AFRA:递归攻击的论证框架
本研究提出了一种基于原则的方法来探究 Argumentation Frameworks with Collective Attacks (SETAFs) 的语义,并提供了常见原则的综合概述,利用所得结果为增量计算提供了新的可行性结果。
May, 2022
本文介绍了一种并行计算的算法,用于枚举抽象论证框架的优先扩展,并采用 SCC - 递归语义定义模式,该算法在大型框架中表现出显着的性能改进,发现的解决方案数量和速度提高了。
Nov, 2014
本研究探讨了基于 Argumentation Framework 的框架和 Partial Stable Models 之间的关系,证明每个基于 AF 的框架 Delta 都可以被翻译成一个逻辑程序 P_Delta,而不同的 Delta 语义扩展可以对应于 P_Delta 的不同 PSM 子集。该研究为新的基于 AF 的框架的语义定义提供了可能性,例如带有递归攻击和递归演绎支持的 AFs。
Aug, 2020
本文致力于研究基于强度的论证框架中附加性的新义和双扩展的计算方法,提出了基于伪布尔约束的新的求解方法,并进行模拟实验,证明了该方法可行且可扩展。
Jul, 2022
本文报道了一项经验认知研究,该研究提出了 12 个抽象论证框架,旨在比较不同的论证语义在人类论证评估中的有效性,结果表明基于场景语境和 CF2 语义的抽象论证语义最能符合人类论证评估行为。
Feb, 2019
本文介绍了一种名为 Forecasting Argumentation Frameworks 的基于论证的新型预测方法,它包括五种不同类型的论据,其中包括了提案论证和增减修正论证,以提高预测精度,并对其进行了实证研究。
May, 2022
该论文将 Normal Logic Programs(NLPs)和 Sets of Attacking Arguments(SETAF)互相转换,并证明了它们在语义上的等价性,特别是 L-stable 和 semi-stable semantics 的等价性。此外,论文还证明了 Redundancy-Free Atomic Logic Programs(RFALPs)是与 NLPs 等价的,并通过一系列已知的程序转换对任何 NLP 进行了等价的 RFALP 转换。这些结果进一步加深了我们对 NLPs 和 SETAFs 本质上是相同形式的理解。
Jul, 2024
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