論文の概要: Argument Attribution Explanations in Quantitative Bipolar Argumentation
Frameworks
- arxiv url: http://arxiv.org/abs/2307.13582v1
- Date: Tue, 25 Jul 2023 15:36:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-26 16:28:12.496244
- Title: Argument Attribution Explanations in Quantitative Bipolar Argumentation
Frameworks
- Title（参考訳）: 定量的双極性議論枠組みにおける議論帰属説明
- Authors: Xiang Yin, Nico Potyka, Francesca Toni
- Abstract要約: 我々はemphArgument Attribution Explanations(AAEs)の理論を提案する。
AAEは、関心のエンフォピー的議論に対する議論の影響を決定するために使用される。
我々はAAEsの望ましい性質について研究し、その中には新しいものもいくつか含まれており、一部は文献から我々の設定に部分的に適応している。
- 参考スコア（独自算出の注目度）: 17.9926469947157
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Argumentative explainable AI has been advocated by several in recent years,
with an increasing interest on explaining the reasoning outcomes of
Argumentation Frameworks (AFs). While there is a considerable body of research
on qualitatively explaining the reasoning outcomes of AFs with
debates/disputes/dialogues in the spirit of \emph{extension-based semantics},
explaining the quantitative reasoning outcomes of AFs under \emph{gradual
semantics} has not received much attention, despite widespread use in
applications. In this paper, we contribute to filling this gap by proposing a
novel theory of \emph{Argument Attribution Explanations (AAEs)} by
incorporating the spirit of feature attribution from machine learning in the
context of Quantitative Bipolar Argumentation Frameworks (QBAFs): whereas
feature attribution is used to determine the influence of features towards
outputs of machine learning models, AAEs are used to determine the influence of
arguments towards \emph{topic argument}s of interest. We study desirable
properties of AAEs, including some new ones and some partially adapted from the
literature to our setting. To demonstrate the applicability of our AAEs in
practice, we conclude by carrying out two case studies in the scenarios of fake
news detection and movie recommender systems.
- Abstract（参考訳）: 議論的説明可能なaiは近年、議論フレームワーク(afs)の推論結果を説明することへの関心が高まっている。
議論/論議/対話によるAFの推論結果について,emph{extension-based semantics} の精神で定性的に説明する研究がかなりあるが,emph{gradual semantics} の下での AF の定量的推論結果は,応用に広く用いられているにもかかわらず,あまり注目されていない。
本稿では,このギャップを埋めるために,定量的なバイポーラ調停フレームワーク(QBAF)の文脈において,機械学習の特徴属性の精神を組み込むことにより,「emph{Argument Attribution Explanations(AAEs)」という新しい理論を提案し,機械学習モデルの出力に対する特徴の影響を判断するために特徴属性を用いているのに対し,AAEは興味のある「emph{topic argument}」に対する議論の影響を決定するために使用される。
我々はAAEsの望ましい性質について研究し、その中には新しいものや文献から我々の設定に部分的に適応したものもある。
本研究は,偽ニュース検出と映画のレコメンデータシステムに関する2つのケーススタディを実施し,本手法の有効性を実証する。
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) - Explaining Arguments' Strength: Unveiling the Role of Attacks and Supports (Technical Report) [13.644164255651472]
関係属性説明(RAE)の新理論を提案する。
RAEは、攻撃の役割に関するきめ細かい洞察を提供し、議論の強さを得るための定量的双極性議論を支援する。
不正検出および大規模言語モデルケーススタディにおけるRAEの応用価値を示す。
論文 参考訳（メタデータ） (2024-04-22T16:02:48Z) - CASA: Causality-driven Argument Sufficiency Assessment [79.13496878681309]
ゼロショット因果関係に基づく議論十分性評価フレームワークであるCASAを提案する。
PSは前提イベントの導入が前提イベントと結論イベントの両方が欠落した場合の結論につながる可能性を測っている。
2つの論理的誤り検出データセットの実験により、CASAは不十分な議論を正確に識別することを示した。
論文 参考訳（メタデータ） (2024-01-10T16:21:18Z) - Generation of Explanations for Logic Reasoning [0.0]
この研究は、GPT-3.5-turboを用いて、フォーティオリの議論の分析を自動化することに集中している。
この論文は人工知能と論理的推論の分野に多大な貢献をしている。
論文 参考訳（メタデータ） (2023-11-22T15:22:04Z) - A Unifying Framework for Learning Argumentation Semantics [50.69905074548764]
Inductive Logic Programmingアプローチを用いて、抽象的および構造化された議論フレームワークのアクセシビリティセマンティクスを解釈可能な方法で学習する新しいフレームワークを提案する。
提案手法は既存の議論解法よりも優れており,フォーマルな議論や人間と機械の対話の領域において,新たな研究の方向性が開けることになる。
論文 参考訳（メタデータ） (2023-10-18T20:18:05Z) - A Semantic Approach to Decidability in Epistemic Planning (Extended
Version) [72.77805489645604]
我々は決定可能性を達成するために新しい意味論的アプローチを用いる。
具体的には、知識の論理S5$_n$と(知識)可換性と呼ばれる相互作用公理を拡大する。
我々は,本フレームワークが,独立した知識である共通知識の有限的非固定点的特徴を認めていることを証明した。
論文 参考訳（メタデータ） (2023-07-28T11:26:26Z) - DiPlomat: A Dialogue Dataset for Situated Pragmatic Reasoning [89.92601337474954]
プラグマティック推論は、実生活における会話でしばしば起こる暗黙の意味を解読する上で重要な役割を担っている。
そこで我々は,現実的な推論と会話理解の場所に関するマシンの能力のベンチマークを目的とした,新しい挑戦であるDiPlomatを紹介した。
論文 参考訳（メタデータ） (2023-06-15T10:41:23Z) - Investigating Fairness Disparities in Peer Review: A Language Model
Enhanced Approach [77.61131357420201]
我々は、大規模言語モデル(LM)の助けを借りて、ピアレビューにおける公平性格差の徹底した厳密な研究を行う。
我々は、2017年から現在までのICLR(International Conference on Learning Representations)カンファレンスで、包括的なリレーショナルデータベースを収集、組み立て、維持しています。
我々は、著作者性別、地理、著作者、機関的名声など、興味のある複数の保護属性に対する公平性の違いを仮定し、研究する。
論文 参考訳（メタデータ） (2022-11-07T16:19:42Z) - Exploring Discourse Structures for Argument Impact Classification [48.909640432326654]
本稿では、文脈経路に沿った2つの議論間の談話関係が、議論の説得力を特定する上で不可欠な要素であることを実証的に示す。
本研究では,文レベルの構造情報を大規模言語モデルから派生した文脈的特徴に注入・融合するDisCOCを提案する。
論文 参考訳（メタデータ） (2021-06-02T06:49:19Z) - The Role of Pragmatic and Discourse Context in Determining Argument
Impact [39.70446357000737]
本稿では,議論のこの側面を研究するための新しいデータセットを提案する。
741件の議論の的となり、47,000件以上の主張がある。
議論的クレームの実践的・言論的文脈を取り入れた予測モデルを提案し,そのモデルが,特定の主張行内で個々のクレームが知覚する影響を予測するために,クレーム固有の言語的特徴に依存するモデルより優れていることを示す。
論文 参考訳（メタデータ） (2020-04-06T23:00:37Z)
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。