From User Preferences to Base Score Extraction Functions in Gradual Argumentation (with Appendix)
King's College London（伦敦国王学院）；Imperial College London（伦敦帝国学院）
本文提出基础分数提取函数，通过用户对论证的偏好映射到基础分数，构建定量双极论证框架，以提升渐进论证的计算工具应用，并探讨其设计与实验评估。
2026-05-14 cs.AI
Abstract Weighted Based Gradual Semantics in Argumentation Theory
University of Aberdeen（阿伯丁大学）；Univ Lyon, UCBL, CNRS, INSA Lyon, LIRIS（里昂大学、里昂第一大学、法国国家科学研究中心、里昂国立应用科学学院、里昂高等信息与系统研究所）
本文提出基于抽象权重的渐进语义，统一多种现有语义，并解决权重求解、映射性质、偏好场景及可接受度空间拓扑四个关键问题。
2024-08-20 cs.AI
Analytical Solutions for the Inverse Problem within Gradual Semantics
University of Aberdeen（阿伯丁大学）；Univ. Artois（阿图瓦大学）；CRIL（朗斯计算机科学研究所）
抽象论证中的渐进语义将系统中的每个论证与数字得分相关联，该得分表示该论证的可接受程度，并且可以从中导出对论证的偏好排序。虽然一些语义在标准论证框架上操作，但许多语义利用加权框架，其中数值初始权重与每个论点相关联。最近的工作已经研究了渐进语义中的逆问题。而不是确定一个参数的论证框架和语义的偏好排序，逆问题的论证框架，一个渐进的语义，和偏好排序作为输入，并确定需要什么样的权重，在框架中的参数，以获得所需的偏好排序。现有的工作已经攻击的逆问题数值，使用寻根算法（二分法），以确定适当的初始权重。在本文中，我们证明了一类渐进语义，分析方法可以用来解决逆问题。与当前最先进的分析方法不同，这种分析方法可以快速找到解决方案，并保证这样做。在获得这个结果时，我们能够证明以前的工作作为证明的几个重要性质。
2022-03-02 cs.AI
Argumentation Semantics for Prioritised Default Logic
King’s College London（伦敦国王学院）
利用结构化论证的ASPIC+框架，赋予优先缺省逻辑（PDL）以论证语义，并证明了论证的结论就是优先缺省扩展. PDL的论证语义将允许论证博弈证明理论应用于PDL中的推理过程，使得接受结论的原因透明，推理过程更直观。这也开辟了基于辩论的分布式推理和代理人之间的沟通与PDL表示的心理态度的可能性。
2015-07-01 cs.AI
Ranking-based Argumentation Semantics Applied to Logical Argumentation (full version)
Open Universiteit（开放大学）；Télécom SudParis（巴黎南泰尔电信学院）；Institut Polytechnique de Paris（巴黎理工学院）；Ruhr-Universität Bochum（波鸿鲁尔大学）
本文系统研究了排序语义在结构化论辩形式体系中的行为，证明一大类排序语义能产生 culpability measures 且对论辩构建方法的选择具有鲁棒性。
2023-07-31 cs.AI
Towards Ranking-based Semantics for Abstract Argumentation using Conditional Logic Semantics
Institute for Web Science and Technologies（网络科学与技术研究所）；University of Koblenz-Landau（科布伦茨-兰道大学）
我们提出了一个新的排名为Dung风格的论证框架的语义与条件逻辑的帮助。使用论证框架的直观翻译来生成条件句，我们可以应用非单调推理系统来生成可能世界的排名。有了这个排名，我们就为我们的论点构建了一个排名。通过对这种基于排名的语义进行一个小的扩展，我们已经满足了对参数进行排名的一些理想属性。
2020-08-05 cs.AI
Interpreting Neural Networks as Gradual Argumentation Frameworks (Including Proof Appendix)
University of Stuttgart（斯图加特大学）
我们发现，一类有趣的前馈神经网络可以被理解为定量论证框架。这种联系在形式论证和机器学习的研究之间建立了一座桥梁。我们将前馈神经网络的语义推广到无环图，并研究了由此产生的计算和语义性质的论证图。事实证明，语义比为论证设置量身定制的现有语义提供了更强的保证。从机器学习的角度来看，这种联系似乎并没有立即帮助。虽然它为一些前馈神经网络提供了直观的含义，但由于其大小和密度，它们仍然难以理解。然而，这种联系似乎有助于将稀疏论证网络形式的背景知识与密集神经网络结合起来，这些网络是为了互补的目的而训练的，也有助于以端到端的方式从数据中学习定量论证框架的参数。
2020-12-10 cs.AI cs.LG cs.NE
A Plausibility Semantics for Abstract Argumentation Frameworks
