Counterfactual and Semifactual Explanations in Abstract Argumentation: Formal Foundations, Complexity and Computation

近年来，可解释的人工智能和形式论证受到了重视。基于论证的系统通常在支持决策过程时缺乏可解释性。反事实和半事实解释是可解释性技术，通过生成替代的假设实例来提供对模型结果的见解。虽然在机器学习模型的反事实和半事实解释方面已经有了重要的研究，但在论证中却没有得到足够的关注。本文探讨了抽象论证框架中的反事实和半事实推理。我们研究了基于反事实和半事实的推理问题的计算复杂性，表明它们通常比传统的论证问题如轻信和怀疑接受更难。最后，我们展示了反事实和半事实查询可以编码在弱约束的论证框架中，并提供了通过ASP求解器的计算策略。

探索抽象论证框架中的反事实和半事实推理问题，并研究其计算复杂度。

通过ASP求解器提供一种计算策略，将反事实和半事实查询编码到弱约束论证框架中。

论文提出了一种新的思路，探索了抽象论证框架中的反事实和半事实推理问题，并研究了它们的计算复杂度。实验使用了ASP求解器，提供了一种计算策略，并将反事实和半事实查询编码到弱约束论证框架中。

最近的相关研究包括机器学习模型中的反事实和半事实解释，以及传统论证框架中的可信和怀疑接受问题。