用于近似论证可接受性的图卷积网络与图注意力网络——技术报告
人工智能
2024-09-26 v1
摘要
为抽象论证提供高效计算方法，人们已经提出了多种途径。其中，神经网络已被用于解决各种决策问题，特别是与论证（轻信或怀疑）可接受性相关的问题。在这项工作中，我们从多个方面进一步推进了该研究。首先，依托于最先进的方法 AFGCN，我们展示了如何在运行时间和准确率两方面改进图卷积网络 (GCN) 的性能。然后，我们表明通过修改网络架构，改用图注意力网络 (GAT)，可以进一步提高该方法的效率。
引用
@article{arxiv.2404.18672,
title = {Graph Convolutional Networks and Graph Attention Networks for Approximating Arguments Acceptability -- Technical Report},
author = {Paul Cibier and Jean-Guy Mailly},
journal= {arXiv preprint arXiv:2404.18672},
year = {2024}
}
备注
15 pages, 2 figures. Submitted to the 10th International Conference on Computational Models of Argument (COMMA 2024)