University of Luxembourg（卢森堡大学）
我们提出并研究了一个简单的排名措施为基础的扩展语义抽象的论证框架的基础上，其通用的实例化默认的知识库和排名结构语义的默认推理。在这种情况下，我们考虑从结构化到逻辑到浅语义实例化的路径。由此产生的合理的JZ扩展语义偏离更传统的方法。
2014-07-16 cs.AI
Credulous and Skeptical Argument Games for Complete Semantics in Conflict Resolution based Argumentation
Comenius University（夸美纽斯大学）
论证是定义非单调形式化的最常用方法之一，针对可废止逻辑程序提出了几种基于论证的语义。最近，提出了一种新的方法，基于冲突解决的概念，但只有声明性语义。本文给出了一个更程序的对应发展怀疑和轻信的论点游戏的完整的语义和健全性和完整性定理，这两个游戏。在此基础上，研究了可废止逻辑程序在多个上下文系统中的分布，并将两种论证博弈应用于多上下文系统。
2014-04-28 cs.AI
Revisiting Vacuous Reduct Semantics for Abstract Argumentation (Extended Version)
University of Hagen（哈根大学）
本文研究抽象论辩框架的空缺归约语义，通过空缺条件细化基础语义，系统概述其组合结果并提供原则继承标准与无争议语义特例分析。
2024-08-26 cs.AI
Verifiability of Argumentation Semantics
Leipzig University（莱比锡大学）；TU Wien（维也纳工业大学）
Dung的抽象论证理论是一种广泛使用的形式主义，用于对冲突信息进行建模并在这种情况下得出结论。因此，知识表示的论证框架（AF）和推理是通过语义提取可接受的集合。所有合理的语义是基于无冲突的概念，这意味着参数是唯一共同接受的，当他们没有连接在AF。在本文中，我们研究的问题，其中信息的无冲突集的顶部需要计算扩展的语义在手。我们引入了一个层次结构的所谓的验证类指定所需的信息量。我们表明，众所周知的标准语义是完全可验证的，通过一定的这样的类。我们的框架还提供了一种方法来研究语义之间的已知语义，从而有助于更抽象地理解不同的功能论证语义提供。
2016-03-31 cs.AI
Technical report of "Empirical Study on Human Evaluation of Complex Argumentation Frameworks"
TU Dresden（德累斯顿工业大学）；Université Libre de Bruxelles（布鲁塞尔自由大学）
在抽象论证中，已经提出了多个论证语义，其允许从给定的论证框架中选择共同可接受的论证集合，即仅基于论证之间的攻击关系。多种论证语义的存在提出了这样一个问题，即这些语义中哪一种最能预测人类如何评价论证。以往的实证认知研究，已经测试了人类如何评估集的参数取决于它们之间的攻击关系已被限制到一个小的一组非常简单的论证框架，使一些语义研究的文献中不能有意义地区分这些研究。在本文中，我们报告的实证认知研究，克服了这些局限性，考虑到12个论证框架的三到八个参数。这些论证框架大多比以往研究中考虑的论证框架更复杂。所有12个论证框架系统地实例化与自然语言参数的基础上，一定的虚构的场景，和参与者都显示了自然语言参数和图形描述的攻击之间的关系。我们的数据表明，接地和CF2语义是最好的预测人类的论点评价。一个详细的分析表明，一部分参与者选择了一个认知上更简单的策略，预测非常好的接地语义，而另一部分的参与者选择了一个认知上更苛刻的策略，主要是预测以及CF2语义。
2019-02-27 cs.AI
On the Intertranslatability of Argumentation Semantics
不同的非单调形式之间的翻译一直是该领域的一个重要课题，特别是了解这些形式提供的知识表示能力。我们提供了这样一个调查中提出的不同语义抽象的论证框架，一个非单调而简单的形式主义，在过去的十年中得到越来越多的兴趣。虽然这些不同的语义的属性现在已经很好地理解了，但关于可译性还没有明确的结果。我们提供这样的翻译wrt。不同的性质，并给出了一些新的复杂性结果，这些结果是一些负面结果的基础。
2014-01-16 cs.AI
Fuzzy Labeling Semantics for Quantitative Argumentation
Sun Yat-sen University（中山大学）；Institute of Logic and Cognition（逻辑与认知研究所）
针对定量论证中单一可接受度评估不足的问题，提出以可接受、可拒绝和不可判定三元组衡量论证强度的模糊标记语义，并给出满足合理性公设的语义类别及其与现有工作的关系。
2023-08-17 cs.AI
Bipolar Weighted Argumentation Graphs
Otto-von-Guericke Universität Magdeburg（马格德堡奥托·冯·格里克大学）
本文讨论了具有双重性的加权论证图的语义，即既包含攻击图又包含支持图。这项工作建立在以前的工作Amgoud，本Naim等。例如，分别给出并比较了仅包含支持关系或仅包含攻击关系的论证图的几种语义。
2016-12-23 cs.AI
