On Construction and Evaluation of Analogical Arguments for Persuasive Reasoning

ABSTRACT

Analogical reasoning is a complex process based on a comparison between two pairs of concepts or states of affairs (aka. the source and the target) for characterizing certain features from one to another. Arguments which employ this process to support their claims are called analogical arguments. Our goals are to study the structure and the computation for their defeasibility in light of the argumentation theory. Our proposed assumption-based argumentation with predicate similarity ABA^(p) framework can be seen as an extension of assumption-based argumentation framework (ABA), in which not only assumptions can be used but also similarity of predicates is used to support a claim. ABA ^(p) labels each argument tree with an analogical degree and different ways to aggregate numerical values are studied toward gullible/skeptical characteristics in agent reasoning. The acceptability of analogical arguments is evaluated w.r.t. the semantics of abstract argumentation. Finally, we demonstrate that ABA ^(p) captures the argumentation scheme for argument from analogy and provides an explanation when it is used for persuasion.     

Inferring from Inconsistency in Preference-Based Argumentation Frameworks

Argumentation is a promising approach to handle inconsistent knowledge bases, based on the justification of plausible conclusions by arguments. Because of inconsistency, however, arguments may be defeated by counterarguments (or defeaters). The problem is thus to select the most acceptable arguments. In this paper we investigate preference-based acceptability. The basic idea is to accept undefeated arguments and also arguments that are preferred to their defeaters. We say that these arguments defend themselves against their defeaters. We define argumentation frameworks based on that preference-based acceptability. Finally, we study associated inference relations for reasoning with inconsistent knowledge bases.     

基于常识的亲属关系推理模型

常识知识的研究与发展得到了人工智能界的很大重视。文章建立了一个基于常识的人物亲属关系推理模型,研究了亲属关系常识以及人物信息的表示与存储。此外,对实际所要解决的问题进行了总结。     

基于部件模型的定性推理方法

本文阐述了基于部件模型的定性推理方法的基本思想和过程，并对系统行为的因果解释方法进行了分析。     

基于云模型不确定性推理的地图匹配算法

为了解决对于道路网密集且高程变化较大的城市道路地图匹配精度不高的问题,提出一种能够实现定性概念与定量数值之间不确定性转换的云模型地图匹配算法.通过建立云规则和进行基于云模型的不确定性推理,并且结合高程辅助方法来构筑地图匹配模型.云模型可以将定性概念的模糊性与随机性集成到一起,克服了基于模糊逻辑地图匹配算法中隶属度的确定带有主观色彩的不足.仿真试验以城市路网为例,并借助高程辅助的方法进行了分析,结果证明了该算法具有较高的匹配精度.     

基于范例推理的合同网模型

合同网是一类重要的基于竞争机制的协同问题求解模型，它一般不对竞争者范围进行限制，采用广播方式发布任务，消费了大量通讯负载，因此不能保证高的工作效率．为了减少Agent之间的通讯负载和协商时间，提高工作效率，本文在合同网模型中引入范例推理，使用范例推理来确定合适的投标竞争者，缩小问题竞争者范围；同时本文在范例中加入了时间因子和遗忘系数等参数，以及一类特殊的范例，有助于改善合同网协作过程，使得系统具有较好的灵活性和适应性．     

基于线性时序逻辑的多Agent协商推理模型

在多智能体系统中,协商是Agent交互的主要形式.用形式化方法构建了基于线性时序逻辑的协商推理模型,该模型用线性时序逻辑描述在协商过程中Agent所处环境,自身能力、权力、知识、思维等随时间的变化,以及在系统运行时Agent采取异步行为.进一步完善了多Agent系统中自主的协商机制.     

基于综合推理的多媒体语义挖掘和跨媒体检索

为了更准确地进行跨媒体检索,需要挖掘、学习不同类型多媒体对象之间的语义关联,为此提出一种基于综合推理模型的多媒体语义挖掘和跨媒体检索技术.首先根据多媒体对象的底层特征构造推理源,根据多媒体对象的共生关系构造影响源场来进行综合推理,并构造出多媒体语义空间;然后针对不同检索例子,根据伪相关反馈为每一个检索例子自适应地选择不同的榆索方法进行跨媒体检索.为了处理检索例子不在训练集合内的情况,提出了两阶段学习方法完成检索;同时还提出了一种基于日志的长程反馈学习算法,以提高系统性能.实验结果证明,该技术能够准确地挖掘多媒体语义,多媒体文档检索和跨媒体检索效果准确_凡稳定.     

任务级行动序列问题中的定性偏好研究

关注了一类典型行动序列,研究如何在动作集合上存在定性偏好,且偏好集合存在不一致性时开展规划。所考虑的行动序列问题称为任务级COA,以抽象层次的动作为基本要素,所考虑的定性偏好包括静态偏好和时序偏好,所讨论的规划目的是获得最大满意度的COA方案。首先建立了偏好与约束的归一化形式描述,在此基础上形成了COA方案设计算法;进一步,使用计算辩论技术排除偏好集合中的不一致性,形成用户接受度最高的COA方案。文中建立的以定性推理为基础的规划框架,实现了偏好解耦,能够适应不同的领域问题,是以定量计算为基础的传统规划算法的有效补充。通过快速响应卫星成像的COA案例,演示了算法的可行性。     

基于DFL的Agent推理模型

推理是Agent研究的核心问题之一.根据Agent的推理特性,引用DFL理论提出基于动态模糊逻辑(DFL)的Agent推理模型,实现了范例验证系统,即基于动态模糊逻辑(DFL)的Agent推理模型的叮当漫画书城系统.     

