論文の概要: Facets in Argumentation: A Formal Approach to Argument Significance

• arxiv url: http://arxiv.org/abs/2505.10982v1
• Date: Fri, 16 May 2025 08:29:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-19 14:36:14.29608
• Title: Facets in Argumentation: A Formal Approach to Argument Significance
• Title（参考訳）: 論証における顔:論証の意義に対する形式的アプローチ
• Authors: Johannes Fichte, Nicolas Fröhlich, Markus Hecher, Victor Lagerkvist, Yasir Mahmood, Arne Meier, Jonathan Persson,
• Abstract要約: 議論は、議論のモデル化と推論のための人工知能(AI)の中心的なサブ領域である。 意思決定と列挙の推論のための新しい概念(顔)を導入する。 複雑さについて検討し、ファセットを含むタスクが拡張を数えるのよりもはるかに容易であることを示す。
• 参考スコア（独自算出の注目度）: 18.218298349840023
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Argumentation is a central subarea of Artificial Intelligence (AI) for modeling and reasoning about arguments. The semantics of abstract argumentation frameworks (AFs) is given by sets of arguments (extensions) and conditions on the relationship between them, such as stable or admissible. Today's solvers implement tasks such as finding extensions, deciding credulous or skeptical acceptance, counting, or enumerating extensions. While these tasks are well charted, the area between decision, counting/enumeration and fine-grained reasoning requires expensive reasoning so far. We introduce a novel concept (facets) for reasoning between decision and enumeration. Facets are arguments that belong to some extensions (credulous) but not to all extensions (skeptical). They are most natural when a user aims to navigate, filter, or comprehend the significance of specific arguments, according to their needs. We study the complexity and show that tasks involving facets are much easier than counting extensions. Finally, we provide an implementation, and conduct experiments to demonstrate feasibility.
• Abstract（参考訳）: 議論は、議論のモデル化と推論のための人工知能(AI)の中心的なサブ領域である。 抽象的議論フレームワーク(AF)のセマンティクスは、議論の集合(拡張)とそれらの関係、例えば安定あるいは許容可能な条件によって与えられる。 今日の解決者は、拡張の発見、信頼できるか懐疑的な受け入れの決定、カウント、列挙といったタスクを実装している。 これらのタスクはうまくチャート化されているが、決定と数え/数え上げときめ細かい推論の間の領域は、これまでのところ高価な推論を必要としている。 意思決定と列挙の推論のための新しい概念(顔)を導入する。 ファセット (Facet) は、ある拡張 (credulous) に属するが、すべての拡張 (skeptical) に属さない引数である。 ユーザが特定の引数の重要さをナビゲート、フィルタリング、理解しようとする場合、それは最も自然なことです。 複雑さについて検討し、ファセットを含むタスクが拡張を数えるのよりもはるかに容易であることを示す。 最後に、実装を提供し、実現可能性を示す実験を行う。

関連論文リスト

• Critical Thinking: Which Kinds of Complexity Govern Optimal Reasoning Length? [72.70486097967124]
  決定論的有限オートマトン(DFAs)を用いたフレームワークの定式化 正しい解を生成する確率が最大になるような推論トークンが最適に存在することを示す。 新たな問題に対する推論トークンの最適個数を予測し、最適でない回答をフィルタリングすることで、一貫した精度の向上が得られる。
  論文  参考訳（メタデータ） (2025-04-02T17:45:58Z)
• Rejection in Abstract Argumentation: Harder Than Acceptance? [18.299322342860513]
  我々は、否定条件(RC)と呼ばれる拡張から引数を推論するための柔軟な条件を考える。 還元AFは非常に表現力が高く、階層の上位層に自然の問題を引き起こす。
  論文  参考訳（メタデータ） (2024-08-20T09:37:04Z)
• Counterfactual and Semifactual Explanations in Abstract Argumentation: Formal Foundations, Complexity and Computation [19.799266797193344]
  議論ベースのシステムは、意思決定プロセスをサポートしながら説明責任を欠くことが多い。 対実的・半実的な説明は解釈可能性のテクニックである。 本稿では,制約の弱いArgumentation Frameworkにおいて,逆ファクトおよび半ファクトのクエリを符号化可能であることを示す。
  論文  参考訳（メタデータ） (2024-05-07T07:27:27Z)
• A Unifying Framework for Learning Argumentation Semantics [47.84663434179473]
  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)
• AQE: Argument Quadruplet Extraction via a Quad-Tagging Augmented Generative Approach [40.510976649949576]
  本稿では,AQE抽出課題を提案する。 AQEは、クレーム、エビデンス、エビデンスタイプ、スタンスという4つの議論的要素をオールインワンで抽出することができる。 そこで本研究では,四重項タグ付けモジュールを利用した新しい四重項タグ付け拡張手法を提案する。
  論文  参考訳（メタデータ） (2023-05-31T14:35:53Z)
• 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)
• Reinforcement Learning-based Dialogue Guided Event Extraction to Exploit Argument Relations [70.35379323231241]
  本稿では、イベント引数の関係を明示的に活用することで、イベント抽出のためのより良いアプローチを提案する。 我々は増補学習と漸進学習を用いて、多回反復的なプロセスを通じて複数の引数を抽出する。 実験の結果,提案手法は7つの最先端イベント抽出法より一貫して優れていることがわかった。
  論文  参考訳（メタデータ） (2021-06-23T13:24:39Z)
• Necessary and Sufficient Explanations in Abstract Argumentation [3.9849889653167208]
  フォーマルな議論に必要な説明と十分な説明について論じる。 必然性と十分性について研究する: 議論の(非受容性)に何(集合)の議論が必要か、あるいは十分か?
  論文  参考訳（メタデータ） (2020-11-04T17:12:12Z)
• Extracting Implicitly Asserted Propositions in Argumentation [8.20413690846954]
  本研究では,議論において暗黙的に主張された命題,報告された言論,命令文を抽出する手法について検討した。 本研究は,これらのレトリック装置の論証マイニングとセマンティクスに関する今後の研究について報告する。
  論文  参考訳（メタデータ） (2020-10-06T12:03:47Z)
• Aspect-Controlled Neural Argument Generation [65.91772010586605]
  我々は、与えられたトピック、スタンス、アスペクトの文レベル引数を生成するために、きめ細かいレベルで制御できる引数生成のための言語モデルを訓練する。 評価の結果,我々の生成モデルは高品質なアスペクト特異的な議論を生成できることがわかった。 これらの議論は、データ拡張による姿勢検出モデルの性能向上と、逆問題の生成に使用できる。
  論文  参考訳（メタデータ） (2020-04-30T20:17:22Z)

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。