An Implementation, Empirical Evaluation and Proposed Improvement for Bidirectional Splitting Method for Argumentation Frameworks under Stable Semantics
Nanjing University（南京大学）；State Key Laboratory for Novel Software Technology at Nanjing University（南京大学计算机软件新技术国家重点实验室）
抽象论证框架是一种形式化的系统，它可以帮助人们从非单调的知识系统中获得结论。在这样一个系统中，论证语义被定义为一组具有某些期望性质的论证，例如，元素之间不冲突。对论证框架进行分割可以有效地加快论证语义的计算速度。关于稳定语义，已经提出了两种方法来以单向或双向的方式分割论证框架。双向分裂的优点是它不依赖于结构，并且与单向分裂不同，它可以用于由单个强连接组件组成的框架。双向分割使用最小切割。在本文中，我们实现和测试的性能的双向分裂方法，以及两种类型的图切割算法。实验数据表明，在大多数情况下，使用最小割不会提高计算稳定语义的性能。因此，我们建议使用平衡切割，而不是最小切割，其中框架被分成两个大小相等的子框架。实验结果表明，使用平衡割进行双向分裂的计算语义的性能显着改善。
2018-08-11 cs.AI
On Looking for Local Expansion Invariants in Argumentation Semantics: a Preliminary Report
Università degli Studi di Perugia（佩鲁贾大学）；Gran Sasso Science Institute（格兰萨索科学研究所）
研究了抽象论证框架中无冲突集和容许集的不变局部扩展算子。这样的运算符直接应用于AF，并且相对于所选择的“语义”（即w.r.t.无冲突/可接受的参数集合中的每一个）。因此，我们得出的定义，AF的鲁棒性的次数，这样的运营商可以应用，而不会产生任何变化，在所选择的语义。
2018-07-30 cs.AI
A Comparative Study of Ranking-based Semantics for Abstract Argumentation
LIPADE；CRIL, CNRS（法国国家科学研究中心）；UPMC Univ Paris 06, CNRS（法国国家科学研究中心）；LIP6, UMR 7606
论证是对一组论点进行评价和比较的过程。比较它们的一种方法是使用基于排序的语义，该语义将参数从最可接受的参数到最不可接受的参数进行排序。最近，一些这样的语义已被独立提出，往往与一些理想的属性。然而，没有一个比较研究，采取更广泛的视角。这就是我们在这项工作中提出的。我们提供了一个一般的比较，所有这些语义方面提出的属性。这允许强调现有语义之间的行为差异。
2016-02-02 cs.AI
Broadening Label-based Argumentation Semantics with May-Must Scales (May-Must Argumentation)
Nagoya Institute of Technology（名古屋工业大学）
在一个给定的论证图中，关于哪一组论证是可接受的语义（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简洁和灵活的确定的可接受性状态的参数，通过分配一个标签，表示接受，拒绝，或未定的每个参数。在这项工作中，我们考虑了一种扩大它的方式，容纳可能-和必须-的条件，一个论点被接受或拒绝，由数量决定的拒绝和接受的攻击论点。我们表明，扩大的标签为基础的语义可以用来表达更温和的不确定性比不一致的可接受性判断时，例如，它可能是一个参数被接受的情况下，当它也可能是这种情况下，它被拒绝。我们确定，发现哪些条件的标签满足每个参数可以是一个不可判定的问题，这有一个不利的影响存在的语义。我们建议通过强制执行标签来解决这个问题，以最大限度地尊重这些条件，同时保持其余必然导致不终止的标签未决定。几种语义将被提出，并将注意到它们之间的关系。最后，我们将触及可能的研究方向，可以进一步追求。
2020-07-13 cs.AI
Relational Argumentation Semantics
Kyoto University（京都大学）
在本文中，我们提出了一个新的角度对论证语义，把它们看作是一个关系数据库。它提供了底层论证图的封装，并允许我们在一个单一的关系视角下理解论证语义，从而产生了关系论证语义的概念。这是通过一种公共的形式语言来理解论证语义的一个方向。我们发现，许多现有的语义，如解释语义，多代理语义，和更典型的语义，已提出了特定的目的，理解关系的角度来看。
2021-04-26 cs.AI cs.DB
Preservation of Semantic Properties during the Aggregation of Abstract Argumentation Frameworks
Sun Yat-sen University（中山大学）；University of Amsterdam（阿姆斯特丹大学）
抽象论证框架可用于在高抽象级别上对代理人的论证立场进行建模，方法是为辩论中考虑的每对论点指出第一个论点是否攻击第二个论点。当对一组参与辩论的主体进行建模时，我们可能希望聚合他们各自的论证框架，以获得一个反映群体共识的单一框架。即使代理人在许多细节上意见不一致，也可能在重要的语义属性上达成高层次的一致，例如给定论点的可接受性。使用社会选择理论的技术，我们分析在什么情况下，这些语义属性同意的个体代理下可以保存聚合。
