抽象论证中的扩展多样性

论证是人工智能中用于建模和推理关于论证的一个重要主题。在抽象论证中，我们考虑称为论证框架（AF）的有向图，它们表达论证之间的冲突。语义通过称为扩展的概念来定义，这些是满足 AF 中特定关系条件的论证集合。通常，论证中的标准推理不会揭示扩展之间有多大距离。我们基于对称差引入扩展多样性的量化概念，并提供系统的复杂度分类。直观地说，多样性捕捉扩展（即被接受的观点）是仅在边缘上彼此不同，还是代表根本不相容的论证集合。我们研究是否存在 k 多样性扩展，是否存在覆盖特定论证的 k 多样性扩展，以及如何计算最大的 k 使得 AF 存在 k 多样性扩展。我们概述了一个原型系统，并提供了计算多样性水平的评估。