大数据时代下,海量数据迅速增长,特别是非结构化的文字数据尤为惊人。如何从海量数据中获得有价值的信息,成为热议话题,人工智能技术的发展为处理大规模数据提供了智能工具。事实认定作为审判工作中的重要内容,代表着最为严肃的司法活动之一,其能否融入人工智能技术,为审判活动提供智能辅助,成为智慧司法建设中的重要工程。挖掘是应用某种工具向下挖以发掘有用知识。日常的论证挖掘是一个分析、归纳的过程,它按照“找要素——析原因——辨关系——提观点”等步骤,对论据部分进行提炼,透过现象进行阐释、分析、归纳,将论据与论点衔接起来,从而把大量事实中的本质内涵、普遍意义揭示出来。就其形式要素而言,论证挖掘,包含三个任务:其一,识别文本中的论证性片段;其二,对每个论证性片段进行分类;其三识别论证单元之间的关系。论证挖掘的主要目的在于建立一个精确的方法,有助于识别自然语言话语中的论证,以便为智能论证和推理的计算模型提供结构化数据,帮助克服论证中所涉及的推理难题。利用论证挖掘所获取的结构化论点,以及论点之间的逻辑关系,对研究推理及推理工作的顺利进行尤为重要,因此在特定领域中,论证挖掘凸显出其诱人的应用前景,如司法领域便是最先关注论证挖掘的领域,也是应用较为成功的领域之一。通过论证挖掘所获得的结构化的与论证相关的数据对于法律事实的认定有着极其重要的作用。在案件文档和司法判决中发现的论证,往往是一个复杂的过程,想要真正理解论证关系网并不简单。论证挖掘在论证结构研究中解决了这一需求,论证挖掘中论证结构分析在司法论证中至关重要,例如对案件事实初步事实调查。当论证挖掘用于案件检索时,使用论证挖掘、其他自然语言和信息检索技术的软件可以允许用户根据案例的论证结构来检索到相关案例文档的集合。法律文本（法规、判例、期刊文章、证词、信件等）可以按照论证结构编入索引,将它们与案件的相关论证部分联系起来,从而为法律事实的认定提供可用数据。本文以论证挖掘的基本理论为出发点,探索论证挖掘的理论根源,对论证挖掘的含义做出界定,确定何为论证挖掘,论证挖掘的特征与功能有哪些以及论证挖掘的过程、方法及所需技术等,在此基础上,本文立足于对基于论证挖掘的事实认定分析研究,廓清事实认定的含义,明确事实认定的过程,为论证挖掘应用于事实认定厘清思路,并结合事实认定的过程介绍了论证挖掘在事实认定中的具体实现。主要包括:对法律证据的挖掘,其中具体包括对法律证据的数据化处理、结构化改造,使法律证据能够被机器所识别;案件事实的挖掘,包括对案件事实的挖掘与分类处理、案件要素的审查,案件事实的重构,利用论证挖掘及相关可视化技术,对案件信息进行检测、筛检、区分,从而为法官裁判厘清事实材料,提升裁判效率;对同类裁判文书挖掘与信息提取,为法官做到同案同判提供智能化工具。致力于基于论证挖掘的事实认定模型的构建,总结出可以适用的基于不同论证方法的论证推理模型,包括传统的法律三段论模型,图尔敏模型、威哥摩尔图示模型、回溯论证模型;将论证挖掘与论证推理模型相互结合,构建出基于论证挖掘的智能论证推理模型,并结合案例进行具体的应用。最后,落脚在问题的解决上,根据前文提出的论证挖掘应用于事实认定的主要困提出具体的应对策略,包括加快法律语料库的建设,构建出开放平衡的法律语料库。通过建立数据化证明标准、构建程式化证据链条、加快一站式证据平台建设等方式完善证据模型系统的应用。总之,对于论证挖掘的研究为事实认定的数字化、自动化、智能化、高效化、科技化提供逻辑模型与进路,为智慧法司法建设提供了新理念、新思路、新方法、新技术。