42、基于论证的决策树学习：理论、实践与性能评估

基于论证的决策树学习：理论、实践与性能评估

1. 论证框架基础

论证框架在决策和推理中起着关键作用。以一个具体的论证框架 (AF = \langle{a, b, c, d, e}, {(a, b), (c, b), (c, d), (d, c), (d, e), (e, e)}\rangle) 为例，不同的扩展对应着不同的论证后果态度：
- 可接受集 ：(\varnothing)，({a})，({c})，({d})，({a, c})，({a, d})
- 优选扩展 ：({a, c})，({a, d})
- 稳定扩展 ：({a, d})
- 基扩展 ：({a})
- 完全扩展 ：({a, c})，({a, d})，({a})

理性且持怀疑态度的主体会相信基扩展中的论证，而理性且轻信的主体会相信优选扩展中的论证。

2. 基于论证的决策树学习

将论证框架和可接受性语义引入机器学习，特别是分类问题中，定义了基于论证的学习概念。基于论证的分类假设存在一个任意但固定的论证框架 (AF = \langle Args, attacks\rangle)，其中 (Args) 是一组论证，(attacks) 是 (Args) 中论证之间的攻击关系。同时，定义了一个受众 (aud : Args \to {agree, disagree})，它将论证映射到其可接受状态。

基于论证的决策树学习的目标是找到一个规则，其结论是目标论