가정 기반 논증 프레임워크의 분할 (Splitting Assumption-Based Argumentation Frameworks)

가정 기반 논증 (Assumption-Based Argumentation, ABA) 은 토론을 모델링하고 추론하는 데 널리 확립된 형식주의로, 다양한 응용 분야를 가지고 있습니다. 그러나 ABA 의 핵심 추론 작업의 높은 계산 복잡도는 그 적용 가능성에 상당한 도전을 제기합니다. 이 문제는 ABA 프레임워크 (ABAFs) 가 댁그의 논증 프레임워크 (Dung's Argumentation Frameworks, AFs) 와 집단 공격을 가진 논증 프레임워크 (Argumentation Frameworks with Collective Attacks, SETAFs) 와 같은 그래프 기반 논증 형식주의로 구체화될 때 더욱 악화됩니다. 지식 표현 및 추론 분야에서 계산 불가능성을 해결하기 위한 핵심 전략은 분할 정복 알고리즘을 통해 주어진 지식베이스에 대한 추론을 최적화하는 것입니다. 이 접근법의 전형적인 예는 분할 (splitting) 으로, 주어진 프레임워크의 확장 (extensions) 을 부분 프레임워크로만 검색 공간을 제한하여 점진적으로 계산한 후 얻은 결과를 결합합니다. 이 접근법은 AF 에 성공적으로 적용되었으며, 안정적 의미론 (stable semantics) 하에서 파라미터화된 버전도 도입되었습니다. 그러나 ABAFs 에 의해 유도된 논증 그래프에서 분할의 유용성을 훼손할 수 있는 구체화에 의한 지수적 성장은 여전히 존재합니다. 이 문제를 해결하기 위해 본 연구는 그래프 기반 구체화가 아닌 지식베이스 자체에서의 분할 개념을 조사합니다. 또한, 우리는 이를 ABAFs 에 대한 파라미터화된 버전으로 일반화합니다.