論文の概要: A Methodology for Incompleteness-Tolerant and Modular Gradual Semantics for Argumentative Statement Graphs

• arxiv url: http://arxiv.org/abs/2410.22209v3
• Date: Tue, 28 Jan 2025 12:20:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-29 13:21:19.784580
• Title: A Methodology for Incompleteness-Tolerant and Modular Gradual Semantics for Argumentative Statement Graphs
• Title（参考訳）: 説明文グラフに対する不完全性トレラントおよびモジュール型グラデーショナルセマンティクスの一手法
• Authors: Antonio Rago, Stylianos Loukas Vasileiou, Francesca Toni, Tran Cao Son, William Yeoh,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 15.717458041314194
• License:
• Abstract: Gradual semantics (GS) have demonstrated great potential in argumentation, in particular for deploying quantitative bipolar argumentation frameworks (QBAFs) in a number of real-world settings, from judgmental forecasting to explainable AI. In this paper, we provide a novel methodology for obtaining GS for statement graphs, a form of structured argumentation framework, where arguments and relations between them are built from logical statements. Our methodology differs from existing approaches in the literature in two main ways. First, it naturally accommodates incomplete information, so that arguments with partially specified premises can play a meaningful role in the evaluation. Second, it is modularly defined to leverage on any GS for QBAFs. We also define a set of novel properties for our GS and study their suitability alongside a set of existing properties (adapted to our setting) for two instantiations of our GS, demonstrating their advantages over existing approaches.
• Abstract（参考訳）: グラデーショナルセマンティクス(GS)は、特に、判断予測から説明可能なAIに至るまで、多くの実世界の設定で定量的双極子論証フレームワーク(QBAF)をデプロイする上で、議論において大きな可能性を示している。 本稿では,論理的ステートメントから議論と関係が構築される構造化議論フレームワークであるステートメントグラフのGSを得るための新しい手法を提案する。 我々の方法論は、文献における既存のアプローチとは2つの点で異なる。 まず、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ように、不完全な情報を自然に許容する。 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。 我々はまた、GSの新しい性質のセットを定義し、GSの2つのインスタンス化のために既存のプロパティのセット(設定に合わせて)と一緒にそれらの適合性を研究し、既存のアプローチに対する彼らのアドバンテージを実証する。

関連論文リスト

• Explaining Datasets in Words: Statistical Models with Natural Language Parameters [66.69456696878842]
  本稿では, クラスタリング, 時系列, 分類モデルなど, 自然言語の述語によってパラメータ化される統計モデル群を紹介する。 当社のフレームワークは、ユーザチャット対話の分類、時間の経過とともにどのように進化するかの特徴付け、一方の言語モデルが他方よりも優れているカテゴリを見つけることなど、幅広い問題に適用しています。
  論文  参考訳（メタデータ） (2024-09-13T01:40:20Z)
• Contextualization Distillation from Large Language Model for Knowledge Graph Completion [51.126166442122546]
  我々は、差別的かつ生成的なKGCフレームワークと互換性のあるプラグイン・アンド・プレイ方式であるContextualization Distillation戦略を導入する。 提案手法は,大規模言語モデルに対して,コンパクトで構造的な三重項を文脈に富んだセグメントに変換するように指示することから始まる。 多様なデータセットとKGC技術にわたる総合的な評価は、我々のアプローチの有効性と適応性を強調している。
  論文  参考訳（メタデータ） (2024-01-28T08:56:49Z)
• "You Are An Expert Linguistic Annotator": Limits of LLMs as Analyzers of Abstract Meaning Representation [60.863629647985526]
  文意味構造の解析において, GPT-3, ChatGPT, および GPT-4 モデルの成功と限界について検討した。 モデルはAMRの基本形式を確実に再現でき、しばしばコアイベント、引数、修飾子構造をキャプチャできる。 全体としては,これらのモデルではセマンティック構造の側面を捉えることができるが,完全に正確なセマンティック解析や解析をサポートする能力には重要な制限が残されている。
  論文  参考訳（メタデータ） (2023-10-26T21:47:59Z)
• Context-aware feature attribution through argumentation [0.0]
  我々はCA-FATA (Context-Aware Feature Attribution Through Argumentation) と呼ばれる新しい特徴属性フレームワークを定義する。 我々のフレームワークは、各特徴を、予測を支援したり、攻撃したり、中和したりできる議論として扱うことによって、議論の力を利用する。
  論文  参考訳（メタデータ） (2023-10-24T20:02:02Z)
• 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)
• Towards Feasible Counterfactual Explanations: A Taxonomy Guided Template-based NLG Method [0.5003525838309206]
  対実的説明 (cf-XAI) は、あるクラスから別のクラスへ結果を変更するのに必要な特徴値の最小限の変更を記述する。 多くのcf-XAI法はこれらの変化の可能性を無視している。 自然言語におけるcf-XAI提示のための新しいアプローチ(Natural-XAI)を提案する。
  論文  参考訳（メタデータ） (2023-10-03T12:48:57Z)
• MURMUR: Modular Multi-Step Reasoning for Semi-Structured Data-to-Text Generation [102.20036684996248]
  多段階推論を用いた半構造化データからテキストを生成するための,ニューロシンボリックなモジュラーアプローチであるMURMURを提案する。 WebNLG や LogicNLG のような2つのデータ・テキスト生成タスクについて実験を行った。
  論文  参考訳（メタデータ） (2022-12-16T17:36:23Z)
• Can Unsupervised Knowledge Transfer from Social Discussions Help Argument Mining? [25.43442712037725]
  本稿では,教師なし,議論型対話型知識の課題を克服するために,新しい伝達学習戦略を提案する。 本研究では,ChangeMyViewのサブレディットからの議論に富んだ社会的な議論を,教師なしの議論型知識の源泉として活用する。 本稿では,提案手法を補完する,コンポーネント間関係予測のための新しいプロンプトベースの戦略を提案する。
  論文  参考訳（メタデータ） (2022-03-24T06:48:56Z)
• AGM Belief Revision, Semantically [1.7403133838762446]
  最小限の変化のパラダイムを実装した信念修正演算子の汎用的モデル理論的特徴付けを確立する。 我々の特徴づけはすべてのタルスキア論理、すなわち古典的なモデル理論のセマンティクスを持つ全ての論理に適用できる。
  論文  参考訳（メタデータ） (2021-12-27T07:53:21Z)
• DeepA2: A Modular Framework for Deep Argument Analysis with Pretrained Neural Text2Text Language Models [7.132217701156598]
  本稿では,既存の事前学習言語モデル (PTLM) を用いたディープ引数解析 (DeepA2) を実現するための多次元モジュラーフレームワークを提案し,実装する。 我々は、ディープ引数分析のための合成コーパスを作成し、この新しいデータセットと既存のデータ、特にEntailmentBankに基づいてArgumentAnalystを評価します。 私たちの経験的発見は、全体的なフレームワークを象徴し、モジュール化された設計の利点を強調します。
  論文  参考訳（メタデータ） (2021-10-04T15:24:07Z)
• Infusing Finetuning with Semantic Dependencies [62.37697048781823]
  シンタックスとは異なり、セマンティクスは今日の事前訓練モデルによって表面化されないことを示す。 次に、畳み込みグラフエンコーダを使用して、タスク固有の微調整にセマンティック解析を明示的に組み込む。
  論文  参考訳（メタデータ） (2020-12-10T01:27:24Z)

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。

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。