论证框架

在人工智能和相关领域，论证框架是一种处理有争议的信息并使用形式化的论据从中得出结论的方法。在一个抽象的论证框架中，入门级的信息是一组抽象的论据，例如，代表数据或命题。论据之间的冲突由论据集上的二元关系来表示。具体来说，你可以用一个有向图来表示一个论证框架，比如节点是论据，箭头代表攻击关系。邓氏框架存在一些扩展，比如基于逻辑的论证框架或基于价值的论证框架。

扩展为了决定一个论据是否可以被接受，或者几个论据是否可以一起被接受，Dung定义了几种接受的语义，允许在给定的论证系统中，计算出论据的集合（称为扩展）。例如，给定只有当它是与S{displaystyleS}相关的可接受集合中的一个xxx元素（就集合论的包容而言）时，才是只有当它是一个无冲突的集合，攻击不属于S{displaystyleS}的每一个论据时，才是稳定的扩展。只有当它是S{displaystyleS}的完全扩展中最小的元素（就集合包容而言）时，才是xxx的。

用这些语义构建的扩展集之间存在一些内含。每个稳定的扩展都是优先的，每个优先的扩展都是完整的，有根基的扩展是完整的，如果系统是有根基的（不存在无限的序列a对于每一个Dung的语义来说，这个系统都是有根有据的。这就解释了为什么语义是重合的，而被接受的论证是。

标签化是一种比扩展更有表现力的方式来表达对论据的接受。具体来说，标签是一种映射，它将每个参数与一个