基于对象中心的论证式案例检索
人工智能
2025-10-02 v1
摘要
我们介绍了用于案例检索的对象中心注意力论证 (Slot Attention Argumentation for Case-Based Reasoning, SAA-CBR)，这是一种新型神经符号管道，用于图像分类，将基于神经组件的对象中心学习与由抽象论证实现的案例检索 (Abstract Argumentation for Case-Based Reasoning, AA-CBR) 结合。我们探索了将 AA-CBR 与神经组件集成的新方法，包括特征组合策略、基于代表性样本的案例库缩减、新颖的基于计数的部分秩序、针对多类分类的 One-Vs-Rest 策略，以及对支持型 AA-CBR (Supported AA-CBR) 的应用——这是一种AA-CBR的双极变体。我们在 CLEVR-Hans 数据集上表明，SAA-CBR 是一种有效的分类器，与基线模型性能相当。
引用
@article{arxiv.2510.00185,
title = {Object-Centric Case-Based Reasoning via Argumentation},
author = {Gabriel de Olim Gaul and Adam Gould and Avinash Kori and Francesca Toni},
journal= {arXiv preprint arXiv:2510.00185},
year = {2025}
}
备注
Accepted to ArgXAI@ECAI25