Discourse-Aware Policy Analysis with Argumentation: A Hybrid LLM-Symbolic Framework for Disaster Governance

背景

政策文件是政府治理的重要载体，但其背后的推理逻辑往往隐含在文本之中。例如，减灾政策中常同时出现“参与式承诺”与“管理式控制”两类话语，它们之间的张力很少被直接言明，却深刻影响着政策效果。现有的计算性政策话语分析方法无法表达驱动这种张力的“框架中介关系”（frame-mediated relations）——即某一论证并非直接反对另一个，而是通过缩小或工具化对方来实现压制或偏移。端到端的大语言模型（LLM）摘要虽然能生成流畅的文本，但缺乏可供领域专家检查或反驳的显式结构。针对这一空白，本文提出一种混合 LLM 与符号推理的框架，将批判性话语分析（Critical Discourse Analysis）操作化为一个量化双极论证框架（quantitative bipolar argumentation framework），实现对政策文本的透明、可解释分析。

核心内容

本文提出 Apaf（Argumentation-based Policy Analysis Framework），一个混合 LLM–符号推理流水线，用于从政策文本中自动提取论证结构。整个流程分为两步：

1. 论点分类：首先将政策文本中的每个论证（argument）分为两类——

   • Deliberative frame（协商框架）：强调参与、协商、多元利益表达；
   • Managerial frame（管理框架）：强调效率、控制、中心化决策。

2. 框架中介关系抽取：基于 LLM 提取的特征，通过确定性规则（deterministic rules）识别四种论证之间的关系子类型：

   • Agency reduction（主体性压缩）：一个论证通过削弱另一论证所涉及的参与者能动性来压制它；
   • Agenda shift（议程转移）：一个论证通过将讨论焦点转移到不同议题来改变原论证方向；
   • Instrumental support（工具性支持）：一个论证表面上支持另一论证，但只将其当作达成其他目的的工具；
   • Normative support（规范性支持）：一个论证基于共同规范或价值原则来支持另一论证。

这些关系构成了一个双极（bipolar）论证图，其中每个节点是论点，边代表支持或攻击（通过上述四种关系体现）。双极意味着攻击和支持可以同时存在。

为验证框架有效性，作者构建了一个全新的数据集：从美国、英国、加拿大、澳大利亚四国的减灾政策文件中抽取了 100 个子文档（sub-documents），并进行了人工标注。实验结果表明，Apaf 生成的论证图在准确性、可解释性以及跨辖区稳定性（即不同国家政策图的结构相似性）方面均表现良好。图的结构可被领域专家直接审查，而 LLM 仅负责特征提取环节，关键的关系判定由确定性规则完成，从而避免了黑箱问题。

关键要点

• 混合架构：LLM 用于从文本中提取论证本身及特征（如主体、目标、规范性引用等），而关系推理由确定性的符号规则完成，兼顾了 LLM 的语言理解能力和符号系统的可解释性。
• 双极论证框架：论证图同时支持攻击和支持关系，能更精细地刻画政策话语中常见的“表面赞同实为工具化”等微妙互动。
• 四种关系子类型：Agency reduction、Agenda shift、Instrumental support、Normative support 是本文核心创新，专门用于捕捉框架中介的论证互动。
• 数据集：100 个子文档来自四个英语国家的减灾政策，覆盖不同治理传统，为后续研究提供了标准化基准。
• 评估结果：论证图在准确性（与人工标注一致）、可解释性（图中每条边关联具体文本证据）和跨辖区稳定性上均表现优异。

意义与影响

Apaf 为政策话语的自动化分析开辟了一条新的路径。它不同于端到端的 LLM 摘要——后者无法揭示政策文本内部的论证张力，也不同于纯符号方法——后者难以处理自然语言的模糊性。通过将 LLM 的语义理解与符号推理的结构化优势结合，Apaf 让政策分析师能够交互式地探查：哪些论证被隐性压制？哪些参与者的主体性被削弱？不同国家政策话语背后的管理逻辑是否趋同？这种透明的分析工具不仅有助于学术研究（如比较政策话语），也具备实际应用潜力：例如，辅助政策制定者对草案进行辩论性评估，或帮助公众理解政策文件中隐含的价值权衡。此外，该框架的“LLM–符号”双引擎模式也为其他需要可解释文本推理的领域（如法律分析、企业社会责任报告审查）提供了可借鉴的范式。