通过刻画子图形式化概率论证语义：理论与实证结果
人工智能
2017-10-25 v2
摘要
在现有文献中，虽然基于蒙特卡洛模拟技术的近似方法已被提出用于计算概率论证的语义，但如何在不使用模拟技术的情况下提高计算效率仍然是一个开放问题。本文从以下两个角度来解决这个问题。首先，在概念层面，我们定义了特定的属性来刻画 PrAG 相对于给定外延的子图，使得一个论证集合 E 成为一个外延的概率可以根据这些属性来定义，而无需（或较少）构造子图。其次，在计算层面，我们以优先语义为例，开发了算法来评估我们方法的效率。结果表明，我们的方法不仅显著减少了计算 p(E^\sigma) 的时间，而且具有一个与现有方法相反的吸引人的特性：PrAG 的边越密集或给定外延 E 的规模越大，我们的方法计算 p(E^\sigma) 的效率就越高。同时，我们证明了在完备语义和优先语义下，确定 p(E^\sigma) 的问题是固定参数可处理的。
引用
@article{arxiv.1608.00302,
title = {Formulating Semantics of Probabilistic Argumentation by Characterizing Subgraphs: Theory and Empirical Results},
author = {Beishui Liao and Kang Xu and Huaxin Huang},
journal= {arXiv preprint arXiv:1608.00302},
year = {2017}
}
备注
First version submitted to JLC on Feb 12, 2016. This is the final version, accepted by JLC on Nov 28, 2016