論文の概要: Rediscovering Argumentation Principles Utilizing Collective Attacks
- arxiv url: http://arxiv.org/abs/2205.03151v1
- Date: Fri, 6 May 2022 11:41:23 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-09 13:27:51.948210
- Title: Rediscovering Argumentation Principles Utilizing Collective Attacks
- Title(参考訳): 集団攻撃を利用した論証原則の再発見
- Authors: Wolfgang Dvo\v{r}\'ak, Matthias K\"onig, Markus Ulbricht, Stefan
Woltran
- Abstract要約: 我々は、集合攻撃(SETAFs)による論証フレームワークへの原則に基づくアプローチを拡張した。
分析の結果、与えられたSETAF(例えば、方向性やSCC再帰性)の分解に基づく原理の検証は、通常のAFと比較して、さらなる課題をもたらすことが示された。
- 参考スコア(独自算出の注目度): 26.186171927678874
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Argumentation Frameworks (AFs) are a key formalism in AI research. Their
semantics have been investigated in terms of principles, which define
characteristic properties in order to deliver guidance for analysing
established and developing new semantics. Because of the simple structure of
AFs, many desired properties hold almost trivially, at the same time hiding
interesting concepts behind syntactic notions. We extend the principle-based
approach to Argumentation Frameworks with Collective Attacks (SETAFs) and
provide a comprehensive overview of common principles for their semantics. Our
analysis shows that investigating principles based on decomposing the given
SETAF (e.g. directionality or SCC-recursiveness) poses additional challenges in
comparison to usual AFs. We introduce the notion of the reduct as well as the
modularization principle for SETAFs which will prove beneficial for this kind
of investigation. We then demonstrate how our findings can be utilized for
incremental computation of extensions and give a novel parameterized
tractability result for verifying preferred extensions.
- Abstract(参考訳): argumentation Frameworks(AF)は、AI研究における重要なフォーマリズムである。
彼らのセマンティクスは、確立された分析と新しいセマンティクスの開発のためのガイダンスを提供するために特性特性を定義する原則の観点で研究されている。
afsの単純な構造のため、多くの望ましい性質はほぼ自明に保たれ、同時に構文的概念の背後に興味深い概念を隠す。
原則に基づくアプローチを集合攻撃(setafs)を伴う議論フレームワークに拡張し,それらの意味論に関する共通原則の包括的概要を提供する。
分析の結果、与えられたSETAF(例えば、方向性やSCC再帰性)の分解に基づく原理の検証は、通常のAFと比較して、さらなる課題をもたらすことが示された。
この種の調査に有効であることが証明されるSETAFのレダクトの概念とモジュラー化原理を紹介する。
次に,拡張の漸進的計算にこの知見をどのように活用できるかを実証し,望ましい拡張の検証に新しいパラメータ化導出結果を与える。
関連論文リスト
- Iterative Utility Judgment Framework via LLMs Inspired by Relevance in Philosophy [66.95501113584541]
ユーティリティとトピック関連性は、情報検索において重要な手段である。
本稿では,リトリーバル拡張生成のサイクルの各ステップを促進させるために,反復的ユーティリティである JudgmEnt fraMework を提案する。
論文 参考訳(メタデータ) (2024-06-17T07:52:42Z) - Admissibility in Strength-based Argumentation: Complexity and Algorithms
