May, 2023

学习基于假设的论证框架

PDF
TL;DR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。
logic-based learningassumption-based argumentationlogic programsexception handlingtransformation rules
发现论文，激发创造
  • 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

  • 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

  • 具有偏好的基于假设的论证

    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

  • 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

  • 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

  • 学习作为推理：可训练的自然逻辑定理证明器用于自然语言推理

    论文介绍了一种基于逆推的推理方法 (abduction)，该方法在自然语言推理中的应用可以有效地提高定理证明器的性能，提高处理语义关系的精度。

    Oct, 2020

  • 学习论证语义的统一框架

    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

  • 抽象论证和答案集编程：纳尔逊逻辑的两面

    本文提出非矛盾推理与强化封闭世界假设两个原则，将逻辑编程和抽象论证框架都用 Nelson 构造逻辑 N4 予以说明，并将它们以一种模块化的方式翻译成构造逻辑，从而形成一种新的蕴涵连接，支持攻击表示通过将这个新的蕴涵与强否定相结合。

    Mar, 2022

  • 利用 ASP 生成和可视化论证框架

    本文提出了一个利用 ASP 构造图形化参数框架的方法。第一步通过一个程序生成基于逻辑的参数集合，第二个程序利用第一个程序的结果来指定参数之间的关系。该方法不仅对于基于实例化的论证提供了一种灵活可扩展的工具，而且还提供了一种新的通用的答案集可视化方法。

    Jan, 2013