我们提出了一种基于扩展的方法来计算和验证抽象论证系统中的偏好。我们的研究考虑了标准推理问题的逆，即在给定一个抽象论证框架和一组被证明的论证时，计算关于论证的所有可能偏好的方法和算法。我们证明了算法的正当性、完备性和终止性。该研究表明，偏好是在评估阶段（论证的可接受性）之后使用基于扩展的方法确定的，而不是事先声明的。我们的研究集中在基于地面、首选和稳定的语义上，我们发现计算偏好集的复杂度与论证数量呈指数关系，因此描述了一种近似方法和算法来计算偏好，并提供了验证所计算偏好的新算法。我们提供了算法的实施细节（源代码已提供）、用于评估算法的各种实验以及结果的分析。

Mar, 2024

本文介绍了一个新颖的框架，使用归纳逻辑编程方法来以可解释的方式学习几个抽象和结构化的论证框架的可接受语义。通过实证评估，我们证明了我们的框架胜过现有的论证求解器，从而在形式论证和人机对话领域开启了新的未来研究方向。

Oct, 2023

该论文介绍了一个基于 Dung 框架的抽象论证系统，并提出了一个对论证中提出的观点进行渐进式选择的新方法，能够对不同水平的支持进行分区。

Jun, 2011

本文研究了在声称层面下偏好对抽象论证的影响，研究发现了四种处理偏好的减少方法在处理声称扩充论证框架的语义和计算复杂度方面的行为不同，这加强了认为必须谨慎选择处理偏好的观点。

Apr, 2022

本文提出了一个综合性研究，通过对排名语义进行比较和评估，在现有的语义之间揭示了行为差异，以期为论证的过程提供更清晰的指导。

Feb, 2016

本文提出了一种新的模糊标记量化法来评估实际场景中的争论强度，并探讨了其在渐进语义建立中的合理性和重要性。

Jul, 2022

该文以 ASPIC + 形式主义为基础，构建了带偏好的论证的通用框架，并通过改进定义冲突自由的论据集，适应更广泛的逻辑实例化需求。最后，该框架被表明适应塔斯基逻辑实例化并通过古典逻辑审视，证明了该框架的广泛性。

Apr, 2018

本文研究基于 NLP 和大量文本数据得到的自动化 argument mining，评估 argument 质量估计对于不同领域的通用性、与相关 argument mining 任务的相互作用以及情感对于观察到的 argument 强度的影响。作者发现不同领域的训练数据可以提高质量估计的泛化能力，在零样本迁移和多任务实验中，argument quality 在多个方面都能够得到改善，而情感对 argument quality 的影响不如人们普遍认为的那样大。

May, 2022

提出 ABA+，一种新的处理偏好的结构化论证形式，通过直接将关于假设的偏好信息纳入攻击关系中，实现攻击反转。ABA + 保守地扩展了 ABA，并在论证语义与偏好处理之间展现了各种理想的特性。我们还介绍了 “弱逆否命题” 原则，涉及具有规则和偏好的推理，放松了逆否命题的标准原则，同时保证了 ABA + 的额外理想特性。

Oct, 2016

本文研究了抽象论证系统中一种特定的添加新论点的变化，探讨了这种变化对于该论证系统中扩展集合的影响，基于集合基数和包含关系定义了几个结构属性，还提出了一些基于特定论点状态变化的属性，研究了这些属性在两种特定语义下的可行性和优越性。

Jan, 2014