ICIC_Target: A Novel Discovery Algorithm for Local Causality Network of Target Variable
-
摘要: 因果关系的研究在于揭示自然规律的和人类社会发展本质及其规律，对人类长久以来的生产生活和科学研究有着非常重要的作用.目前，因果关系的研究受到前所未有的广泛关注，但仍存在诸多困难和挑战.致力于建立一个因果激励抑制模型以抽象地表示和解释因果的作用机制，并在此基础上提出用于目标节点的局部因果关系网络的自动发现方法框架ICIC和算法ICIC_Target.该方法不预先设定因果结构(如设定为无圈、隐含结构)，并根据对因果关系本质的认识，利用初始变量(exogenous variables)和初始团树(IClique)的概念，在判定边和方向之前对变量进行粗略地排序，从而提高了因果关系网络发现的性能.在4个不同类型的数据集上实现了与多种经典方法，如HITON，IC，PC，PCMB等的对比实验，实验结果表明ICIC_Target方法适用范围广,有较好的鲁棒性，同时，从理论上分析证实了ICIC_Target方法具有较好的稳定性和较低的复杂度.Abstract: Causality research aims to reveal the law of evolution of nature, society and human. Nowadays, the causality research receives widespread attention for its important applications of human life and science research, but there are still many difficulties and challenges. This paper presents a unified model to explain the stimulating and inhibiting causalities. Based on this model, we also present a framework ICIC and a novel algorithm ICIC_Target to infer the local causal structure of a target variable from observational data without any limitation of some assumptions, such as assumption of acyclic structure, hidden variables and so on. Following our descriptions of causality essence and properties, as well as several classical theories proposed by Judea Pearl, Gregory F. Cooper and so on, we introduce concepts of exogenous variable and clique-like structure (IClique) to get rough ordering of variables, which are necessary for revealing the causality accurately and efficiently. To evaluate our approach, several experiments compared with HITON, IC, PC, PCMB and several methods based on four datasets with different data types have been done. The results demonstrate the higher performance and stronger robustness of our algorithm ICIC_Target. In this paper, we also discuss the advantages of stability and complexity of ICIC_Target.
-
-
期刊类型引用(14)
1. 孙造诣，许苇婧，徐亮，李宏汀. 调节定向对App用户隐私披露的影响. 心理科学进展. 2023(07): 1160-1171 . 
百度学术
2. 王宏. 基于知识图谱的中外用户隐私研究对比分析. 大学图书情报学刊. 2023(04): 136-145 . 百度学术
3. 冯晗，伊华伟，李晓会，李锐. 推荐系统的隐私保护研究综述. 计算机科学与探索. 2023(08): 1814-1832 . 百度学术
4. 李静，赵青杉，高媛. 基于机器学习的大数据隐私非交互式查询研究. 计算机仿真. 2023(08): 334-338 . 百度学术
5. 刘振，吴宇. 基于区块链的自适应权重趋势感知联邦学习方案. 电子设计工程. 2023(24): 75-80 . 百度学术
6. 雷可为，王小辉. 基于微信公众平台的景区个性化推荐系统设计. 信息技术. 2022(01): 56-61 . 百度学术
7. 朱智韬，司世景，王健宗，肖京. 联邦推荐系统综述. 大数据. 2022(04): 105-132 . 百度学术
8. 张洪磊，李浥东，邬俊，陈乃月，董海荣. 基于隐私保护的联邦推荐算法综述. 自动化学报. 2022(09): 2142-2163 . 百度学术
9. 胡至洵，杜宇，刘潇月. 基于用户兴趣分类的书籍自动推荐系统设计. 现代电子技术. 2021(06): 58-62 . 百度学术
10. 马苏杭，龙士工，刘海，彭长根，李思雨. 面向高维数据发布的个性化差分隐私算法. 计算机系统应用. 2021(04): 131-138 . 百度学术
11. 马黛露丝，朱海萍，田锋，冯沛，陈妍，计湘婷，李玉杰. 一种权衡性能与隐私保护的推荐算法. 西安交通大学学报. 2021(07): 117-123 . 百度学术
12. 邓翔天，钱海峰. 标准模型下的灵活细粒度授权密文一致性检测方案. 计算机研究与发展. 2021(10): 2222-2237 . 本站查看
13. 周俊，方国英，吴楠. 联邦学习安全与隐私保护研究综述. 西华大学学报(自然科学版). 2020(04): 9-17 . 百度学术
14. 周艳榕. 基于个性化特征的电子商务智能推荐系统. 现代电子技术. 2020(19): 155-158+162 . 百度学术
其他类型引用(26)
计量
- 文章访问数: 1123
- HTML全文浏览量: 2
- PDF下载量: 498
- 被引次数: 40
下载:
