Ranking-based Semantics for Abstract Argumentation - Archive ouverte HAL Accéder directement au contenu
Thèse Année : 2017

Ranking-based Semantics for Abstract Argumentation

Sémantique à base de Classement pour l'Argumentation Abstraite

Résumé

Dung’s theory of abstract argumentation is a formalism that represents conflicting information using an argumentation framework. Extension-based semantics have been introduced to determine, given an argumentation framework, the justifiable points of view on the acceptability of the arguments. However, these semantics are not appropriate for some applications. So alternative semantics, called ranking-based semantics, have recently been evolved. Such semantics produces, for a given argumentation framework, a ranking on its arguments from the most ac- ceptable to the least one(s). The overall aim of this thesis is to propose and study ranking-based semantics in the context of abstract argumentation. We first define a new family of ranking-based semantics based on a propagation principle which allow us to control the influence of non-attacked arguments on the acceptability of arguments. We investigate the properties of these semantics, the relationships between them but also with other existing semantics. Then, we provide a thorough analysis of ranking-based semantics in two different ways. The first one is an empirical comparison on randomly generated argumentation frameworks which reveals insights into similarities and differences between ranking-based semantics. The second one is an axiomatic comparison of all these semantics with respect to the proposed properties aiming to better understand the behavior of each semantics. At last, we question the ability of the existing ranking-based semantics to capture persuasion settings and introduce a new parametrized ranking-based semantics which is more appropriate in this context.
La théorie de l’argumentation abstraite de Dung est un formalisme permettant d’utiliser un système d’argumentation afin de représenter des informations conflictuelles. Des sémantiques à base d’extensions ont d’abord été introduites dans le but de déterminer quels arguments peuvent être conjointement acceptés. Cependant, ces sémantiques ne sont pas appropriées pour certaines applications, c’est pourquoi des sémantiques à base de classement, permettant de classer les arguments du plus acceptable au moins acceptable, ont été introduites. Le but de cette thèse est donc de proposer et d’étudier ces sémantiques à base de classement dans le contexte de l’argumentation abstraite. Nous définissons d’abord une nouvelle famille de sémantiques à base de classement basées sur un principe de propagation permettant de contrôler l’influence des arguments non-attaqués sur l’acceptabilité des arguments. Nous étudions les propriétés de ces sémantiques, les relations entre elles ainsi qu’avec d’autres sémantiques existantes. Nous proposons ensuite deux méthodes pour comparer les sémantiques à base de classement. La première est une comparaison empirique sur des systèmes d’argumentation générés aléatoirement donnant un aperçu des similitudes et des différences entre ces sémantiques. La seconde est une comparaison axiomatique de toutes ces sémantiques à la lumière des propriétés proposées visant à mieux comprendre le comportement de chaque sémantique. Enfin, nous remettons en question la capacité des sémantiques existantes à capturer certains principes de persuasion et introduisons une nouvelle sémantique paramétrée à base de classement plus appropriée pour ce contexte précis.
Fichier principal
Vignette du fichier
manuscrit_These_DELOBELLE-Jerome.pdf (2.2 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

tel-01937279 , version 1 (28-11-2018)

Identifiants

  • HAL Id : tel-01937279 , version 1

Citer

Jérôme Delobelle. Ranking-based Semantics for Abstract Argumentation. Artificial Intelligence [cs.AI]. Université d'Artois, 2017. English. ⟨NNT : ⟩. ⟨tel-01937279⟩
108 Consultations
133 Téléchargements

Partager

Gmail Facebook X LinkedIn More