专栏首页arxiv.org翻译专栏用“可能-必须”规模扩展基于标签的论证语义(cs AI)
原创

用“可能-必须”规模扩展基于标签的论证语义(cs AI)

语义作为这组参数在给定论证图形特征可能是可接受的(可接受性语义)可以用几种不同的方式来表征。其中,基于标签的方法允许通过分配指示每个参数接受,拒绝或不确定的标签来简明而灵活地确定参数的可接受状态。在这项工作中,我们考虑了一种通过适应可能被接受或被拒绝的论点的可能和必要条件来扩大其范围的方法,该条件由被拒绝和被接受的攻击性论证的数量决定。我们证明了当在以下的情况中,基于标签的扩展语义可以比可接受性判断表达更温和的不确定性参数可能被接受,参数也可能被拒绝。我们也发现找到标签满足每个参数的条件可能是一个不确定的问题,这对语义有不利的影响。我们的建议是通过强制使用标签以最大程度地尊重条件来解决此问题,同时保留其他可能导致未终止的未确定标签。

原文题目:Broadening Label-based Argumentation Semantics with May-Must Scales

原文:The semantics as to which set of arguments in a given argumentation graph may be acceptable (acceptability semantics) can be characterised in a few different ways. Among them, labelling-based approach allows for concise and flexible determination of acceptability statuses of arguments through assignment of a label indicating acceptance, rejection, or undecided to each argument. In this work, we contemplate a way of broadening it by accommodating may- and must- conditions for an argument to be accepted or rejected, as determined by the number(s) of rejected and accepted attacking arguments. We show that the broadened label-based semantics can be used to express more mild indeterminacy than inconsistency for acceptability judgement when, for example, it may be the case that an argument is accepted and when it may also be the case that it is rejected. We identify that finding which conditions a labelling satisfies for every argument can be an undecidable problem, which has an unfavourable implication to semantics. We propose to address this problem by enforcing a labelling to maximally respect the conditions, while keeping the rest that would necessarily cause non-termination labelled undecided.

原文作者:Ryuta Arisaka,Takayuki Ito

原文地址:https://arxiv.org/abs/2001.05730

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 学习从图像推断用户界面属性(cs CV)

    我们探索了一个学习推断用户界面属性的新领域,这将有助于开发人员自动执行用户界面实现过程。更具体来说,给定一个设计师创建的输入图像,我们学习推断它的实现,当渲染时...

    DANDAN用户6837186
  • CONSAC:基于条件样本一致性的鲁棒多模型拟合(CS CV)

    本文提出了一种基于噪声测量的多参数模型的鲁棒估计方法。应用包括在人造场景中寻找多个消失点,将平面拟合到建筑图像中,或在同一序列中估计多个刚性运动。与以往的多模型...

    DANDAN用户6837186
  • 高维度世界中的高维度大脑:来自维数的祝福(cs AI)

    高维度的数据和现实中的高维度表示是现代人工智能系统和机器学习应用程序的固有特征。众所周知的“维数诅咒”现象指出:在高维中,许多问题会成倍地增加困难。最近,事情的...

    DANDAN用户6837186
  • 开源ALNS 自适应大邻域搜索(Adaptive Large Neighborhood Search)

    This package offers a general, well-documented and tested implementation of the ...

    用户1908973
  • 使用深度学习序列预测光伏发电,并注意序列模型(CS)

    (住宅)光伏(PV)电力作为分布式能源的普及率不断提高,给电力基础设施带来了许多挑战。我们迫切需要高质量、通用的工具来提供准确的电力生产预测。在本文中,我们提出...

    孙孙孙
  • How AI is Changing the Future of Web Development?

    How Artificial Intelligence is changing the future of web development? What is t...

    用户4822892
  • uva-----11292 The Dragon of Loowater

    Problem C: The Dragon of Loowater Once upon a time, in the Kingdom of Loowater, ...

    Gxjun
  • 扒虫篇- Bug日志 Ⅷ

    不执行的原因是 在VC中使用这个ImageUploaderManager时,需要设置为全局变量,如果是局部变量的话,很快会被销毁掉,其中的代理自然不会执行了。

    進无尽
  • 【论文推荐】最新6篇图像描述生成相关论文—语言为枢纽、细粒度、生成器、注意力机制、策略梯度优化、判别性目标

    【导读】专知内容组整理了最近六篇图像描述生成(Image Caption)相关文章,为大家进行介绍,欢迎查看! 1. Unpaired Image Captio...

    WZEARW
  • UVA 11292 Dragon of Loowater(简单贪心)

    Problem C: The Dragon of Loowater Once upon a time, in the Kingdom of Loowater, ...

    Angel_Kitty

扫码关注云+社区

领取腾讯云代金券