본 논문은 논증 텍스트를 논증 지식 그래프(AKG)로 변환하는 프레임워크를 제시합니다. 논증 구성요소(ACs)와 논증 관계(ARs)의 기본적인 주석을 시작으로, 노드에 대한 메타데이터 속성을 가진 지식베이스(KB) 그래프를 구성하여 정보를 풍부하게 합니다. 다음으로, KB의 전제와 추론 규칙을 사용하여 모더스 포넨스(modus ponens)를 적용하여 논증을 형성합니다. 이러한 논증으로부터 AKG를 생성합니다. AKG의 노드와 에지는 중요한 논증적 특징을 포착하는 속성을 갖습니다. 또한 마커를 식별하여 누락된 추론 규칙을 찾습니다. 이를 통해 기존 데이터셋에서는 감지할 수 없었던 약화 공격을 식별할 수 있습니다. AKG는 이론적 형식보다 이해하기 쉬운 논증 구조의 그래픽적 관점을 제공합니다. 또한 논증의 일관성 확인 및 수정 기회 식별을 포함한 향후 추론 작업을 위한 기반을 마련합니다. 이를 위해 암시적인 많은 간접 관계를 찾는 것이 중요합니다. 주석이 달린 추론 규칙과 모더스 포넨스를 사용한 제안된 AKG 형식은 추론 모델이 논증과 그들 간의 관계에 대한 추론이 필요한 암시적인 간접 관계를 학습하는 데 도움이 될 것입니다.