2017-07-27 cs.AI
A Methodology for Incompleteness-Tolerant and Modular Gradual Semantics for Argumentative Statement Graphs
King’s College London（伦敦国王学院）；Imperial College London（伦敦帝国学院）；New Mexico State University（新墨西哥州立大学）；Washington University in St. Louis（圣路易斯华盛顿大学）
提出一种针对论证陈述图的渐近语义新方法论，能容忍不完备信息并模块化利用QBAFs的GS，通过定义新属性并验证两个实例化的优势，展示了优于现有方法的特点。
2025-08-11 cs.AI
Defense semantics of argumentation: revisit
Zhejiang University（浙江大学）；University of Luxembourg（卢森堡大学）
本文为Dung的抽象论证框架提出基于部分防御概念的防御语义，证明自攻击和3-循环论证可被移除，并引入防御等价与根本等价概念用于论证摘要。
2023-11-22 cs.AI
SMProbLog: Stable Model Semantics in ProbLog and its Applications in Argumentation
KU Leuven（鲁汶大学）
我们介绍SMProbLog，概率逻辑程序设计语言ProbLog的一个推广。ProbLog程序通过为每个子句指定它属于随机抽样程序的概率来定义逻辑程序上的分布，并且这些概率是相互独立的。ProbLog的语义由查询的成功概率给出，其对应于查询在随机抽样程序中成功的概率。当每个随机样本唯一地确定所有逻辑原子的真值时，它是定义良好的。然而，论证问题代表了一个有趣的实际应用，但情况并非总是如此。SMProbLog将ProbLog的语义推广到随机采样程序可能有多个真值分配的设置，并为推理和学习任务实现相应的算法。然后，我们将展示如何使用这种新的框架来推理概率论证问题。因此，本文的主要贡献是：一个更一般的语义ProbLog程序，其实施到一个概率编程框架的推理和参数学习，和一种新的方法，概率论证问题的基础上，这样的框架。
2021-10-07 cs.AI
smProbLog: Stable Model Semantics in ProbLog for Probabilistic Argumentation
KU Leuven（鲁汶大学）
本文提出将概率论证框架解释为概率逻辑程序，针对概率事实无法唯一确定原子真值的问题设计新的 PLP 语义，并实现支持该语义的 smProbLog 系统，为概率论证提供推理与学习工具。
2023-04-17 cs.AI
Aggregative Semantics for Quantitative Bipolar Argumentation Frameworks
Sorbonne Université, CNRS, LIP6（索邦大学、国家科学研究中心、LIP6）
本文提出了一种用于定量双极论证框架的聚合语义，通过三阶段计算方法提高计算的可解释性和参数化程度。
2026-03-06 cs.AI
Defense semantics of argumentation: encoding reasons for accepting arguments
Zhejiang University（浙江大学）；University of Luxembourg（卢森堡大学）
在本文中，我们展示了如何防御关系之间的抽象参数可以用来编码的理由接受参数。在引入防御和防御图的概念后，提出了防御语义和论证图的防御等价的概念，并将防御等价分别与标准等价和强等价进行了比较.然后，基于防御语义，我们定义了接受论点的两种原因，即，直接原因和根本原因，以及论证图的根等价的概念。最后，我们展示了如何根等价的概念，可以用于在论证摘要。
2017-08-02 cs.AI
Some Supplementaries to The Counting Semantics for Abstract Argumentation
Tsinghua University（清华大学）
Dung的抽象论证框架由一组相互作用的论证和一系列用于评估它们的语义组成。这些语义将参数集的幂集划分为两类：扩展和非扩展。为了用特定的语义进行推理，需要采取轻信或怀疑的方法，即一个论点最终被接受，如果它分别在一个或所有扩展中被接受。在我们以前的工作\cite{ref-pu2015counting}中，我们提出了一种新的语义，称为\emph{counting semantics}，它允许一个更细粒度的评估参数，通过统计各自的攻击者和防御者的数量的基础上的参数图和参数游戏。在本文中，我们继续我们以前的工作，提出了一些关于如何选择计数语义的破坏性因素，以及与一些现有的方法，如Dung的经典语义学，一般渐进赋值的关系。最后，一个公理化的角度对排名语义诱导我们的计数语义。
2015-09-11 cs.AI
Fudge: A light-weight solver for abstract argumentation based on SAT reductions
University of Koblenz-Landau（科布伦茨-兰道大学）；University of Brescia（布雷西亚大学）；University of Huddersfield（哈德斯菲尔德大学）
