[논문 리뷰] Probabilistic Argumentation. An Equational Approach

Michael Gabbay, Odinaldo Rodrigues|arXiv (Cornell University)|2015. 03. 18.

Multi-Agent Systems and Negotiation참고 문헌 8인용 수 5

한 줄 요약

이 논문은 추상적 논증 프레임워크를 고전적 명제 논리로 번역함으로써 확률적 추론에 대한 새로운 방정정식 기반 접근법을 제안한다. 이는 모델 기반 확률 할당을 통해 확률 의미론을 도입함으로써, 확률적 해석이 논증 네트워크의 논리적 구조에 의미론적으로 뿌리를 두도록 보장한다. 주요 기여는 논증 네트워크의 동적 및 구조적 특성과 일치하는 확률 의미론을 보장하는 원칙적인, 논리 번역 기반 방법을 제공한다는 점이며, 이는 기존 프레임워크에서 흔히 볼 수 있는 비체계적 확률 할당에 대한 일관된 대안을 제공한다.

ABSTRACT

There is a generic way to add any new feature to a system. It involves 1) identifying the basic units which build up the system and 2) introducing the new feature to each of these basic units. In the case where the system is argumentation and the feature is probabilistic we have the following. The basic units are: a. the nature of the arguments involved; b. the membership relation in the set S of arguments; c. the attack relation; and d. the choice of extensions. Generically to add a new aspect (probabilistic, or fuzzy, or temporal, etc) to an argumentation network can be done by adding this feature to each component a-d. This is a brute-force method and may yield a non-intuitive or meaningful result. A better way is to meaningfully translate the object system into another target system which does have the aspect required and then let the target system endow the aspect on the initial system. In our case we translate argumentation into classical propositional logic and get probabilistic argumentation from the translation. Of course what we get depends on how we translate. In fact, in this paper we introduce probabilistic semantics to abstract argumentation theory based on the equational approach to argumentation networks. We then compare our semantics with existing proposals in the literature including the approaches by M. Thimm and by A. Hunter. Our methodology in general is discussed in the conclusion.

연구 동기 및 목표

• 추상적 논증 프레임워크에 대해 원칙적이고 의미론에 기반한 확률 할당 방법을 개발하기 위해.
• 기존의 확률적 추론 시스템에서 비체계적인 확률 할당 방식의 한계를 해결하기 위해.
• 논증 네트워크의 동적 및 구조적 특성과 일치하는 확률 의미론을 보장하는 체계적인 방법론—'번역을 통한 논리'(Logic by Translation)—를 수립하기 위해.
• 제안된 방정정식 기반 접근법을 Thimm와 Hunter의 프레임워크와 비교하여 개념적 및 기술적 차이점을 부각하기 위해.

제안 방법

• 논증 집합 S와 공격 관계 R로 구성된 추상적 논증 프레임워크 ⟨S, R⟩를, S에 속한 논증들을 원자 명제로 간주하고 R을 바탕으로 논리 방정정식을 생성함으로써 고전적 명제 논리 이론 Δ⟨S,R⟩로 번역한다.
• 공격 관계를 방정정식 제약 조건으로 표현한다: x ↔ ⋀ᵢ ¬yᵢ. 이는 실수 값 의미론에서 확률적 해석을 위해 x = 1 − max{yᵢ}로 재구성된다.
• 단위 구간 [0,1]에서 방정정식 시스템을 해석하며, 0(비수용), 1(수용), 1/2(미결정)의 값을 취하여 클레인의 삼가oz 논리에 대응시킨다.
• 명제 이론 Δ⟨S,R⟩의 고전적 모델에 확률을 할당한 후, 이 확률을 방정정식 제약 조건을 통해 논증 프레임워크로 다시 수출한다.
• 방정정식 시스템 (E3)을 사용하여 논증 수용성과 확률 할당 간의 일관성을 보장함으로써, 더 약한 확률 정의와 구별되는 특징을 확보한다.
• 제안된 방법을 Thimm의 방법과 Hunter의 방법과 비교하여, 강력한 방정정식 (E3)이 일관된 의미론을 확보하는 데 필수적인 개념적 역할을 한다는 점을 강조한다.

실험 결과

연구 질문

• RQ1 논증 네트워크의 동적 및 구조적 특성을 왜곡하지 않고, 추상적 논증 프레임워크에 의미 있는 확률 의미론을 어떻게 할당할 수 있는가?
• RQ2 논리적 번역은 논증 시스템에서 확률적 해석을 어떻게 의미론적으로 뿌리내리게 하는가?
• RQ3 제안된 방정정식 기반 접근법은 Thimm와 Hunter의 기존 확률적 추론 프레임워크와 개념적·기술적으로 어떻게 다를까?
• RQ4 논리적 번역 방법론을 통해 확률 할당이 일관되면서도 논증 의미론과 의미적으로 일치시킬 수 있는가?
• RQ5 강력한 방정식 (E3)은 논증 수용성과 확률 모델 간의 일관성을 확보하는 데 어떤 의미를 지닌다?

주요 결과

• 방정정식 기반 접근법은 논증 네트워크를 고전적 명제 논리로 번역하고, 그 모델에 확률을 할당함으로써 일관되고 의미론에 기반한 확률적 추론 방법을 제공한다.
• 이 방법은 공격 관계의 논리적 구조와 일치하는 확률 할당을 보장하며, x = 1 − max{yᵢ}와 같은 방정정식을 사용해 공격자 상태에 기반한 수용성 정의를 가능하게 한다.
• 이 방법은 Thimm의 방법과 근본적으로 다름. Thimm의 방법은 대칭 노드에 대해 일관되지 않은 값을 允허하지만, 본 방법은 강력한 방정식 (E3)을 요구하여 논증 상태와 확률 간의 일관성을 강제한다.
• 이 방법은 내부(모델 기반) 및 외부(확장 기반) 확률 관점 모두를 지원하며, 특정 조건 하에서 수렴하는 근사 결과를 보여준다.
• 이 프레임워크는 동일한 논리 번역 방법론을 고전 논리에 흐림, 시간성 등 다른 기능을 적용함으로써 확장 가능하다.
• 저자들은 본 방법이 Thimm의 방법처럼 더 약한 부등식에 의존하는 등 다른 시스템에서 흔히 볼 수 있는 기술적 타협을 피함을 입증한다. 이는 확률을 모형 이론적 의미론에 기반시킴으로써 가능하다.