تعد أنظمة الجدال المعتمدة على الافتراضات (Assumption-Based Argumentation - ABA) وسيلة معروفة لنمذجة ودراسة طُرق الجدال، حيث تُستخدم في مجموعة واسعة من التطبيقات. ومع ذلك، فإن التعقيد الحسابي العالي لمهام الاستدلال الأساسية في هذه الأنظمة يمثل تحديًا كبيرًا يعيق فائدتها الواسعة.

تزداد صعوبة هذا التحدي عندما يتم تطبيق أنظمة ABA في أطر جدالية تعتمد على الرسوم البيانية، مثل أطر جدل دنج (Dung's Argumentation Frameworks) وأطر الجدال مع الهجمات الجماعية (SETAFs). في مجال تمثيل المعرفة والاستدلال، تُعتبر استراتيجية رئيسية لمواجهة صعوبة الحساب هي تحسين عملية الاستدلال من خلال خوارزميات التقسيم والفوز (divide-and-conquer algorithms).

مثال بارز على هذا النهج هو تقنية "التقسيم"، حيث يتم حساب امتدادات الإطار المعطى بشكل تدريجي من خلال تقييد مساحة البحث إلى الإطارات الفرعية فقط، ثم تجميع النتائج المستخرج. وقد تم تطبيق هذا المفهوم بنجاح على أطر الجدل، حيث تم تقديم إصدار مُعطى بمعايير مستقرة.

ومع ذلك، فإن النمو الأُسي الناتج عن التطبيق قد يضعف من فائدة التقسيم على الرسوم البيانية الناتجة عن أنظمة ABA. لذلك، يهدف هذا البحث إلى استكشاف مفهوم التقسيم على قاعدة المعرفة بدلاً من تطبيقه على النسخة الرسومية. بالإضافة إلى ذلك، نقوم بتعميم التقسيم ليشمل نسخه المعطاة لأطر ABA.

هذا البحث يمثل خطوة نحو تحسين كفاءة أنظمة الجدال المعتمدة على الافتراضات، مما قد يسهم في توسيع نطاق استخدامها في مختلف المجالات.