Core Concepts
논증 강도를 정량적으로 설명하기 위해 논증 간 공격과 지지의 역할을 고려한 새로운 이론을 제안한다.
Abstract
이 논문은 논증 프레임워크(Argumentation Frameworks, AFs)에서 논증의 강도를 정량적으로 설명하는 방법을 제안한다.
기존 연구는 논증의 기여도를 계산하는 방법을 제안했지만, 논증 간 공격과 지지의 역할을 간과했다.
저자들은 게임 이론의 Shapley 값을 활용한 관계 귀속 설명(Relation Attribution Explanations, RAEs)이라는 새로운 이론을 제안한다.
RAEs는 논증 간 공격과 지지 관계가 논증 강도에 미치는 영향을 세부적으로 설명할 수 있다.
저자들은 RAEs가 만족해야 할 다양한 특성을 연구하고, RAEs를 효율적으로 근사할 수 있는 확률적 알고리즘을 제안한다.
사기 탐지와 대규모 언어 모델 사례 연구를 통해 RAEs의 실용성을 보여준다.
Stats
논증 프레임워크에서 논증의 최종 강도는 τ(α)와 P
r∈R ϕα
σ(r)의 합으로 표현된다.
논증 α의 관계 귀속 설명 ϕα
σ(r)은 다음과 같이 계산된다:
ϕα
σ(r) = Σ
S⊆R{r} (|R| - |S| - 1)! |S|! / |R|! * (σS∪{r}(α) - σS(α))
Quotes
"Quantitatively explaining the strength of arguments under gradual semantics has recently received increasing attention."
"We propose a novel theory of Relation Attribution Explanations (RAEs), adapting Shapley values from game theory to offer fine-grained insights into the role of attacks and supports in quantitative bipolar argumentation towards obtaining the arguments' strength."
"We show that RAEs satisfy several desirable properties."