用于表示和推理论证正负影响的认识图
人工智能
2020-01-15 v2
摘要
本文引入认识图作为概率论证认识方法的一种推广。在这些图中，一个论证可以在给定程度上被相信或不被相信，从而在确定给定论证的状态时，提供了比标准 Dung 方法更细粒度的替代方案。此外，认识方法的灵活性使我们既能够建模现有语义背后的原理，也能够在需要时完全偏离它们。认识图可以建模攻击与支持以及既非支持也非攻击的关系。其他论证影响给定论证的方式由认识约束表达，这些约束可以以不同程度的具体性限制我们对一个论证的信念。我们能够指定评估论证所依据的规则并且可以包含不相关论证之间的约束，这一事实使得该框架更具上下文敏感性。它还允许更好地建模不完美智能体，这在多智能体应用中可能很重要。
引用
@article{arxiv.1802.07489,
title = {Epistemic Graphs for Representing and Reasoning with Positive and Negative Influences of Arguments},
author = {Anthony Hunter and Sylwia Polberg and Matthias Thimm},
journal= {arXiv preprint arXiv:1802.07489},
year = {2020}
}