但是PremiseWarrantClaim模式缺少模態限定這個重要部件，不能反映發言人對主張的支持程度。
2 研討信息組織模型
2.1 研討信息結構分析
研討信息結構設計的目的是將專家發言進行結構化處理并存于數據庫系統中，從而可以如同其他數據庫系統一樣，對研討信息進行查詢及分析處理。更為重要的是，一個好的研討信息組織模型設計應該有利于從研討信息中分析各主張受支持的程度，并能從研討信息中提取（挖掘）群體共識。
由于Toulmin邏輯采用部件結構描述，容易用數據庫技術實現，以Toulmin邏輯為基礎進行研討信息結構設計是可行的。但是正如前面所述，Toulmin邏輯因為有了支援、反駁和反主張顯得過于復雜，而Mitroff 等人提出的PremiseWarrantClaim邏輯又過于簡單，因為它去掉了核心部件模態限定。
為了便于提取群體共識，可以采用PremiseWarrantModalityClaim 邏輯結構，它是對以上兩種邏輯的綜合。其處理思想如下：
a）將主張與模態限定作為兩個核心部件，同時保留根據和論證兩個部件。主張是專家發言所針對的對象，而模態限定反映發言人的態度。根據和論證是對發言人態度的補充性闡述。b）對支援的處理。支援可以支援根據，也可以支援論證，支援本身也包括根據與論證。但是支援最終的目的是支持它所支援的對象所相關的主張。因此可以對支援進行降層處理，作為對主張的論證。
c）對反駁的處理。反駁也是有根據和論證的，它的特點是使模態限定成為負值，因此可以將反駁作為反對主張的另一條爭議。
這樣支援和反駁均可以統一用PremiseWarrantModalityClaim邏輯表示。專家發言信息結構設計為發言（發言專家、發言所針對的主張、響應類型、根據、論證、模態限定）。發言表的表結構說明如表1所示。
表1 發言信息的結構
字段名說 明
發言編號標志發言的關鍵值
發言專家ID標志發言的專家
主張ID標志發言所針對的主張，可以是新提出的主張，也可以對原有主張進行評價
響應類型分為提出、支持、反對和質問四種
根據支持主張的事實和根據
論證由根據證明主張的規則
模態限定模態限定={最強支持，強支持，支持，輕支持，最輕支持，不確定，最輕反對，輕反對，反對，強反對，最強反對}。為了便于計算，給它們賦予刻度值分別為(10，8，6，4，2，0，-2，-4，-6，-8，-10)[13]
時間戳標志本次發言的開始時間
2.2 研討環境信息組織
在面向復雜問題求解的綜合集成研討廳中，群體研討環境是一個復雜的信息系統，它所管理的信息不僅有專家發言，還有專家、主題、會議、研討程序等其他信息。一個群體研討環境的信息組織結構可以用一個類圖表示，如圖3所示。
在這個信息結構中，主要實體有專家、主張，專家發言信息成為專家與主張之間的聯系實體。專家與主張的表結構分別為：
專家表（專家ID，姓名，職稱，…）；
主張表（主張ID，所屬主題ID，主張摘要，主張關注值，主張權威值，主張共識值，…）。
3 研討信息處理
在研討信息組織模型中，專家發言表是最重要的，它反映了專家與主張之間的關系，即專家對主張的態度。所有發言可以用專家與主張之間的映射關系表示，這種映射關系對應Toulmin邏輯中模態限定部件。其他部件為發言者的態度提供依據，增強其他人對自己態度的信任度。計算各主張的“模態限定”值即可得出各主張受支持的程度，從而得出群體共識。
可以用一個共識涌現圖(consensus building graph，CBG)來表示研討信息結構。一個共識涌現。值，是提取共識首先要考慮的準則。
4 模型應用與實例分析
4.1 群體研討環境
根據研討信息組織模型，筆者設計了一個基于綜合集成法的群體研討環境。其界面如圖5所示。系統基于B/S結構，各專家按主持人在會議通知中給出的用戶名和密碼登錄系統，進入虛擬研討室。研討環境的組成元素如表2所示。
表2 研討環境界面組成元素
組成元素說 明
專家列表列出參與本次研討的所有專家，點擊專家可查詢專家詳細信息
專家發言權顯示當前發言的專家及其音/視頻
主張列表列出當前專家已提出的所有主張，點擊主張查詢針對該主張的所有發言
發言結構化分解根據Toulmin邏輯將專家發言分解為事實、論證、模態限定和主張并存入數據庫
發言錄入供專家錄入其發言全文
發言原文顯示按時間順序流水顯示所有發言原文信息
研討結果根據共識涌現圖實時顯示共識值達成狀態
發言原文錄入和發言結構分解需要手工輸入，其他部分由系統自動生成。
系統主要功能有：
a）動態更新主張。當新的主張提出時，能使它及時進入數據庫。
b）動態更新專家發言表。當專家發言并進行了結構分解時，發言的事實、論證和模態限定能實時進入數據庫。
c）專家自主定義自己發言中的事實、論證和模態限定值。
d）提供共識達成計算模型并實時顯示群體共識達成狀態。
e）提供爭議完整性約束，如一條發言針對多個主張，系統則提示錯誤消息。
f）對專家個人發言水平進行評價。
g）基于人工智能的高級功能。設置主張、事實、論證匹配規則；綜合群體發言形成新的主張；當研討出現僵局時自動提請專家發言。
h）多功能查詢。查詢某專家的所有發言和提出的所有主張；查詢針對某個主張的所有發言；查詢某個主張的所有根據和論證；查詢某個專家所用的所有根據和論證；查詢事實和論證所關聯的所有主張。
4.2 共識值計算實例分析
下面是在初步形成的群體研討環境中所作的仿真實驗。參與的專家一共有五人，他們的信任值分別為0.20、0.20、0.10、0.40、0.10。研討的主題是某市“十一五”教育發展規劃。在半個小時的模擬研討中，專家群體提出五個主張：
a）專家E1提出主張C1——增加教育支出在全市財政支出中的比例；
b)專家E2提出主張C2——重點發展職業教育；
c)專家E4提出主張C3——加大義務教育投入；
d)專家E1提出主張C4——積極發展民辦教育。
將專家發言進行結構化處理后存入發言表中，如果專家發言中沒有根據或論證，則以NULL表示。限于篇幅，省去了專家發言中的根據和論證等詳細信息。專家發言表如表3所示。
表3 專家發言表實例
時間流水號發言專家響應類型針對主張模態限定
1E1提出C1 10
2E2支持C16
3E2提出C2 10
4E3質詢C1 0
5E4支持C14
6E4反對C2-6
7E4提出C310
8E1反對C3 -6
9E1提出C4 10
10E2反對C4-8
11E5反對C4-4
12E5支持C26
13E3支持C28
無論是專家提出新主張還是對已有主張作出響應，都要在專家發言結構化分解區中給出模態限定值。研討后的主張各值變為表4中的值。
