중첩 변수 집합에 대한 미지의 개입 데이터셋에서의 인과 발견

실험을 통해 인과 구조를 추론하는 것은 많은 분야에서 도전적인 과제입니다. 미지의 개입을 가진 대부분의 인과 구조 학습 알고리즘은 동일한 변수 집합에서 인과 관계를 발견하기 위해 제안됩니다. 그러나 종종 개인 정보 보호, 윤리적, 재정적, 실용적인 이유로 인해 여러 출처나 도메인에서 관찰된 변수 집합은 완전히 동일하지 않습니다. 일부 알고리즘이 부분적으로 중첩된 변수 집합을 처리하기 위해 제안되었지만, 이들은 알려진 개입 목표의 경우에 초점을 맞추고 있습니다. 따라서 실제 환경에 가깝기 위해, 우리는 미지의 개입 설정 아래 중첩된 변수 집합에서 인과 관계를 발견하고, 여러 도메인에서 문제를 연구하는 시나리오를 탐구하는 것을 고려합니다. 여기서 우리는 미지의 개입에서 통합된 변수 집합에 대한 인과 관계를 발견하기 위한 알고리즘을 제안하며, 주로 변수의 불완전한 관찰과 미지의 개입 목표로 인한 얽힌 불일치를 처리합니다. 구체적으로, 우리는 먼저 두 가지 유형의 불일치를 구분한 다음, 일부 명제를 제시하여 각각을 처리합니다. 마지막으로, 우리는 여러 도메인의 학습된 구조를 결합하여 통합된 변수 집합에 대한 최종 구조를 얻기 위한 융합 규칙을 구성합니다. 이론적인 분석과 합성, 기준, 실제 데이터 세트에 대한 실험 결과는 제안된 알고리즘의 효과를 검증하였습니다.