Fugu-MT 論文翻訳(概要): Aggregating Bipolar Opinions (With Appendix)

論文の概要: Aggregating Bipolar Opinions (With Appendix)

arxiv url: http://arxiv.org/abs/2102.02881v1
Date: Thu, 4 Feb 2021 20:43:30 GMT
ステータス: 処理完了
システム内更新日: 2021-02-08 13:00:16.835382
Title: Aggregating Bipolar Opinions (With Appendix)
Title（参考訳）: Aggregating Bipolar Opinions with Appendix (英語)
Authors: Stefan Lauren and Francesco Belardinelli and Francesca Toni
Abstract要約: ABA(Bipolar Assumption-based Argumentation)は,BAを意味論的に完全に包含する形式である。両極性ABAの関連性については, 正・負の2つの保存結果が得られた。
参考スコア（独自算出の注目度）: 19.899731557360223
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We introduce a novel method to aggregate Bipolar Argumentation (BA) Frameworks expressing opinions by different parties in debates. We use Bipolar Assumption-based Argumentation (ABA) as an all-encompassing formalism for BA under different semantics. By leveraging on recent results on judgement aggregation in Social Choice Theory, we prove several preservation results, both positive and negative, for relevant properties of Bipolar ABA.
Abstract（参考訳）: 議論の中で異なる当事者の意見を表わすバイポーラ・議論(ba)フレームワークを集約する新しい手法を提案する。 ABA(Bipolar Assumption-based Argumentation)は,BAを意味論的に完全に包含する形式である。社会的選択論における判断集約の最近の結果を活用することで、バイポーラABAの関連特性に対して、正と負の2つの保存結果が証明される。

関連論文リスト

Applying Attribution Explanations in Truth-Discovery Quantitative Bipolar Argumentation Frameworks [18.505289553533164]
AAE(Argument Attribution Explanations)とRAE(Relation Attribution Explanations)は、段階的意味論の下での議論の強さを説明するために用いられる。 AAEとRAEをTruth Discovery QBAFに適用し、ソースとそのクレームの信頼性を評価する。 AAEとRAEの両方が興味深い説明を提供し、非自明で驚くべき洞察を与えることができることがわかりました。
論文参考訳（メタデータ） (2024-09-09T17:36:39Z)
CE-QArg: Counterfactual Explanations for Quantitative Bipolar Argumentation Frameworks (Technical Report) [18.505289553533164]
定量的双極性論証フレームワーク (CE-QArg) に対する対実的説明法という反復的アルゴリズムを提案する。 CE-QArgは2つのコアモジュール(極性と優先度)に基づいて有効で費用対効果のある説明を特定できる。本稿では, CE-QArg をランダムに生成した QBAF 上で実証的に評価する。
論文参考訳（メタデータ） (2024-07-11T13:34:11Z)
Instantiations and Computational Aspects of Non-Flat Assumption-based Argumentation [18.32141673219938]
非平坦なABAにおける推論のためのインスタンス化に基づくアプローチについて検討する。非平坦なABAにおける推論のための2つのアルゴリズム的アプローチを提案する。
論文参考訳（メタデータ） (2024-04-17T14:36:47Z)
Polarity Calibration for Opinion Summarization [46.83053173308394]
極性校正は、出力要約の極性と入力テキストの極性を調整することを目的としている。本稿では,製品レビューの要約と政治意見記事の要約という,2種類の意見要約タスクをモデルとして評価する。
論文参考訳（メタデータ） (2024-04-02T07:43:12Z)
Towards Understanding Dual BN In Hybrid Adversarial Training [79.92394747290905]
モデルトレーニングにおけるアフィンパラメータのアンタングリングよりも,アンタングリング統計がより少ない役割を担っていることを示す。本稿では,ハイブリッドAT改善のための実証的基礎と統一的なフレームワークとして機能する2タスク仮説を提案する。
論文参考訳（メタデータ） (2024-03-28T05:08:25Z)
Towards Distribution-Agnostic Generalized Category Discovery [51.52673017664908]
データ不均衡とオープンエンドの分布は、現実の視覚世界の本質的な特性である。我々は,BaCon(Self-Balanced Co-Advice contrastive framework)を提案する。 BaConは、対照的な学習ブランチと擬似ラベルブランチで構成され、DA-GCDタスクを解決するためのインタラクティブな監視を提供するために協力して動作する。
論文参考訳（メタデータ） (2023-10-02T17:39:58Z)
Non-flat ABA is an Instance of Bipolar Argumentation [23.655909692988637]
ABA(Assumption-based Argumentation)は、構造化された議論形式である。 ABAフレームワーク(ABAF)に課される一般的な制限は、それらがフラットであることである。一般、おそらく非平坦なABAFからあらゆる抽象的議論形式への翻訳は存在しない。
論文参考訳（メタデータ） (2023-05-21T13:18:08Z)
PCL: Peer-Contrastive Learning with Diverse Augmentations for Unsupervised Sentence Embeddings [69.87899694963251]
本稿では,多彩な拡張を伴う新しいピアコントラスト学習(PCL)を提案する。 PCLは、教師なし文の埋め込みのために、グループレベルで様々な対照的な正と負を構成する。 PCLはピア陽性のコントラストとピアネットワークの協調が可能である。
論文参考訳（メタデータ） (2022-01-28T13:02:41Z)
Collective Argumentation: The Case of Aggregating Support-Relations of Bipolar Argumentation Frameworks [0.0]
我々は,双極子論証フレームワークのセマンティック特性を集約ルールを用いて解析する。本稿では,バイポーラ議論の枠組みの下では,個人は議論の集合と議論間の攻撃の集合を備えると仮定する。
論文参考訳（メタデータ） (2021-06-22T02:45:10Z)
Statistical Efficiency of Thompson Sampling for Combinatorial Semi-Bandits [56.31950477139053]
半帯域フィードバック(CMAB)を用いたマルチアームバンディットの検討我々は Combinatorial Thompson Smpling Policy (CTS) の変種を解析する。この最終結果は,Y Combinatorial Bandit Policy (ESCB) の効率的なサンプリングに代わるものだ。
論文参考訳（メタデータ） (2020-06-11T17:12:11Z)
M2P2: Multimodal Persuasion Prediction using Adaptive Fusion [65.04045695380333]
本稿では,ディベートアウトカム予測 (DOP) 問題において,誰が討論に勝つかを予測し,IPP (Intensity of Persuasion Prediction) 問題では,講演者の発言前後の投票数の変化を予測する。我々のM2P2フレームワークはIPP問題を解決するためにマルチモーダル(音響、視覚、言語)データを使用した最初のフレームワークです。
論文参考訳（メタデータ） (2020-06-03T18:47:24Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。