Assumption‐Based Argumentation Equipped with Preferences and its Application to Decision Making,Practical Reasoning,and Epistemic Reasoning

The existing approaches that map the given explicit preferences into standard assumption‐based argumentation (ABA) frameworks reveal some difficulties such as generating a huge number of rules. To overcome them, we present an assumption‐based argumentation framework equipped with preferences (p_ABA). It increases the expressive power of ABA by incorporating preferences between sentences into the framework. The semantics of p_ABA is given by extensions, which are maximal among extensions of ABA with regard to the extension ordering “lifted” from the given sentence ordering. As a theoretical contribution of this study, we show that prioritized logic programming can be formulated as a specific form of p_ABA. The advantage of our approach is that not only does p_ABA enable us to express different kinds of preferences such as preferences over rules, over goals, or over decisions by means of sentence orderings but we can also successfully obtain solutions from extensions of the p_ABA expressing the respective knowledge for various applications such as epistemic reasoning, practical reasoning, and decision making with preferences in a uniform and domain‐independent way without suffering from difficulties of the existing approaches.     

基于知识推理的纹饰演化关系发现

通过对传统纹饰的时间、空间、历史等诸多要素的梳理和分析,挖掘其时空演化规律,并探寻一套传承纹饰文化内涵的脉络。提取传统纹饰的视觉特征,以视觉相似度作为纹饰相关度的度量值,并依据纹饰相关属性构建传统纹饰语义网。利用所提的基于知识推理的演化关系发现算法预测传统纹饰的演化过程。以《中国纹样全集》为实验数据,抽取纹饰属性及其关系,整理出不同时期不同地域的纹饰共有1?500个,纹饰之间形成的关系有13?600个,通过实验验证了基于知识推理的传统纹样演化关系发现算法的可行性,并通过可视化呈现更直观地展示了纹饰的演化过程。     

范例推理中基于时序的范例匹配方法模型

用传统的最近邻检索和匹配算法找到的最相似范例，由于时间的变迁，在实际应用中，该范例的解决方案对于新问题的解决不一定是最有用的，因而也不是最优的，为了解决这个问题，本文提出了一种基于时序的范例匹配方法模型，为找到最优相似范例提供了一条有效途径。     

一种新的基于二维云模型不确定性推理的智能控制器

提出一种新型的二维云模型智能控制器结构.这种结构模型是一种本质非线性模型,可以很容易由一组不确定性推理规则构成.分析了一维和二维云模型的非线性映射特性,并给出了基于此结构模型的智能控制器的设计方法及仿真实例.     

基于可信度的辩论模型及争议评价算法

辩论是智能主体间为了消除分歧的一种基于言语的交互行为.由于知识的局限性,争议以及争议内部的陈述通常存在不确定性,因此在对辩论进行建模时需要考虑不确定信息处理问题.提出一种基于可信度的辩论模型（CFA）,该模型将争议表示为由若干前提和一个结论组成的可废止规则,并用对话树描述辩论推演过程.为了表示不确定性推理,引入可信度模型,将争议前提的不确定性和争议之间的攻击强度统一用可信度因子表示.在此基础上,提出计算陈述可信度的争议评价算法,并通过设定可信度阈值确定陈述的可接受性,得出最终辩论结果.最后,用一个实例说明该方法的有效性.该模型可以有效处理不确定信息条件下辩论推理过程,其辩论算法建立在数值计算基础之上,所得出的可接受陈述集在给定可信度阈值条件下是唯一的,可以克服Dung 的抽象辩论框架中扩充语义的不足.     

一种研讨模型

提出了一种研讨模型.该模型用简化的Toulmin模型表示争议内部结构,用Dung的抽象辩论框架的方法定义争议之间的关系,给出了争议可防卫性和陈述可接受性算法.用该模型对已有文献中的实例重新建模,结果表明,该模型能够准确计算陈述可接受性并得出研讨结果.该模型研究出发点是对实际群体研讨建模,但也可以用于非经典逻辑形式系统建模.     

基于随机冲浪模型的XML文摘句子重排

随机冲浪模型;顺序关系;主题相关性;句子重排     

基于云模型的不确定性推理方法

云模型实现了定性概念与其定量表示之间的不确定转换,在云模型基础上构建的规则发生器能有效描述用自然语言表示的定性规则.在单条件单规则发生器基础上,进一步提出双条件单规则发生器的实现算法,给出了云推理系统的体系结构.将基于云模型的不确定性推理方法用于设计电机转速控制系统,并且与模糊推理方法进行了比较,验证了云推理方法的有效性和实用性.     

一种基于产生式规则的不确定推理模板模型的研究

该文针对现有不确定推理模型,结合专家知识不确定性在产生式规则系统中的体现,归纳出一种更接近人类专家处理不确定性和方便人们理解与构造实例模型的不确定推理模板模型。该模板模型可作为现有模型的分析模板和新的基于产生式规则的不确定推理模型研究与构造的基本框架模板。该文详细阐述了该模板模型的组成和工作原理,并用它对现有不确定推理模型进行了实例分析;最后,指出该模板模型各组成子模型的研究方向。     

基于模糊Petri网的三值产生式知识表示及推理

针对传统产生式规则无法进行不确定性知识表示和推理的局限,本文使用三值产生式规则,用-1表示前提、结论和它们之间的不确定性,提出一种基于模糊Petri网的三值产生式知识表示和不确定性推理算法.该算法充分利用推理过程中已得到的中间结论,通过标识和关联矩阵的运算实现高速推理.