归因解释在真值发现量化双极论证框架中的应用
人工智能
2024-09-10 v1
摘要
在渐进语义下解释论证的强度正受到越来越多的关注。例如，文献中的多项研究通过计算量化双极论证框架（QBAF）中论证或边的归因分数来提供解释。这些解释被称为论证归因解释（AAE）和关系归因解释（RAE），通常采用基于移除和基于Shapley值的技术来计算归因分数。虽然AAE和RAE已在无环QBAF的若干应用中证明有效，但它们在循环QBAF中仍基本未被探索。此外，现有应用往往仅关注AAE或RAE中的一种，而未对二者进行直接比较。本文中，我们将AAE和RAE同时应用于真值发现QBAF（TD-QBAF），该框架用于评估信息源（如网站）及其声明（如病毒的严重程度）的可信度，并具有复杂的循环结构。我们发现，AAE和RAE都能提供有意义的解释，并能给出非平凡且令人惊讶的洞见。
引用
@article{arxiv.2409.05831,
title = {Applying Attribution Explanations in Truth-Discovery Quantitative Bipolar Argumentation Frameworks},
author = {Xiang Yin and Nico Potyka and Francesca Toni},
journal= {arXiv preprint arXiv:2409.05831},
year = {2024}
}
备注
This paper has been accepted at ArgXAI Workshop 2024