本論文は、物理的な因果関係を発見するための新しいアプローチ CausalDisco を提案している。CausalDisco は以下の4つのフェーズから構成される:
CausalDisco は、因果関係の強さを表す因果重みを KGE モデルに組み込むことで、従来の手法よりも優れた因果関係の発見性能を示す。
具体的には、ベンチマークデータセット CLEVRER-Humans を用いて評価を行った。その結果、因果重みを考慮した CausalKGE-W モデルが、因果重みを考慮しない CausalKGE-Base モデルよりも、因果説明タスクで平均43.26%、因果予測タスクで平均79.26%高い性能を示した。また、マルコフ連鎖に基づくデータ分割手法を用いることで、ランダムなデータ分割手法よりも高い性能が得られた。
さらに、CausalKG に追加の知識を組み込むことで、因果関係の発見性能がさらに向上することが示された。
A otro idioma
del contenido fuente
arxiv.org
Ideas clave extraídas de
by Utkarshani J... a las arxiv.org 05-07-2024
https://arxiv.org/pdf/2405.02327.pdfConsultas más profundas