Graph Convolutional Networks and Graph Attention Networks for Approximating Arguments Acceptability — Technical Report

要約

抽象的な議論に対して効率的な計算アプローチを提供するために、さまざまなアプローチが提案されています。
その中でも、ニューラル ネットワークは、特に議論 (信用または懐疑) の受け入れ可能性に関連するさまざまな意思決定の問題を解決できるようになりました。
この研究では、この研究をさまざまな方法でさらに推し進めます。
まず、最先端のアプローチ AFGCN を利用して、実行時間と精度の両方に関してグラフ畳み込みネットワーク (GCN) のパフォーマンスを向上させる方法を示します。
次に、代わりにグラフ アテンション ネットワーク (GAT) を使用してネットワークのアーキテクチャを変更することで、アプローチの効率をさらに向上させることが可能であることを示します。

要約(オリジナル)

Various approaches have been proposed for providing efficient computational approaches for abstract argumentation. Among them, neural networks have permitted to solve various decision problems, notably related to arguments (credulous or skeptical) acceptability. In this work, we push further this study in various ways. First, relying on the state-of-the-art approach AFGCN, we show how we can improve the performances of the Graph Convolutional Networks (GCNs) regarding both runtime and accuracy. Then, we show that it is possible to improve even more the efficiency of the approach by modifying the architecture of the network, using Graph Attention Networks (GATs) instead.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google