Cet article présente le Cadre de Représentation des Connaissances Argumentatives (AKReF), un cadre permettant de transformer un texte argumentatif en graphe de connaissances argumentatives (AKG). AKReF commence par des annotations de base des composants d'argument (AC) et des relations d'argument (AR) et enrichit les informations en construisant un graphe de base de connaissances (BC) contenant des nœuds dotés de propriétés de métadonnées. Il applique le Modus Ponens aux prémisses et aux règles d'inférence de la BC pour former des arguments, et génère un AKG basé sur ces derniers. Les nœuds et les arêtes de l'AKG possèdent des propriétés qui capturent les caractéristiques clés de l'argument, telles que le type de prémisses (par exemple, axiome, prémisse générale, hypothèse), le type de règles d'inférence (par exemple, strictes, réfutables), l'ordre de préférence des règles réfutables, les marqueurs (par exemple, « donc », « mais ») et le type d'attaque (par exemple, affaiblir, réfuter, saper). Il identifie les règles d'inférence en identifiant un ensemble spécifique de marqueurs, appelés marqueurs d'inférence (MI), qui permettent d'identifier les attaques d'affaiblissement non détectables dans les jeux de données existants. AKG fournit une base pour les tâches d'inférence, notamment la vérification de la cohérence des arguments et l'identification des possibilités de révision. La recherche d'indirections implicites est particulièrement importante, et le formalisme AKG proposé permet d'apprendre les indirections implicites qui nécessitent un raisonnement sur les arguments et leurs interconnexions via des règles d'inférence annotées et le Modus Ponens. Nous illustrons ce cadre à l'aide d'essais tirés de l'ensemble de données AAEC et démontrons son application à des analyses complexes telles que l'extraction d'ensembles cohérents et d'ensembles d'arguments maximaux admissibles.
