Key points are not available for this paper at this time.
Die kausale Analyse ist entscheidend für das Verständnis von Ursachen-Wirkungs-Beziehungen in beobachteten Daten, um bessere Entscheidungen zu treffen. Allerdings ist es in der Regel unpraktisch, präzise kausale Analysen an Beobachtungsdaten durchzuführen, weshalb Fachexperten oft mit der Identifizierung von Korrelationen beginnen. In diesem Papier stellen wir Nexus vor, ein System, das tabellarische Datensätze über Raum und Zeit ausrichtet, fehlende Daten behandelt und Korrelationen identifiziert, die als "interessant" eingestuft werden, um die Erkundung kausaler Beziehungen zu erleichtern.
Gong et al. (Thu,) haben diese Frage untersucht.