我们提出了福吉，一个抽象的论证求解器，紧密结合可满足性求解技术来解决一系列抽象的论证问题。虽然福吉使用的大多数编码都来自标准的翻译方法，但福吉使用了全新的编码来解决怀疑推理问题。优选的语义和问题WRT。理想语义学
2021-09-07 cs.AI
"Minimal defence": a refinement of the preferred semantics for argumentation frameworks
Dung的抽象论证框架使我们能够仅仅基于对论证集合的“攻击”二元关系来研究论证之间的相互作用。在论证、非单调推理或逻辑编程的背景下，已经提出了解决矛盾信息之间冲突的各种方法，并且可以在Dung的框架内通过适当的语义来捕获。这些语义的一个共同特征是，在某种意义上，人们总是可以最大化可接受的参数集。在本文中，我们建议扩展Dung的框架，以允许我们所谓的“限制”参数的表示：这些参数只应在绝对必要的情况下使用，也就是说，为了支持其他参数，否则将被击败。我们相应地修改Dung的首选语义：一组参数成为可接受的，只有当它包含一个最小的限制参数，最大的无限制参数。
2002-07-08 cs.AI
Well-Founded Argumentation Semantics for Extended Logic Programming
本文定义了扩展逻辑程序设计的论证语义，并证明了它与具有显式否定的良基语义的等价性。我们建立了一个一般的框架，在这个框架中，我们广泛比较这种语义的其他论证语义，包括那些粪，Prakken和Sartor。我们提出了一个一般的辩证证明理论，这些论证语义。
2002-07-10 cs.AI cs.LO
Extending Modular Semantics for Bipolar Weighted Argumentation (Technical Report)
University of Osnabrück, Institute of Cognitive Science（奥斯纳布吕克大学认知科学研究所）
加权双极论证框架为决策支持和社交媒体分析提供了一种工具。参数评估的迭代过程中，考虑到初始权重和攻击和支持关系。直到最近，这些迭代过程的收敛性在循环图中还没有得到很好的理解。Mossakowski和Neuhaus最近介绍了一个统一的不同的方法，并证明了第一次收敛和发散的结果。我们建立在这项工作，简化和推广收敛结果，并补充他们的运行时保证。事实证明，在语义的收敛保证和它们将强度值从初始权重移开的能力之间存在权衡。我们证明，分歧的问题，可以避免没有这种权衡继续语义。语义上，我们扩展了框架的对偶属性，确保攻击和支持关系的对称影响。我们还提出了一个模块化语义的Java实现，并解释了理论思想的实际用途。
2019-03-01 cs.AI
More on extension-based semantics of argumentation
Nanjing University of Aeronautics and Astronautics（南京航空航天大学）；Nanjing Audit University（南京审计大学）
经过几十年的发展，计算论证已经成为人工智能领域中的一个活跃领域。本文考虑了基于可拓的论证的具体语义和抽象语义。具体而言，本文在Grossi和Modgil的工作基础上，研究了抽象论证框架（AAF）的分级扩展语义。首先给出了一个可供选择的基本引理，它通过放松参数约束推广了Grossi和Modgil的相应结果.该引理提供了一个新的保持无冲突性的充分条件，并在容许集与完备扩张之间建立了一个Galois连接，这对于构造一些特殊的扩张具有重要意义.应用这一引理，纠正了Grossi和Modgil工作中的一些缺陷，并给出了各种基于扩张的语义的结构性质和泛可定义性。其次，提出了一种称为约化交模超滤子的算子，它是研究无穷AAF的一个简单而有力的工具。在Dung的抽象论证理论中起核心作用的中立函数和防御函数，在约化满足模任意超滤子上都是分配的。AAF的各种基本语义，包括无冲突语义、可容许语义、完备语义和稳定语义等，在该算子下都是封闭的。基于这一事实，一些应用程序的这些运营商被认为是。特别是，我们提供了一个简单而统一的方法来证明泛可定义的范围相关的语义的家庭。由于本文所考虑的分级具体语义都是相应的非分级具体语义的推广，所以本文所得到的关于它们的所有结果在传统情况下也成立。
2021-05-20 cs.AI
On the Graded Acceptability of Arguments in Abstract and Instantiated Argumentation
University of Groningen（格罗宁根大学）；King's College London（伦敦国王学院）
本文开发了一个正式的理论的程度的理由的论点，这完全依赖于一个论证框架的结构，并可以成功地接口的方法，以实例化的论证。该理论分三步发展。首先，本文介绍了分级概括的两个关键概念的基础Dung的语义：自卫和无冲突。这导致了Dung语义的自然泛化，标准扩展根据它们满足的自卫和无冲突水平而被削弱或加强。本文研究了这些语义的不动点理论，建立了它们的存在性结果。其次，本文展示了如何分级语义很容易提供一种方法，参数排名，提供了一个新的贡献，最近不断增长的研究计划排名为基础的语义。第三，这种新的方法，以参数排名的应用和研究的背景下，实例化的论证框架，并在这样做是占一个简单的形式的累算的参数内的粪范式。最后，该理论与现有的方法进行了详细的比较。
