定量双极论证框架中的论证归因解释（技术报告）
摘要：关于量化论证框架（AFs）的定性推理结果解释方面，存在大量的相关研究，采用了基于扩展语义的辩论/争议/对话等方法。然而，在渐进语义下解释AFs的定量推理结果方面，并没有得到充分的关注，尽管在应用中广泛使用。本文通过将机器学习中的特征归因理论融入到量化双极论证框架（QBAFs）的背景中，提出了一种新的论证归因解释理论（AAEs）：特征归因用于确定特征对机器学习模型输出的影响，而AAEs用于确定论证对感兴趣的主题论证的影响。我们研究了AAEs的理论属性，包括一些新的属性和一些从文献中部分引用的属性。为了展示我们AAEs在实践中的适用性，我们在虚假新闻检测和电影推荐系统的场景中进行了两个案例研究。
作者：Xiang Yin, Nico Potyka, Francesca Toni
论文ID：2307.13582
分类：Artificial Intelligence
分类简称：cs.AI
提交时间：2023-08-08