【IJCAI 2019 Tutorials】论证与机器学习：当整体大于部分之和时(Argumentation and Machine Learning: When the Whole is Greater than the Sum of its Parts)

主题： Argumentation and Machine Learning: When the Whole is Greater than the Sum of its Parts

摘要： 论证技术是一个丰富的跨学科研究领域，在过去的二十年里，它已经成为各种领域中最有前途的常识推理和冲突解决的范例之一，并被用于实际的商业研究项目，如IBM Debater。在本教程中，将向博士生、早期研究人员和机器学习专家介绍（1）论证技术和具体的实例；（2）利用机器学习的论证技术的最新方法，从论证挖掘到自动算法选择；以及（3）利用论证技术的机器学习的最新方法，例如，对来自深度模型的结果的可解释性。

邀请嘉宾： Federico Cerutti，卡迪夫大学的讲师。他的研究活动主要集中在非单调推理（特别是论证理论）和具有不确定性和信任的决策支持上。他研究了适用于实际推理和决策支持的论据和评论模型，并为解决论据理论中的相关问题提供了有效的算法，从而显著提高了当前的技术水平。