2018-11-08 cs.AI
On the Complexity of the Discussion-based Semantics in Abstract Argumentation
University of Hagen（汉诺威大学）；University of Luxembourg（卢森堡大学）
本文研究了讨论语义下论证强度判定的复杂性，证明其在多项式时间内可解，并通过自动机理论将问题转化为半环自动机的等价性问题。
2026-04-20 cs.AI
An Extension-Based Argument-Ranking Semantics: Social Rankings in Abstract Argumentation Long Version
University of Hagen（哈根大学）；TU Wien（维也纳工业大学）；Vienna University of Economics and Business（维也纳经济大学）
本文提出了一族新的论证排序语义，利用社会排序函数将论证分类细化为怀疑接受、轻信接受和拒绝，并给出了满足该细化性质的充分必要条件。
2024-12-18 cs.AI
Abstractly Interpreting Argumentation Frameworks for Sharpening Extensions
攻击性论证的循环在Dung式论证理论中提出了非平凡的问题，奇数和偶数长度循环之间的明显行为差异是一个值得注意的问题。虽然提出了一些方法来处理它们，以-特别是-使选择可接受的参数在奇数长度的循环时，粪语义可以选择没有，到目前为止，这些问题已经观察到从纯粹的参数图论的角度。相反，我们考虑参数图与参数（例如本体）上的某种格状语义结构。正如我们所展示的，语义-论证图混合理论允许我们应用抽象解释，一个广为人知的方法在静态程序分析，正式论证。这样，即使在一个循环中没有任何论证可以被合理地选择，我们也可以更多地讨论包含它的论证框架的论证可接受性，在某种意义上，我们可以验证这个混合理论中关于语义结构的Dung扩展，以巩固我们对它们的适用性的信心。通过定义的理论，并通过现有的方法进行比较，我们最终发现，无论是粪语义，或替代语义，如cf2，是足够的或有问题的，不仅取决于一个参数图，但也在图中的参数之间的语义关系。
2018-02-05 cs.AI
Collective Argumentation
一个抽象的论证框架，称为集体论证的扩展，其中的攻击关系是直接定义在参数集之间。该扩展被证明是合适的，特别是，用于表示析取逻辑程序的语义。两种特殊类型的集体论证被认为是反对者可以分享他们的论点。
2002-07-14 cs.AI
An argumentation system for reasoning with conflict-minimal paraconsistent ALC
Maastricht University（马斯特里赫特大学）
语义Web是一个开放的分布式环境，在这个环境中，知识和信息的一致性难以保证。在标准的二值语义下，如果知识和信息不一致，则一切都是必然的。次协调逻辑LP的语义提供了一个解决方案。然而，如果可用的知识和信息是一致的，在次协调逻辑LP的三值语义下蕴涵的结论集小于在二值语义下蕴涵的结论集。偏好冲突最小的三值解释消除了这种差异。偏好冲突最小化解释引入了非单调性。为了处理这种非单调性，本文提出了一种基于推理的论证系统。关闭语义场景分支所需的假设形成了论点。导出参数集的稳定扩展对应于冲突最小解释，并且所有冲突最小解释所包含的结论都由所有稳定扩展中的参数支持。
2014-04-30 cs.AI
Cyclic Supports in Recursive Bipolar Argumentation Frameworks: Semantics and LP Mapping
DIMES Department, University of Calabria（卡拉布里亚大学DIMES学院）
本文针对递归双极论证框架中支持循环的语义缺失问题，提出经典语义，通过模块化定义实现从AF语义的简单修改，并用逻辑编程统一刻画。
2024-08-14 cs.AI
Extension-ranking Semantics for Abstract Argumentation Preprint
Artificial Intelligence Group, University of Hagen, Hagen, Germany；Department of Advanced Computing Sciences, Maastricht University, The Netherlands；Department of Computer Science, Open Universiteit, The Netherlands；University of Cape Town, South Africa；Department of Computer Science, TU Dortmund, Dortmund, Germany
本文提出一个基于可接受性的抽象论点集排序通用框架，将Dung的扩展语义推广为扩展排序语义，引入评估原则并结合基础关系构建出一族扩展排序语义，同时调整现有方法用于扩展排序并评估其行为。
2025-04-30 cs.AI
Forecasting Argumentation Frameworks
Imperial College London（帝国理工学院）
我们介绍预测论证框架（FAF），一种新的基于论证的预测方法，最近的判断预测研究。FAF包括更新框架，该框架使（人类或人工）代理能够随着时间的推移争论结果的概率，例如政治选举的获胜者或通货膨胀率的波动，同时标记代理行为中的感知到的非理性，以提高其预测准确性。FAF包括五种论证类型，相当于标准的赞成/反对论证，如在双极论证中，以及新颖的提议论证和增加/减少修正论证。我们适应现有的渐进语义的两极论证，以确定聚合的辩证强度的建议参数和定义非理性行为。然后，我们给出了一个简单的聚合函数，它产生一个最终的群体预测从理性代理的个人预测。我们识别和研究FAF的属性，并进行实证评估，表明FAF有潜力提高参与者的预测准确性。
2022-05-23 cs.AI
Subargument Argumentation Frameworks: Separating Direct Conflict from Structural Dependency
Zhejiang University（浙江大学）
本文提出子论点论证框架（SAFs），通过将直接冲突与结构依赖分离，提升论证表示的表达能力，同时保持与Dung理论的语义兼容性。
2026-04-13 cs.AI
Enacting Social Argumentative Machines in Semantic Wikipedia
Technical University of Cluj-Napoca（克卢日-纳波卡技术大学）
本研究主张将论辩理论与社会网络技术相结合，以进行大规模或大规模的论辩活动。建议的框架允许大规模协作编辑的语义维基百科风格的结构化参数。长期目标是将论证理论的抽象机制应用于基于人类生成的论点的更实际的应用，例如协商民主，商业谈判或自我照顾。ARGNET系统是基于语义MediaWiki框架和论证交换格式（AIF）本体开发的。
2013-04-19 cs.AI
Block Argumentation
Department of Mathematics and Computer Science, University of Perugia（佩鲁贾大学数学与计算机科学系）
我们设想了一个更高层次的双极抽象论证，用于非基本论证，例如：X反驳Y的真诚，事实上Y已经提出了他的论证来得出结论C，通过省略其他不会验证C的事实。涉及这种论证的论证要求我们潜在地将一个论证视为一个连贯的论证块，即一个论证本身可能是一个论证。在这项工作中，我们制定块论证作为一个具体的例子，邓式双极抽象论证的双重性质的论点。我们认为内部一致性的一个论点（ation）下的一组限制，图形（句法）和语义性质，并制定可接受性语义与他们有关。我们发现，经典的可接受性语义一般不持有良好的约束。特别是，未受攻击的论点的可接受性并不总是有道理的。此外，在完全语义中可能不存在唯一的最小成员，因此怀疑（接地）语义可能不是它的子集。为了保留集理论最小语义作为一个子集的完整语义，我们定义半接地语义。通过比较，我们展示了块论证的概念如何进一步概括结构化论证。
2019-01-18 cs.AI cs.LO
SCC-recursiveness in infinite argumentation (extended version)
University of Wiscosin--Madison（威斯康星大学麦迪逊分校）；University of Bari（巴里大学）
本文针对无限论证框架中SCC递归语义失效的问题，提出两种扩展方法，并通过系统评估发现方向性在一般情况下失效但在有限框架中部分成立，推进了无限论证理论。
2025-07-09 cs.AI
Intrinsic Argument Strength in Structured Argumentation: a Principled Approach
Utrecht University（乌得勒支大学）
抽象论证为我们提供了诸如渐进式和Dung语义学等方法，用于在其他论证的潜在攻击之后评估论证。其中一些方法可以将参数的内在强度作为输入，以调节参数之间的攻击效果。这些方法来自抽象论证，只关注论证之间的关系，而不关注论证本身的结构。在结构化论证中，通过从前提开始链接推理规则来构建论证的方式被考虑在内。在本文中，我们研究的方法分配的论点，其内在的力量，根据的前提和推理规则的优势，用于形成说的论点。我们首先定义一组原则，这些原则是强度分配方法可能满足的属性。然后，我们提出了两个这样的方法，并分析它们满足哪些原则。最后，我们提出了一个通用的系统，用于创建新的强度分配方法，并谈到这个系统的属性有关的建议原则。
2021-09-01 cs.AI
A Parameterised Hierarchy of Argumentation Semantics for Extended Logic Programming and its Application to the Well-founded Semantics
论证已被证明是一个有用的工具，在定义基于论证的推理的形式语义时，将证明视为一个过程，在这个过程中，支持者和反对者通过削弱（攻击论点的前提）和反驳（攻击论点的结论）来攻击对方的论点。在本文中，我们制定了各种概念的攻击扩展的逻辑程序的底切和反驳的组合，并定义了一个一般层次的论证语义参数化的攻击的概念选择的支持者和对手。我们证明了语义之间的等价和子集关系，并检查了一些基本性质的一致性和连贯原则，它涉及默认否定和显式否定。最重要的是，我们把现有的语义在我们的层次结构中的文献中提出的，并确定一个特定的论证语义，我们证明等价的次协调有根据的语义明确否定，WFSX $_p$。最后，我们提出了一个一般的证明理论，基于对话树，并表明它是健全的和完整的论证语义。
