[论文解读] A Tutorial for Weighted Bipolar Argumentation with Continuous Dynamical Systems and the Java Library Attractor

Nico Potyka|arXiv (Cornell University)|Jan 1, 2018

Multi-Agent Systems and Negotiation参考文献 23被引用 7

一句话总结

本文提出了一种基于连续动力系统的加权双极性论证方法，通过微分方程建模论证强度的演化过程，平衡初始权重、对0的攻击力以及对1的支持力。本文介绍了Attractor Java库，用于实现、基准测试和比较连续模型，展示了在循环图中快速收敛的性能，并通过可视化动态过程提升了论证语义的可解释性，实现了可复现且可扩展的研究。

ABSTRACT

Weighted bipolar argumentation frameworks allow modeling decision problems and online discussions by defining arguments and their relationships. The strength of arguments can be computed based on an initial weight and the strength of attacking and supporting arguments. While previous approaches assumed an acyclic argumentation graph and successively set arguments' strength based on the strength of their parents, recently continuous dynamical systems have been proposed as an alternative. Continuous models update arguments' strength simultaneously and continuously. While there are currently no analytical guarantees for convergence in general graphs, experiments show that continuous models can converge quickly in large cyclic graphs with thousands of arguments. Here, we focus on the high-level ideas of this approach and explain key results and applications. We also introduce Attractor, a Java library that can be used to solve weighted bipolar argumentation problems. Attractor contains implementations of several discrete and continuous models and numerical algorithms to compute solutions. It also provides base classes that can be used to implement, to evaluate and to compare continuous models easily.

研究动机与目标

• 通过提出用于论证强度计算的连续动力系统，解决离散模型在循环论证图中的局限性。
• 提供一个稳健且可扩展的软件框架，用于实现和比较加权双极性论证中的连续模型。
• 通过标准化工具和实用程序，实现连续论证模型的可复现实验和基准测试。
• 通过改进收敛性和可微性特性，系统性地将离散模型转化为连续、可微的对应形式。
• 通过可视化论证强度随时间的连续演化，支持可解释人工智能。

提出的方法

• 使用连续时间微分方程建模论证强度的演化，平衡对初始权重的吸引、对0的攻击力以及对1的支持力。
• 将二次能量模型定义为一种避免离散模型（如QuAD和DF-QuAD）中常见饱和问题的连续动力系统。
• 在Attractor库中实现数值求解器（如RK4、欧拉法），以近似求解微分方程组。
• 在Attractor中使用基类抽象模型和算法实现，便于轻松扩展和比较新的连续模型。
• 集成随机图生成器（如Barabasi-Albert）以生成基准BAGs，用于评估收敛性和性能。
• 提供绘图和实用工具，用于可视化论证强度的演化过程，并分析不同模型和图规模下的运行时统计。

实验结果

研究问题

• RQ1 连续动力系统是否能在具有数千个论证的循环加权双极性论证框架中，提供稳定且收敛的论证强度计算？
• RQ2 与离散模型（如QuAD、DF-QuAD）相比，连续模型在收敛速度、稳定性以及避免饱和效应方面表现如何？
• RQ3 不同的数值积分方法（如RK4与欧拉法）对连续论证模型的准确性和性能有何影响？
• RQ4 在多大程度上可以系统性地将离散论证模型转化为具有改进理论性质的连续、可微分对应形式？
• RQ5 Attractor库是否能在实践中作为标准化且可扩展的平台，用于基准测试和比较连续论证模型？

主要发现

• 尽管缺乏普遍的收敛性保证，连续动力系统在包含数千个论证的大规模循环论证图中仍能实现快速收敛。
• 二次能量模型避免了QuAD等离散模型中常见的饱和问题，后者会导致强度为1的论证使其他攻击者或支持者失效。
• Attractor库支持连续模型的高效计算、可视化和基准测试，支持多种数值求解器和随机图生成。
• 实验表明，连续模型在实践中表现出亚二次收敛速度，即使在复杂的循环图中也显示出强大的经验稳定性。
• 论证强度的连续演化过程可随时间可视化，从而增强最终可接受性评分的可解释性和可理解性。
• 基于欧拉法的离散模型（如欧拉语义）可被转化为连续、可微分的更新规则，在保持关键语义的同时提升了鲁棒性。