Applying Attribution Explanations in Truth-Discovery Quantitative Bipolar Argumentation Frameworks

要約

段階的意味論に基づく議論の強さを説明することへの注目が高まっています。
たとえば、文献内のさまざまな研究では、定量的双極性議論フレームワーク (QBAF) の議論またはエッジの帰属スコアを計算することによって説明が提供されています。
引数属性説明 (AAE) および関係属性説明 (RAE) として知られるこれらの説明では、通常、属性スコアの計算に除去ベースおよびシャプレーベースの手法が使用されます。
AAE と RAE は、非環状 QBAF を使用するいくつかのアプリケーションで有用であることが証明されていますが、環状 QBAF ではまだほとんど解明されていません。
さらに、既存のアプリケーションは AAE または RAE のいずれかのみに焦点を当てる傾向があり、それらを直接比較することはありません。
このペーパーでは、AAE と RAE の両方を、情報源 (Web サイトなど) とその主張 (ウイルスの深刻度など) の信頼性を評価し、複雑なサイクルを特徴とする Truth Discovery QBAF (TD-QBAF) に適用します。
AAE と RAE の両方が興味深い説明を提供し、自明ではない驚くべき洞察を提供できることがわかりました。

要約(オリジナル)

Explaining the strength of arguments under gradual semantics is receiving increasing attention. For example, various studies in the literature offer explanations by computing the attribution scores of arguments or edges in Quantitative Bipolar Argumentation Frameworks (QBAFs). These explanations, known as Argument Attribution Explanations (AAEs) and Relation Attribution Explanations (RAEs), commonly employ removal-based and Shapley-based techniques for computing the attribution scores. While AAEs and RAEs have proven useful in several applications with acyclic QBAFs, they remain largely unexplored for cyclic QBAFs. Furthermore, existing applications tend to focus solely on either AAEs or RAEs, but do not compare them directly. In this paper, we apply both AAEs and RAEs, to Truth Discovery QBAFs (TD-QBAFs), which assess the trustworthiness of sources (e.g., websites) and their claims (e.g., the severity of a virus), and feature complex cycles. We find that both AAEs and RAEs can provide interesting explanations and can give non-trivial and surprising insights.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google