2003-11-08 cs.AI cs.LO
Rediscovering Argumentation Principles Utilizing Collective Attacks
TU Wien（维也纳工业大学）；Leipzig University（莱比锡大学）
论证框架（AF）是人工智能研究中的一个重要形式。它们的语义已被调查的原则，定义的特征属性，以提供指导，分析建立和发展新的语义。由于AF的结构简单，许多期望的属性几乎是微不足道的，同时在语法概念背后隐藏着有趣的概念。我们扩展的原则为基础的方法与集体攻击的论证框架（SETAFs），并提供了一个全面的概述其语义的共同原则。我们的分析表明，调查原则的基础上分解给定的SETAF（如方向性或SCC递归）提出了额外的挑战相比，通常的AF。我们介绍了简化的概念以及SETAFs的模块化原则，这将证明有利于这种调查。然后，我们展示了我们的研究结果可以用于增量计算的扩展，并给出了一个新的参数化的易处理性结果验证首选的扩展。
2022-05-06 cs.AI
Research Note on Uncertain Probabilities and Abstract Argumentation
University of Brescia（布雷西亚大学）；Cardiff University（卡迪夫大学）；DEVCOM Army Research Laboratory（DEVCOM陆军研究实验室）；Amazon（亚马逊）
国际气候变化专门委员会（IPCC）的第六次评估指出，“过去十年（2010-2019年）累积的二氧化碳净排放量与可能将变暖限制在1.5摄氏度的11个剩余碳预算大致相同（中等置信度）。“这类报告直接为公众话语提供了素材，但诸如信仰和信心程度等细微差别往往被忽视。在本文中，我们提出了一个正式的帐户，允许这样的程度的信念和相关的信心被用来标记参数在抽象的论证设置。从概率论证的其他建议，我们专注于任务的概率推理选择的查询建设佐藤的分布语义已经被证明包括各种情况下，包括贝叶斯网络的语义。借用大量的文献，这样的语义，我们研究如何在实践中处理这些任务时，考虑不确定的概率，并讨论与现有的建议概率论证的连接。
2022-08-23 cs.AI
A matrix approach for computing extensions of argumentation frameworks
在Dung的论证框架理论的意义上，矩阵及其子块被引入到确定各种扩展的研究中。结果表明，每个论证框架都有其矩阵表示，Dung定义的核心语义可以用矩阵的特定子块来表征。此外，利用矩阵的初等置换，得到了一种求给定语义下所有扩张的有效矩阵方法。与已有的图标号算法、约束满足问题算法等不同，矩阵方法不仅将数学思想引入到寻找各种扩展的研究中，而且完全实现了计算所有扩展的目的。
2012-09-10 cs.AI
SCF2 -- an Argumentation Semantics for Rational Human Judgments on Argument Acceptability: Technical Report
International Center for Computational Logic, TU Dresden（德累斯顿工业大学国际计算逻辑中心）；University of Luxembourg（卢森堡大学）
在抽象论证理论中，许多论证语义被提出来评估论证框架。本文基于以下研究问题：哪种语义学与人类对论证可接受性的理性判断相对应？有两个系统的方法来处理这个研究问题：一个规范的角度提供了基于原则的方法，其中语义的评价基于他们的各种规范的理想原则的满意度。一个描述性的角度提供了实证的方法，其中进行认知研究，以确定哪些语义最好地预测人类的判断参数。在本文中，我们结合这两种方法来激发一个新的论证语义称为SCF 2。为了这个目的，我们引入和激励两个新的原则，并表明，没有语义从文献满足他们。我们定义SCF 2，并证明它满足这两个新的原则。此外，我们讨论了最近的实证认知研究的结果，提供额外的支持SCF 2。
2019-08-22 cs.AI cs.LO
Multi-User Personalisation in Human-Robot Interaction: Resolving Preference Conflicts Using Gradual Argumentation
Institut de Robòtica i Informàtica Industrial（机器人与信息技术研究所）；CSIC-UPC（西班牙国家科研学院-巴塞罗那理工大学）；Institut d’Investigació en Intel·ligència Artificial（人工智能研究所）；IIIA-CSIC（人工智能研究所-西班牙国家科研学院）
本文提出MUP-QBAF框架，通过渐进论证解决多用户人机交互中的偏好冲突，提供透明且情境敏感的冲突解决方法。
2026-01-12 cs.AI cs.RO
Implementing Ranking-Based Semantics in ConArg: a Preliminary Report
University of Perugia（佩鲁贾大学）；Gran Sasso Science Institute（格兰萨索科学研究所）
本研究在工具套件ConArg中实现了基于Shapley、Banzhaf等四种计算选择权力指数的排序语义，将计算社会选择的性质迁移至抽象论证框架的论证排序场景，为论证问题处理提供了新的语义支持工具。
2019-08-27 cs.AI
