Abschlussarbeit

Bachelorarbeit: "Stochastische Lokale Suche in Abstrakter Argumentation mit Heuristiken basierend auf Maschinellen Lernverfahren"

Verfasser/in:
Konrad Drees
Ansprechperson:
Prof. Dr. Matthias Thimm
Status:
abgeschlossen
Jahr:
2023
Download:
Bachelor.Drees

Beschreibung:

Ein abstraktes Argumentationssytem [1,2,3] ist ein abstrakter Formalismus zur Repräsentation von argumentativen Szenarien. Ein Argument wird hier als Knoten in einem gerichteten Graphen dargestellt und ein Angriff von einem Argument auf ein anderes entspricht einer gerichteten Kante. Eine Extension eines solchen abstrakten Argumentationssystems ist eine Menge von Argumenten, die als Lösung des Argumentationsproblems angesehen werden können. Wichtig für die ausgeschriebene Abschlussarbeit ist der Begriff der stabilen Extension. Eine Menge von Argumenten bildet eine stabile Extension, gdw. keine Angriff unter den Argumenten der Extension besteht und alle übrigen Argumente von wenigstens einem Argument der Extension angegriffen wird. Die rechnerische Bestimmung einer stabilen Extension (bzw. die Beantwortung der Frage, ob eine solche Extension überhaupt existiert) ist ein NP-hartes Problem.
In dieser Abschlussarbeit soll das stochastische Verfahren zur Berechnung einer stabilen Extension von [4] mit Heuristiken basierend auf Maschinellen Lernverfahren [5] erweitert werden. Das grundliegende Prinzip von [4] ist es, beginnend von der leeren Menge aus, zufällig gleichverteilt ein Argument aus dem Argumentationssytem auszuwählen, es der aktuellen Menge hinzuzufügen, und alle mit dem neuen Argument inkompatiblen Argumente aus der Menge zu entfernen. Dies wird solange durchgeführt, bis eine stabile Extension gefunden wurde. In dieser Arbeit soll die Auswahl der Argumente nicht zufällig gleichverteilt geschehen, sondern anhand von Maschinellen Lernverfahren [5] vorhergesagt werden. Diese Idee soll in einem System implementiert und im Vergleich mit dem Ansatz [4] evaluiert werden.

[1] Phan Minh Dung. On the Acceptability of Arguments and its Fundamental Role in Nonmonotonic Reasoning, Logic Programming and n-Person Games. Artificial Intelligence 77(2): 321-358, 1995.

[2] Pitro Baroni, Dov Gabbay, Massimiliano Giacomin, Leendert van der Torre (Editors), Handbook of Formal Argumentation (Volume 1), College Publications, 2018.

[3] Dov Gabbay, Massimiliano Giacomin, Guillermo R. Simari, Matthias Thimm (Editors). Handbook of Formal Argumentation (Volume 2). College Publications, 2021.

[4] Matthias Thimm. Stochastic Local Search Algorithms for Abstract Argumentation under Stable Semantics. In Proceedings of the Seventh International Conference on Computational Models of Argumentation (COMMA'18), pages 169-180, 2018.

[5] Isabelle Kuhlmann, Thorsten Wujek, Matthias Thimm. On the Impact of Data Selection when Applying Machine Learning in Abstract Argumentation. In Proceedings of the 9th International Conference on Computational Models of Argument (COMMA'22), 2022.
22.02.2024