[논문 리뷰] Probabilistic Argumentation with Epistemic Extensions and Incomplete Information

Anthony Hunter, Matthias Thimm|arXiv (Cornell University)|2014. 05. 14.

Multi-Agent Systems and Negotiation참고 문헌 10인용 수 10

한 줄 요약

이 논문은 논증 확률을 논증의 정당화 가능성에 대한 신념 수준으로 해석함으로써 확률적 추론에 지식론적 확장을 도입한다. 확률이 0.5를 초과하면 신념으로 간주한다. Dung의 표준 확장(예: 일관성 및 기초)과 일치하도록 확률 함수에 제약 조건을 제안하며, 더 넓은 모델링을 위해 비표준 제약 조건을 도입하여 더 세밀한 불확실성 처리와 토론에서의 청중 기반 추론을 가능하게 한다.

ABSTRACT

Abstract argumentation offers an appealing way of representing and evaluating arguments and counterarguments. This approach can be enhanced by a probability assignment to each argument. There are various interpretations that can be ascribed to this assignment. In this paper, we regard the assignment as denoting the belief that an agent has that an argument is justifiable, i.e., that both the premises of the argument and the derivation of the claim of the argument from its premises are valid. This leads to the notion of an epistemic extension which is the subset of the arguments in the graph that are believed to some degree (which we defined as the arguments that have a probability assignment greater than 0.5). We consider various constraints on the probability assignment. Some constraints correspond to standard notions of extensions, such as grounded or stable extensions, and some constraints give us new kinds of extensions.

연구 동기 및 목표

• 논증의 구조적 불확실성 대신 논증의 정당화 가능성에 대한 신념 수준으로 확률을 해석하여 추론을 모델링하는 것.
• 확률이 0.5를 초과하는 논증의 집합으로 지식론적 확장을 정의하여 정당화 가능성에 대한 신념을 표현하는 것.
• 지식론적 확장이 고전적 Dung 확장(예: 기초, 안정적)과 일치하도록 보장하는 확률 함수에 대한 제약 조건을 수립하는 것.
• 고전적 의미론을 초월하여 더 풍부한 신념 구조를 모델링할 수 있도록 비표준 확률 제약 조건을 도입하는 것.
• 부분적 확률 할당에 대한 프레임워크를 적용하여 일관성 있는 완성 도구로 엔트로피 최적화를 사용하는 것.

제안 방법

• 각 논증의 확률을 해당 논증의 정당화 가능성(전제 및 추론의 타당성)에 대한 에이전트의 신념으로 해석한다.
• 확률이 0.5를 초과하는 논증의 집합으로 지식론적 확장을 정의한다.
• 일관성 제약 조건 도입: A가 B를 공격하면 P(A) ≤ 1 - P(B)를 만족시키며, 공격 관계와 신념 수준 간의 논리적 일관성을 보장한다.
• 기초 제약 조건 적용: 공격자가 없는 논증의 확률은 1로 설정되며, 이는 기본 수용 가능성과 일치한다.
• 최대 수용성과 엔트로피 최적화를 활용한 확률 함수를 사용하여 부분 확률 할당을 완성한다.
• 표준 시각(고전적 의미론과 일치하는 제약 조건)과 비표준 시각(확장된 모델링을 위한 새로운 제약 조건)을 구분한다.

실험 결과

연구 질문

• RQ1 논증에 할당된 확률이 어떻게 그 논증의 정당화 가능성에 대한 신념 수준으로 해석될 수 있는가?
• RQ2 지식론적 확장과 고전적 Dung 확장(예: 기초, 안정적)이 일치하도록 보장하기 위해 확률 함수에 어떤 제약 조건이 필요한가?
• RQ3 비표준 확률 제약 조건은 고전적 의미론을 초월하여 더 풍부한 신념 구조를 모델링하기 위해 어떻게 프레임워크를 확장하는가?
• RQ4 논증 프레임워크에서 부분적 확률 할당을 어떻게 일관성 있게 완성할 수 있는가?
• RQ5 제약 조건 하에서 유일한 확률 함수를 선택하는 데 엔트로피 최적화가 수행하는 역할은 무엇인가?

주요 결과

• 일관성 제약 조건은 A가 B를 공격하면 P(A) ≤ 1 - P(B)를 만족시키며, 이는 공격 관계와 신념 수준 간의 논리적 일관성을 유지한다.
• 기초 제약 조건은 공격자가 없는 논증에 대해 P(A) = 1을 할당하여 기본 수용 가능성과 일치시키며, 기초 의미론과도 일치한다.
• 주어진 논증 프레임워크에서 그림 4(c)의 확률 함수 P3는 일관성 있고 π5 준수 함수 중에서 엔트로피를 최대화하므로 가장 편향이 없는 선택이다.
• P(A) > 0.5 기반의 지식론적 확장은 고전적 확장보다 더 세밀한 신념 표현을 가능하게 하여 토론에서 청중 수준의 추론을 모델링할 수 있다.
• 제약 조건의 교차 영역 내에서 함수를 선택함으로써 부분 확률 할당의 일관성 있는 완성을 지원하며, 엔트로피 최적화를 통해 타당한 결과를 도출할 수 있다.
• 비표준 지식론적 확장은 대체 제약 조건에서 유도되며, 고전적 의미론이 포괄하지 못하는 신념 구조를 모델링할 수 있도록 하여 토론 및 청중 모델링 적용 가능성을 높인다.