Marcos argumentativos etiquetados

Abstract

El área de la representación del conocimiento y el razonamiento rebatible en Inteligencia Artificial se especializa en modelar el proceso de razonamiento humano de manera tal de establecer qué conclusiones son aceptables en un contexto de desacuerdo. En términos generales, las teorías de la argumentación se ocupan de analizar las interacciones entre los argumentos que están a favor o en contra de una determinada conclusión, para finalmente establecer su aceptabilidad. El objetivo principal del presente trabajo es expandir la capacidad de representación de los marcos argumentativos permitiendo representar las características especiales de lo argumentos, y analizar cómo éstas se ven afectadas por las relaciones de soporte, agregación y ataque que se establecen entre los argumentos de un modelo que representa una determinada discusión argumentativa. Para ello, añadiremos un meta-nivel de información a los argumentos en la forma de etiquetas extendiendo así sus capacidades de representación, y brindaremos las herramientas necesarias para propagar y combinar las etiquetas en el dominio de la argumentación. Finalmente, utilizaremos la información proporcionada por las etiquetas para optimizar el proceso de aceptabilidad de los argumentos y brindar así resultados más refinados.

The area of Artificial Intelligence known as knowledge representation and defeasible reasoning specializes in modeling the human reasoning process so as to establish what conclusions are acceptable in a disagreement context. Generally speaking, argumentation theories deal with the interactions between arguments in favor and against a particular conclusion to establish their acceptability. The main objective of this work is to expand the representation capabilities of argumentative frameworks allowing to represent special characteristics of the arguments, and analyze how they are affected by the relations of support, aggregation and attack established between arguments. To do this, we will add meta-level of information to the arguments in the form of labels extending their representation capabilities, and we provide the necessary tools to propagate and combine the labels in the argumentation domain. Finally, we will use the information provided by the labels to optimize the acceptability determination process, and to provide more refined results.