[논문 리뷰] Computing Preferred Extensions in Abstract Argumentation: a SAT-based Approach

Federico Cerutti, Paul E. Dunne외 2명|arXiv (Cornell University)|2013. 10. 18.

Multi-Agent Systems and Negotiation참고 문헌 23인용 수 12

한 줄 요약

이 논문은 추상적 논증 프레임워크에서 선호되는 확장(extension)을 계산하기 위한 새로운 SAT 기반 접근법을 제시한다. 문제를 SAT 인스턴스로 환원하고 깊이 우선 탐색을 사용하여 확장을 순환(enumerate)함으로써, 대부분의 테스트 케이스에서 기존 최고 수준의 시스템을 능가하는 성능을 보이며, 두 가지 다른 SAT 솔버를 사용하여 선호되는 확장 순환에 있어 뛰어난 효율성을 입증한다.

ABSTRACT

This paper presents a novel SAT-based approach for the computation of extensions in abstract argumentation, with focus on preferred semantics, and an empirical evaluation of its performances. The approach is based on the idea of reducing the problem of computing complete extensions to a SAT problem and then using a depth-first search method to derive preferred extensions. The proposed approach has been tested using two distinct SAT solvers and compared with three state-of-the-art systems for preferred extension computation. It turns out that the proposed approach delivers significantly better performances in the large majority of the considered cases.

연구 동기 및 목표

• 추상적 논증에서 선호되는 확장을 계산하기 위한 효율적이고 경험적으로 검증된 알고리즘이 부족한 문제를 해결하기 위해.
• Dung의 논증 프레임워크에서 모든 선호되는 확장을 스케일러블하고 고성능으로 순환하기 위한 방법을 개발하기 위해.
• 체계적인 벤치마크와 다양한 테스트 세트를 사용하여 제안된 접근법을 기존 시스템과 비교 평가하기 위해.
• SAT 기반 방법이 안정적(stable) 및 반안정(semi-stable)과 같은 다른 의미론(semantics)으로의 적용 가능성 탐색을 위해.
• 이 접근법을 재귀적 분해 기법(예: SCC-recursive 스키마)에 통합하기 위한 기반을 마련하기 위해.

제안 방법

• 논증 수용 가능성과 충돌 없는 조건을 인코딩하여 완전한 확장(complete extensions)을 계산하는 문제를 SAT 문제로 환원한다.
• 집합 포함 최대화를 통해 선호되는 확장을 체계적으로 유도하기 위해 SAT 해 공간 위에서 깊이 우선 탐색 전략을 사용한다.
• 공격 관계와 확장 성질을 표현하기 위해 논리 공식을 활용하여 선호 의미론 하에서 정확성을 보장한다.
• 다양한 논증 프레임워크에서 성능을 평가하기 위해 두 가지 상용 SAT 솔버를 사용한다.
• 특정 논증이 해에 포함되거나 포함되지 않도록 제약 조건을 설정하여 신뢰적(credulous) 및 회의적(skeptical) 수용을 효율적으로 계산한다.
• 인코딩 규칙를 수정함으로써 안정적 및 반안정과 같은 다른 의미론에 대해 모듈러하고 적응 가능한 방식으로 설계되었다.

실험 결과

연구 질문

• RQ1 SAT 기반 접근법은 추상적 논증 프레임워크에서 모든 선호되는 확장을 효율적으로 순환할 수 있는가?
• RQ2 제안된 SAT 기반 방법의 성능은 기존 최고 수준의 시스템과 비교해 어떻게 되는가?
• RQ3 SAT 기반 접근법은 안정적 또는 반안정과 같은 다른 논증 의미론으로 얼마나 일반화될 수 있는가?
• RQ4 이 방법은 SCC-recursive 스키마와 같은 재귀적 분해 프레임워크에 효과적으로 통합되어 성능을 더욱 향상시킬 수 있는가?
• RQ5 이 방법은 다양한 크기와 구조를 가진 논증 프레임워크에서 어떻게 스케일링되는가?

주요 결과

• 제안된 SAT 기반 접근법은 대부분의 벤치마크 케이스에서 알려진 최고의 전용 알고리즘과 ASPARTIX 시스템을 뛰어넘는 성능을 보였다.
• 무작위로 생성된 프레임워크와 구조화된 프레임워크를 포함한 다양한 테스트 세트에서 더 빠른 계산 시간을 달성했다.
• 두 가지 다른 SAT 솔버를 사용한 결과, 다양한 솔버 구현 환경에서도 이 접근법의 강건성과 확장성(스케일러빌리티)을 확인할 수 있었다.
• SAT 솔버 출력을 제약 조건을 통해 제어함으로써 신뢰적 및 회의적 수용을 효율적으로 계산할 수 있어, 더 넓은 적용 가능성을 시사한다.
• SCC-recursive 스키마와의 통합은 하위 프레임워크의 변수 수를 줄여 놀라운 성능 향상을 가져올 것으로 예상된다.
• 이 방법은 Java 기반 도구인 ConArg와 Dungine보다 강력한 경험적 성능을 보였으며, 이는 대규모 효율성 비교를 위한 설계가 아니기 때문이다.