Umeå universitets logga

umu.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Set contribution functions for quantitative bipolar argumentation and their principles
Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Institutionen för datavetenskap.ORCID-id: 0009-0001-8354-6265
Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Institutionen för datavetenskap.ORCID-id: 0000-0001-9379-4281
Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Institutionen för datavetenskap.ORCID-id: 0000-0002-0368-8037
Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Institutionen för datavetenskap.ORCID-id: 0000-0002-6458-2252
2026 (Engelska)Ingår i: International Journal of Approximate Reasoning, ISSN 0888-613X, E-ISSN 1873-4731, Vol. 194, artikel-id 109673Artikel i tidskrift (Refereegranskat) Published
Abstract [en]

We present functions that quantify the contribution of a set of arguments in quantitative bipolar argumentation graphs to (the final strength of) an argument of interest—a so-called topic. Our set contribution functions are generalizations of existing functions that quantify the contribution of a single contributing argument to a topic. Accordingly, we generalize existing contribution function principles for set contribution functions and provide a corresponding principle-based analysis. We introduce new principles specific to set-based functions that focus on properties pertaining to the interaction of arguments within a set. Finally, we sketch how the principles play out across different set contribution functions given a recommendation system application scenario.

Ort, förlag, år, upplaga, sidor
Elsevier, 2026. Vol. 194, artikel-id 109673
Nyckelord [en]
Quantitative argumentation, Explainable AI, Automated reasoning
Nationell ämneskategori
Datavetenskap (datalogi)
Forskningsämne
datalogi
Identifikatorer
URN: urn:nbn:se:umu:diva-252353DOI: 10.1016/j.ijar.2026.109673ISI: 001732493500001Scopus ID: 2-s2.0-105035005481OAI: oai:DiVA.org:umu-252353DiVA, id: diva2:2055259
Forskningsfinansiär
Knut och Alice Wallenbergs StiftelseWallenberg AI, Autonomous Systems and Software Program (WASP)Tillgänglig från: 2026-04-23 Skapad: 2026-04-23 Senast uppdaterad: 2026-04-23Bibliografiskt granskad

Open Access i DiVA

fulltext(9976 kB)19 nedladdningar
Filinformation
Filnamn FULLTEXT02.pdfFilstorlek 9976 kBChecksumma SHA-512
f5d792c45b916cbb7ef15a57c96ec5d69edf141dbff88f0402a09c29407966bf0a86a211fe3066c91656ac0e589724c922c0e490cd35d55f539b4d2f6cdb95b9
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltextScopus

Person

Naudot, FilipBrännström, AndreasTorra, VicençKampik, Timotheus

Sök vidare i DiVA

Av författaren/redaktören
Naudot, FilipBrännström, AndreasTorra, VicençKampik, Timotheus
Av organisationen
Institutionen för datavetenskap
I samma tidskrift
International Journal of Approximate Reasoning
Datavetenskap (datalogi)

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 19 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
urn-nbn

Altmetricpoäng

doi
urn-nbn
Totalt: 177 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf