이 논문은 관찰 데이터에서의 인과 추론 문제를 다룬다. 관찰 데이터에는 관찰되지 않은 교란 요인이 존재하여 인과 관계 식별이 어려운 경우가 많다. 이를 해결하기 위해 인과 민감도 분석은 중요한 도구이다.
저자들은 일반화된 처리 민감도 모델(GTSM)이라는 새로운 민감도 모델 클래스를 정의한다. GTSM은 기존의 다양한 민감도 모델을 포함하며, 처리 개입으로 인한 잠재 교란 변수의 분포 변화를 제약한다.
저자들은 NEURALCSA라는 신경망 기반 프레임워크를 제안한다. NEURALCSA는 두 단계로 구성된다:
이를 통해 NEURALCSA는 다양한 민감도 모델, 처리 유형, 인과 질의에 적용 가능하다. 저자들은 이론적 보장과 실험을 통해 NEURALCSA의 유효성을 입증한다.
To Another Language
from source content
arxiv.org
Önemli Bilgiler Şuradan Elde Edildi
by Dennis Fraue... : arxiv.org 04-10-2024
https://arxiv.org/pdf/2311.16026.pdfDaha Derin Sorular