論文の概要: Instantiations and Computational Aspects of Non-Flat Assumption-based Argumentation
- arxiv url: http://arxiv.org/abs/2404.11431v2
- Date: Fri, 24 May 2024 13:42:44 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-27 20:27:27.311751
- Title: Instantiations and Computational Aspects of Non-Flat Assumption-based Argumentation
- Title(参考訳): 非フラットな仮定に基づく論証の確立と計算的側面
- Authors: Tuomo Lehtonen, Anna Rapberger, Francesca Toni, Markus Ulbricht, Johannes P. Wallner,
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 18.32141673219938
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Most existing computational tools for assumption-based argumentation (ABA) focus on so-called flat frameworks, disregarding the more general case. In this paper, we study an instantiation-based approach for reasoning in possibly non-flat ABA. We make use of a semantics-preserving translation between ABA and bipolar argumentation frameworks (BAFs). By utilizing compilability theory, we establish that the constructed BAFs will in general be of exponential size. In order to keep the number of arguments and computational cost low, we present three ways of identifying redundant arguments. Moreover, we identify fragments of ABA which admit a poly-sized instantiation. We propose two algorithmic approaches for reasoning in possibly non-flat ABA. The first approach utilizes the BAF instantiation while the second works directly without constructing arguments. An empirical evaluation shows that the former outperforms the latter on many instances, reflecting the lower complexity of BAF reasoning. This result is in contrast to flat ABA, where direct approaches dominate instantiation-based approaches.
- Abstract(参考訳): 仮定に基づく議論(ABA)のための既存の計算ツールのほとんどは、より一般的なケースを無視して、いわゆるフラットフレームワークに焦点を当てている。
本稿では,非平坦なABAにおける推論に対するインスタンス化に基づくアプローチについて検討する。
ABAとバイポーラ議論フレームワーク(BAF)のセマンティックス保存翻訳を利用する。
コンパイル可能性理論を利用することで、構築されたBAFが一般に指数関数のサイズになることを示す。
議論の数と計算コストを低く抑えるために、冗長な議論を識別する3つの方法を提案する。
さらに,ポリサイズインスタンス化を許容するABAの断片を同定する。
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。
第1のアプローチはBAFインスタンス化を利用し、第2のアプローチは引数を構築することなく直接動作する。
経験的評価は、BAF推論の複雑さが低いことを反映して、前者が後者を多くのケースで上回っていることを示している。
この結果は、直接アプローチがインスタンスベースのアプローチを支配しているフラットなABAとは対照的である。
関連論文リスト
- BRiTE: Bootstrapping Reinforced Thinking Process to Enhance Language Model Reasoning [78.63421517563056]
大規模言語モデル(LLM)は複雑な推論タスクにおいて顕著な機能を示した。
本稿では,新しいグラフィカルモデルを用いてLLM推論を定式化する統一確率的フレームワークを提案する。
本稿では,Bootstrapping Reinforced Thinking Process (BRiTE)アルゴリズムについて述べる。
論文 参考訳(メタデータ) (2025-01-31T02:39:07Z) - A Methodology for Incompleteness-Tolerant and Modular Gradual Semantics for Argumentative Statement Graphs [15.717458041314194]
文グラフの文法的意味論を得るための新しい手法を提案する。
まず、不完全な情報を自然に扱えるので、部分的に指定された前提を持つ議論が評価において意味のある役割を果たす。
第2に、QBAFの任意のGSを利用するようにモジュール的に定義されている。
論文 参考訳(メタデータ) (2024-10-29T16:38:35Z) - A Comparative Study on Reasoning Patterns of OpenAI's o1 Model [69.08287909042421]
OpenAIのo1モデルは、ほとんどのデータセットで最高のパフォーマンスを実現しています。
また、いくつかの推論ベンチマークについて詳細な分析を行う。
論文 参考訳(メタデータ) (2024-10-17T15:09:03Z) - On the Correspondence of Non-flat Assumption-based Argumentation and Logic Programming with Negation as Failure in the Head [20.981256612743145]
非平坦なABAとLPの対応性を示す。
次に、この結果を、もともと双極性ABAと呼ばれる非平坦なABAの断片に対して定義された、いわゆる集合安定ABA意味論に拡張する。
本稿では,LP の集合安定セマンティクスを頭の中の失敗として定義し,集合安定な ABA セマンティクスとの対応を示す。
論文 参考訳(メタデータ) (2024-05-15T15:10:03Z) - 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) - Argumentative Explanations for Pattern-Based Text Classifiers [15.81939090849456]
文分類のためのパターンベースロジスティック回帰(PLR)という,特定の解釈可能なモデルの説明に焦点をあてる。
本稿では,AXPLRを提案する。AXPLRは,計算論法を用いて説明文を生成する新しい説明法である。
論文 参考訳(メタデータ) (2022-05-22T21:16:49Z) - Harnessing Incremental Answer Set Solving for Reasoning in
Assumption-Based Argumentation [1.5469452301122177]
仮定に基づく議論(ABA)は、中心的な構造化された議論形式である。
近年のASPの進歩により、ABAのNPハード推論タスクを効率的に解けるようになった。
論文 参考訳(メタデータ) (2021-08-09T17:34:05Z) - Approximation Algorithms for Sparse Principal Component Analysis [57.5357874512594]
主成分分析(PCA)は、機械学習と統計学において広く使われている次元削減手法である。
スパース主成分分析(Sparse principal Component Analysis)と呼ばれる,スパース主成分負荷を求める様々な手法が提案されている。
本研究では,SPCA問題に対するしきい値の精度,時間,近似アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-06-23T04:25:36Z) - A Generic First-Order Algorithmic Framework for Bi-Level Programming
Beyond Lower-Level Singleton [49.23948907229656]
Bi-level Descent Aggregationは、汎用的な双方向最適化のためのフレキシブルでモジュール化されたアルゴリズムフレームワークである。
LLS条件なしでBDAの収束を証明する新しい手法を導出する。
我々の研究は、BDAが特定の一階計算モジュールの検証と互換性があることも示している。
論文 参考訳(メタデータ) (2020-06-07T05:18:50Z) - Lower bounds in multiple testing: A framework based on derandomized
proxies [107.69746750639584]
本稿では, 各種コンクリートモデルへの適用例を示す, デランドマイズに基づく分析戦略を提案する。
これらの下界のいくつかを数値シミュレーションし、Benjamini-Hochberg (BH) アルゴリズムの実際の性能と密接な関係を示す。
論文 参考訳(メタデータ) (2020-05-07T19:59:51Z) - On the Convergence Rate of Projected Gradient Descent for a
Back-Projection based Objective [58.33065918353532]
我々は、最小二乗(LS)の代替として、バックプロジェクションに基づく忠実度項を考える。
LS項ではなくBP項を用いることで最適化アルゴリズムの繰り返しを少なくすることを示す。
論文 参考訳(メタデータ) (2020-05-03T00:58:23Z)
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。