(Extended Version with Proofs) [1.5828697880068698]
我々は、適応性に基づく意味論の強度に基づく論証フレームワーク(StrAF)への適応について研究する。
特に文献で定義された強い許容性は望ましい性質、すなわちDungの基本的な補題を満たさないことを示す。
計算(強弱)拡張に対する擬ブール制約の翻訳を提案する。
論文 参考訳(メタデータ) (2022-07-05T18:42:04Z) - Rationale-Augmented Ensembles in Language Models [53.45015291520658]
我々は、数発のテキスト内学習のための合理化促進策を再考する。
我々は、出力空間における合理的サンプリングを、性能を確実に向上させるキーコンポーネントとして特定する。
有理拡張アンサンブルは既存のプロンプト手法よりも正確で解釈可能な結果が得られることを示す。
論文 参考訳(メタデータ) (2022-07-02T06:20:57Z) - Logical Satisfiability of Counterfactuals for Faithful Explanations in
NLI [60.142926537264714]
本稿では, 忠実度スルー・カウンタファクトの方法論について紹介する。
これは、説明に表される論理述語に基づいて、反実仮説を生成する。
そして、そのモデルが表現された論理と反ファクトの予測が一致しているかどうかを評価する。
論文 参考訳(メタデータ) (2022-05-25T03:40:59Z) - A Principled Design of Image Representation: Towards Forensic Tasks [75.40968680537544]
本稿では, 理論, 実装, 応用の観点から, 法科学指向の画像表現を別の問題として検討する。
理論レベルでは、Dense Invariant Representation (DIR)と呼ばれる、数学的保証を伴う安定した記述を特徴とする、新しい法医学の表現フレームワークを提案する。
本稿では, ドメインパターンの検出とマッチング実験について, 最先端の記述子との比較結果を提供する。
論文 参考訳(メタデータ) (2022-03-02T07:46:52Z) - A Formalisation of Abstract Argumentation in Higher-Order Logic [77.34726150561087]
本稿では,古典的高階論理へのエンコーディングに基づく抽象的議論フレームワークの表現手法を提案する。
対話型および自動推論ツールを用いた抽象的議論フレームワークのコンピュータ支援評価のための一様フレームワークを提供する。
論文 参考訳(メタデータ) (2021-10-18T10:45:59Z) - Entity Concept-enhanced Few-shot Relation Extraction [35.10974511223129]
長尾分布問題において,FSRE (Few-shot relation extract) が重要である。
ほとんどの既存のFSREアルゴリズムは、認識されたエンティティペアと共に文の情報に基づいて関係を正確に分類することができない。
本稿では,エンティティ固有の概念を導入し,関係予測の手がかりを提供する,エンティティ強化型FEw-shot Relation extract scheme(ConceptFERE)を提案する。
論文 参考訳(メタデータ) (2021-06-04T10:36:49Z) - Structural Causal Models Reveal Confounder Bias in Linear Program
Modelling [26.173103098250678]
この現象が自然界においてより一般的なものなのか、つまり古典的な分類タスク以外の敵型攻撃なのかを考察する。
具体的には,線形プログラム(LP)の基本クラスを考える。
構造因果モデル(SCM)のその後のLP最適化に対する直接的な影響を示す。
論文 参考訳(メタデータ) (2021-05-26T17:19:22Z) - On SCC-recursiveness in Quantitative Argumentation [0.0]
SCC再帰性はファジィ拡張セマンティクスに適していることを示す。
SCC再帰性はファジィ拡張セマンティクスを特徴付ける代替手法であることを示す。
論文 参考訳(メタデータ) (2020-06-16T02:33:06Z) - Reasoning about Typicality and Probabilities in Preferential Description
Logics [0.15749416770494704]
標準記述論理の非単調拡張である典型性の優先記述論理を、典型演算子Tを用いて記述する。
この拡張は、有理閉包の概念に対応する最小のモデル意味論に基づいている。
我々は、いわゆる財産相続問題の阻止を避けるために、合理的なクロージャの意味論と構成の強化について検討する。
論文 参考訳(メタデータ) (2020-04-20T14:50:31Z) - Target-Embedding Autoencoders for Supervised Representation Learning [111.07204912245841]
本稿では,対象空間が高次元な純粋教師付き環境における一般化の枠組みを解析する。
我々は、教師付き予測のための目標埋め込みオートエンコーダ(TEA)の一般的なフレームワークのモチベーションと形式化を行い、特徴とターゲットの予測の両方から予測可能なように最適化された中間潜在表現を学習する。
論文 参考訳(メタデータ) (2020-01-23T02:37:10Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。