Oct, 2016

具有偏好的基于假设的论证

PDF
TL;DR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。
preferencesstructured argumentationabapreference handlingweak contraposition
发现论文，激发创造
  • 非单调推理的 ABA + 特性

    我们研究 ABA + 的性质，ABA + 是一个扩展了假设为基础的论证（ABA）的形式化，具有偏好处理机制。我们确定了 ABA + 语义表现出的理想特性，这为 ABA + 在论证和非单调推理中满足一些（可以说是）理想的偏好处理原则以及 ABA + 的非单调推理性质奠定了基础。

    Mar, 2016

  • 非扁平假设为基础的论证的实例化和计算方面

    该研究通过使用 ABA 和 BAF 之间的翻译，提出了一种基于实例的方法来推理非平坦的 ABA，并通过识别冗余参数的三种方式来降低计算成本。实证评估表明，这种方法在许多情况下胜过不构建参数的方法，反映了 BAF 推理的复杂度较低。

    Apr, 2024

  • 利用增量式答案集求解在基于假设的论证中进行推理

    本文研究了基于假设的论证（ABA）中逻辑编程碎片中比第二层多项式分层难度的理性推理和优先推理问题的有效算法，利用增量 ASP 求解器中的非平凡反例引导的抽象精化程序。

    Aug, 2021

  • 学习基于假设的论证框架

    本文提出了一种基于逻辑的学习方法，通过利用给定的背景知识从正负样例中生成基于假设的辩证框架，并将这些框架映射到可能是非分层的失败否定的逻辑程序。该方法通过采用转换规则来处理常规规则的例外，其中包括一些从逻辑程序转换规则改编的规则，例如折叠，以及类似于背诵学习和假设引入的其他规则。我们提出了一个应用这些转换规则学习分层框架的通用策略，并还提出了一种处理非分层情况的变体。通过多个示例，我们展示了此方法的优点。

    May, 2023

  • 非扁平 ABA 是二极心论的一个实例

    本文提出了一种双极 AF 语义，借鉴了推理支持的概念，用于实例化 general ABAFs 概念，并证明了在此概念下具有所需的关系。

    May, 2023

  • 基于 ASP 的 ABA 学习

    最近，提出了 ABA 学习作为一种从背景知识、正负样本中绘制基于假设的论证框架的符号机器学习方法。我们提出了一种使用答案集规划来实现 ABA 学习的新方法，以帮助指导 ABA 学习中的死记硬背和泛化。

    Aug, 2023

  • 基于扩展的抽象论证中首选项计算与验证方法

    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

  • 关于非平坦的基于假设的论证和包含失败否定的逻辑规划的对应关系

    通过对非平面 ABA 的扩展，我们建立了假设为 LP 中的不可行否定的稳定模型语义，以及在 LP 中的否定失效头部的集合稳定 ABA 语义之间的对应关系。

    May, 2024

  • 关于基于优先度的论证的可接受性

    本文研究了基于认可度模型的不确定知识推理，通过评估命题的最可接受论点来评估命题的确定性，并探讨了基于直接反论和存在捍卫者两种认可度计算方法，并采用优先级比较方法，构建了支持这两种认可度计算方法的理论框架， 并在分层知识库推理方面进行了实证研究。

    Jan, 2013

  • 基于主张中心观的抽象论证偏好影响研究

    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