본 논문은 논증적 텍스트를 논증 지식 그래프(AKG)로 변환하는 프레임워크인 AKReF(Argumentative Knowledge Representation Framework)를 제시합니다. AKReF는 논증 구성 요소(ACs)와 논증 관계(ARs)의 기본 주석을 시작으로 메타데이터 속성을 가진 노드를 포함하는 지식베이스(KB) 그래프를 구성하여 정보를 풍부하게 합니다. KB의 전제와 추론 규칙에 Modus Ponens를 적용하여 논증을 형성하고, 이를 바탕으로 AKG를 생성합니다. AKG의 노드와 에지는 전제의 유형(예: 공리, 일반 전제, 가정), 추론 규칙의 유형(예: 엄격한, 반박 가능한), 반박 가능한 규칙에 대한 선호도 순서, 마커(예: "그러므로", "그러나"), 공격의 유형(예: 약화, 반박, 훼손)과 같은 주요 논증적 특징을 포착하는 속성을 갖습니다. 추론 마커(IM)라고 하는 특정 마커 집합을 찾아 추론 규칙을 식별하며, 이를 통해 기존 데이터셋에서는 감지할 수 없었던 약화 공격을 식별할 수 있습니다. AKG는 논증의 일관성 확인 및 수정 기회 식별을 포함한 추론 작업을 위한 기반을 마련합니다. 특히 암묵적인 간접 관계를 찾는 것이 중요하며, 제안된 AKG 형식은 주석이 달린 추론 규칙과 Modus Ponens를 통해 논증과 상호 연결에 대한 추론이 필요한 암묵적인 간접 관계를 학습하는 데 도움이 됩니다. AAEC 데이터셋의 에세이를 사용하여 프레임워크를 설명하고, 모순 없는 집합과 최대 허용 논증 집합 추출과 같은 복잡한 분석에의 적용을 보여줍니다.
