[論文レビュー] Probabilistic Argumentation with Epistemic Extensions and Incomplete Information

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

Multi-Agent Systems and Negotiation参考文献 10被引用数 10

ひとこと要約

この論文は、確率を議論の正当化可能性に関する信念の度合いとして解釈することにより、確率的議論における認識論的拡張を導入する。確率が0.5を超える場合、それは信念を示す。Dungの標準的拡張（例：整合性および基礎付け）と整合するように確率関数に制約を課すとともに、より広範なモデリングを可能にする非標準的制約を導入し、より細かく不確実性を扱うことができるとともに、議論における聴衆ベースの推論を実現する。

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.

研究の動機と目的

• 議論の構造的不確実性ではなく、議論の正当化可能性に対する信念の度合として確率を用いて議論をモデル化すること。
• 確率が0.5を超える議論の集合として認識論的拡張を定義し、正当化可能性に関する信念を表現すること。
• 認識論的拡張が古典的Dung拡張（例：グラウンド、安定）と一致するように確率関数に制約を設けること。
• 古典的意味論を超えたより豊かな信念構造のモデリングを可能にするために、非標準的確率的制約を導入すること。
• 部分的な確率割り当てに対して、エントロピー最大化を用いて一貫性のある完成を実現すること。

提案手法

• 各議論の確率を、その議論が正当化可能（前提および導出が有効）であるというエージェントの信念として解釈する。
• 確率が0.5を超える議論の集合として認識論的拡張を定義する。
• 整合性制約を導入：AがBを攻撃する場合、P(A) ≤ 1 - P(B) が成り立つ。これにより、攻撃関係と信念水準の論理的整合性が保たれる。
• 基礎付け制約を適用：攻撃者を持たない議論に対してはP(A) = 1を割り当て、デフォルトで受理可能であることを反映する。
• 最大限のコミットメントとエントロピー最大化確率関数を用いて、部分的な確率割り当てを完成させる。
• 標準的視点（Dungの意味論と一致する制約）と非標準的視点（拡張されたモデリングのための新たな制約）を区別する。

実験結果

リサーチクエスチョン

• RQ1 議論への確率割り当てを、その議論の正当化可能性に関する信念の度合いとしてどのように解釈できるか？
• RQ2 確率関数にどのような制約を課すと、認識論的拡張が古典的Dung拡張（例：グラウンド、安定）と一致するか？
• RQ3 非標準的確率的制約は、古典的意味論を超えて、より豊かな信念構造をモデリングするためにどのように拡張できるか？
• RQ4 部分的な確率割り当てが与えられた議論枠組みにおいて、確率的制約を用いて一貫性を持って完成できるか？
• RQ5 制約のもとで、妥当な確率関数を選択するためにエントロピー最大化が果たす役割は何か？

主な発見

• 整合性制約により、AがBを攻撃する場合、P(A) ≤ 1 - P(B) が成り立つ。これにより、攻撃関係と信念水準の論理的整合性が保たれる。
• 基礎付け制約により、攻撃者を持たない議論に対してP(A) = 1が割り当てられ、デフォルト受理可能性を反映し、グラウンド意味論と整合する。
• 与えられた議論枠組みにおいて、図4(c)の確率関数P3は、整合性およびπ5準拠関数の中でエントロピーを最大にするため、最も偏りのない選択である。
• P(A) > 0.5に基づく認識論的拡張は、古典的拡張よりも信念の表現をより細かく可能にし、議論における聴衆レベルの推論をモデリング可能にする。
• 制約の交差領域（例：整合性およびπ準拠）に属する関数のうち、エントロピー最大化により妥当な結果が得られるため、部分的確率割り当ての完成が可能である。
• 非標準的認識論的拡張は、代替的制約から導かれるため、古典的意味論では捉えきれない信念構造のモデリングが可能となり、説得および聴衆モデリングへの適用性が向上する。