本文研究了加权阶段性语义,并提供了一个算法来解决加权初始义务以产生所需的论据排序这一问题,并给出了所需的阶段性语义的属性以使算法操作,同时进行了实证评估。
Feb, 2022
基于权重渐进语义的抽象加权基渐进语义提出了一个大型家族,揭示了许多现有语义学的推广,同时保持收敛到唯一不动点等理想属性。而抽象加权(Lp,λ,μ,A)基渐进语义这个子家族,包括了众所周知的语义学,并解决了所述的四个问题。
Jan, 2024
本文讲述了针对逐渐语义中的反问题,使用解析方法而非当前数值方法来识别权重分配问题,从而使得问题可迅速寻找解决方案且具有保证性。同时,本文也证明了几个在前人猜测中重要的性质。
Mar, 2022
本文提出了一个概括的方法来定义渐进论证语义的多值优先解释方式,其中包括有关论据的条件推理和布尔组合,以及有关偏好解释的渐进语义的基于概率的语义,并提出了一个有限值情况下的答案集编程方法来进行多值论证语义的条件推理。
Dec, 2022
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
探索基于排名的语义在结构化论证中的应用行为,展示一类广泛用于排名的语义引发了所谓的可责任性度量,并且在论证构建方法的具体选择上相对稳定。
Jul, 2023
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。
本文介绍了一种基于学习的方法来确定在几个抽象论证语义下论点的接受度。 基于 argumentation graph neural network (AGNN) 学习消息传递算法以预测论点被接受的可能性,并且可以被训练来预测不同语义下的扩展,同时在多扩展语义上使用 AGNN 来指导基本搜索。
Jul, 2020
提供定量解释的关系归因解释(RAEs)理论,适应于计算攻击和支持在定量双极论证中的作用,通过计算归因分数量化解释论点的强度,并且提出了一种概率算法在有效近似 RAEs 的同时,揭示了 RAEs 在欺诈检测和大型语言模型案例研究中的应用价值。
Apr, 2024