表4 主張值計算實例
主張主張關注值主張權威值主張共識值
C140.200.2×10+0.2×6+0.1×0+0.4×4=4.8
C240.200.2×10+0.1×8+0.4×(-6)+0.1×6=1.0
C320.400.2×(-8)+ 0.4×10=2.4
C430.200.2×10+0.2×(-8)+0.1×(-4) =0.0
從研討結果分析，C1、C2受到較多的關注；C3的權威值最大；C1、C3的主張共識值較大。如果采用共識值原則，則C1、C3可能成為共識。實驗結果表明，按照研討信息組織模型，可以對專家發言進行有效的結構化處理，并將處理結果存入數據庫中，再通過群體共識涌現圖可視化地提取群體共識。
5 結束語
在綜合集成研討廳的群體研討環境中，研討信息的組織與管理是十分重要的。一方面作為會議資料，與會專家的發言信息要保存下來，以備以后查詢；另一方面，群體共識隱藏在專家的發言信息中，因此有必要對專家發言信息進行結構化處理，使專家發言信息能進入數據庫，再通過數據庫技術對專家發言信息進行處理，并對群體共識進行提取。本文提出了一種基于Toulmin邏輯的研討信息組織模型PremiseWarrantModalityClaim和基于該模型的研討信息處理方法，其中共識涌現圖描述了專家與主張之間的映射關系，根據共識涌現圖可以計算各個主張受支持的程度，從而為共識提取提供依據。實驗表明，該方法是有效的，可以用于綜合集成研討廳的群體研討環境中。需要說明的是，共識涌現圖只考慮了發言信息結構中的主張和模態限定兩個因素，即只關注于研討結果。事實上根據和論證是啟發群體思維的重要因素，隱藏有大量信息，如何從這些信息中挖掘有用的知識是下一步研究的內容。
參考文獻：
［1］QIAN X S，YU J Y，DAI R W.A new discipline of science:the study of open complex giant system and its methodology[J].Chinese Journal of Systems Engineering Electronics，1993，4(2): 212.
[2]唐錫晉，劉怡君.有關社會焦點問題的群體研討實驗——定性綜合集成的一種實踐[J].系統工程理論與實踐，2007，3:42-49.
[3]TOULMIN S E.The uses of argument[M].New York:Cambridge University，1958.
[4]BUI T X，BODART F，MA Paichun.ARBAS:a formal language to support argumentation in networkbased organizations[J].Journal of Management Information Systems，1997，14(3):223-237.
[5]ZHANG P Z，SUN J L，CHEN H C.Framebased argumentation for group decision task generation and identification[J].Decision Support Systems，2005，39（4）：643-659.
[6]KUNZ W，RITTEL W J H.Issues as elements of information systems[R].Berkeley，CA:University of California，1970.
[7]GORDON T F，KARACAPILIDIS N.The zeno argumentation framework[C]//Proc of the 6th International Conference on Artificial intelligence and Law (ICAIL’97).New York:ACM Press，1997:1018.
[8]SILLINCE J A A，SAEEDI M H.Incorporating rhetorical and plausible reasoning in an electronic conferencing system[J].Knowledge Based Systems，1999(12):113 127.
[9]SILLINCE J A A，SAEEDI M H.Computermediated communication: problems and potentials of argumentation support systems[J].Decision Support Systems，1999，26(4):287-306.
[10]譚俊峰，張朋柱，黃麗寧.綜合集成研討廳中的研討信息組織模型[J].系統工程理論與實踐，2005，25(1):86-92，99.
[11]MITROFF I I，MASON R O，BARABBA V P.Policy as argumenta logic for illstructured decision problems[J].Management Science，1982，28(12):13911404.
[12]HAMALAINEN M，HASHIM S，SUH Y，et al.Structured discourse for scientific collaboration: a framework for scientific collaboration based on structured discourse analysis[J].Journal of Organizational Computing，1992，1(2):1-26.
[13]LOWE D G.Cooperative structuring of information:the representation of reasoning and debate[J].International Journal of ManMachine Studies，1985，23:97111.
[14]RAMESH R，WHINSTON A B.Claims，arguments，and decisions: formalisms for representation， gaming and coordination[J].Information Systems Research，1994，3(5):294-325.
