論文の概要: Argument Attribution Explanations in Quantitative Bipolar Argumentation
Frameworks (Technical Report)
- arxiv url: http://arxiv.org/abs/2307.13582v3
- Date: Fri, 4 Aug 2023 18:03:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-08 20:27:38.595009
- Title: Argument Attribution Explanations in Quantitative Bipolar Argumentation
Frameworks (Technical Report)
- Title(参考訳): 定量的双極性議論フレームワークにおける議論帰属説明(技術報告)
- Authors: Xiang Yin, Nico Potyka, Francesca Toni
- Abstract要約: 本稿では,機械学習による特徴帰属の精神を取り入れたArgument Explanations(AAE)の新たな理論を提案する。
AAEは、興味のある話題の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 extension-based semantics,
explaining the quantitative reasoning outcomes of AFs under 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
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 topic arguments
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。
拡張的セマンティクスの精神における議論・論議・対話によるAFの推論結果について質的に説明する研究がかなりあるが、段階的セマンティクスの下でのAFの定量的推論結果は、アプリケーションで広く使わ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ことに寄与し,AAE(Argument Attribution Explanations)の新たな理論を,定量的なバイポーラ調停フレームワーク(QBAF)の文脈に機械学習の特徴属性の精神を取り入れることで提案する。
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
- 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) - Explainable Topic-Enhanced Argument Mining from Heterogeneous Sources [33.62800469391487]
核エネルギーのような物議を醸す標的が与えられれば、議論の採鉱は異質な情報源から議論のテキストを識別することを目的としている。
現在のアプローチでは、ターゲット関連セマンティック情報を議論テキストに統合するより良い方法を模索している。
提案手法は, トピック・エンハンスな議論マイニング手法である。
論文 参考訳(メタデータ) (2023-07-22T17:26:55Z) - 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) - Explaining Causal Models with Argumentation: the Case of Bi-variate
Reinforcement [15.947501347927687]
因果モデルから議論フレームワーク(AF)を生成するための概念化を導入する。
この概念化は、AFの意味論の望ましい性質を説明型として再解釈することに基づいている。
我々はこれらの論証的説明の理論的評価を行い、それらが望ましい説明的および論証的特性の範囲を満たすかどうかを検討する。
論文 参考訳(メタデータ) (2022-05-23T19:39:51Z) - 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) - What Changed Your Mind: The Roles of Dynamic Topics and Discourse in
Argumentation Process [78.4766663287415]
本稿では,議論の説得力において重要な要因を自動的に分析する研究について述べる。
議論的会話における潜在トピックや談話の変化を追跡できる新しいニューラルモデルを提案する。
論文 参考訳(メタデータ) (2020-02-10T04:27:48Z)
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。