Abschlussarbeit

Beschreibung:

Abstrakte Argumentation ist ein stark erforschtes Thema der Künstlichen Intelligenz. Ein häufig genutzter Ansatz sind die Abstrakten Argumentationsgraphen von Dung. Diese Graphen bilden eine Diskussion zwischen zwei Parteien ab, wobei nur die Struktur jener Diskussion wichtig ist. Als grundlegendes Modell wird ein gerichteter Graph genutzt, wobei die Argumente die Knoten sind und ein Angriff von einem Argument auf ein anderes Argument eine Kante ist. Also eine Kante zwischen Argument ‘a’ zu Argument ‘b’ bedeutet, dass ‘a’ ‘b’ attackiert.

Neben den Abstrakten Argumentationsgraphen gibt es auch eine Menge an Erweiterungen jener, um diesen mehr Aussagekraft zu geben. Eine solche Erweiterung sind die Argumentationsgraphen mit Mengenangriffen, bei denen Argumente auch von Mengen von Argumenten attackiert werden können.

Ein großes Problem in der Künstlichen Intelligenz ist unvollständige Information. Im Kontext der Argumentation kann es sein, dass in unseren Daten die Existenz von Argumenten oder Angriffen nicht garantiert werden kann. Diese unvollständige Information führt dazu, dass wir Argumentationsgraphen nicht konstruieren können.
Dieses Problem trifft auch bei den Argumentationsgraphen mit Mengenangriffen auf, deswegen soll in dieser Arbeit untersucht werden, wie ein Argumentationsgraphen mit Mengenangriffen basierend auf unvollständiger Information erstellt werden kann. Dabei sollen Unvollständige Argumentationsgraphen mit Mengenangriffen formal definiert werden und deren formale Eigenschaften untersucht werden. Außerdem soll auch die Komplexität der Schlussfolgerungsprobleme auf diesem neuen Framework bestimmt werden.

[1] Nielsen, S. H., & Parsons, S. (2006, May). A generalization of Dung’s abstract framework for argumentation: Arguing with sets of attacking arguments. In International Workshop on Argumentation in Multi-Agent Systems (pp. 54-73). Berlin, Heidelberg: Springer Berlin Heidelberg.

[2] Flouris, G., & Bikakis, A. (2019). A comprehensive study of argumentation frameworks with sets of attacking arguments. International Journal of Approximate Reasoning, 109, 55-86.

[3] Baumeister, D., Järvisalo, M., Neugebauer, D., Niskanen, A., & Rothe, J. (2021). Acceptance in incomplete argumentation frameworks. Artificial Intelligence, 295, 103470.