論文の概要: Quantifying intrinsic causal contributions via structure preserving interventions

• arxiv url: http://arxiv.org/abs/2007.00714v3
• Date: Fri, 19 Nov 2021 11:14:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-14 22:27:41.819875
• Title: Quantifying intrinsic causal contributions via structure preserving interventions
• Title（参考訳）: 構造保存介入による内因的因果貢献の定量化
• Authors: Dominik Janzing, Patrick Bl\"obaum, Lenon Minorics, Philipp Faller, Atalanti Mastakouri
• Abstract要約: 本稿では,DAGにおけるノードの目的ノードへの寄与の「内在的」部分を記述する因果寄与の新たな概念を提案する。 上流雑音項の関数として各ノードを記述することにより、各ノードが付加した固有情報とその祖先から得た情報とを分離する。 本研究は,本質的な情報を因果的寄与と解釈するために,親への通常の依存を模倣する形で,各ノードをランダム化する「構造保存的介入」を考える。
• 参考スコア（独自算出の注目度）: 10.635606144189316
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a new notion of causal contribution which describes the 'intrinsic' part of the contribution of a node on a target node in a DAG. We show that in some scenarios the existing causal quantification methods failed to capture this notion exactly. By recursively writing each node as a function of the upstream noise terms, we separate the intrinsic information added by each node from the one obtained from its ancestors. To interpret the intrinsic information as a causal contribution, we consider 'structure-preserving interventions' that randomize each node in a way that mimics the usual dependence on the parents and do not perturb the observed joint distribution. To get a measure that is invariant across arbitrary orderings of nodes we propose Shapley based symmetrization. We describe our contribution analysis for variance and entropy, but contributions for other target metrics can be defined analogously.
• Abstract（参考訳）: 本稿では,DAG内のノードに対するノードの寄与の「内在的」部分を記述した新たな因果寄与の概念を提案する。 いくつかのシナリオでは、既存の因果定量化手法は、この概念を正確に捉えられなかった。 各ノードを上流雑音項の関数として再帰的に書き直すことにより、各ノードが付加する固有情報をその祖先から得たものから分離する。 内在的な情報を因果的貢献として解釈するために,親への通常の依存を模倣し,観察された共同分布を乱さない方法で各ノードをランダム化する「構造保存介入」を考える。 ノードの任意の順序に不変な測度を得るため、shapleyベースの対称性を提案する。 我々は分散とエントロピーに対する貢献分析について述べるが、他のターゲットメトリクスへの貢献は類似的に定義できる。

関連論文リスト

• Multi-Evidence based Fact Verification via A Confidential Graph Neural Network [20.574234947055494]
  我々は,ノイズのある意味情報の伝播を軽減するために,信頼グラフ注意ネットワーク(CO-GAT)を導入する。 CO-GATは、FEVERデータセット上で73.59%のFEVERスコアを達成し、有効性を広げることによる能力一般化を示す。
  論文  参考訳（メタデータ） (2024-05-17T01:02:03Z)
• Causal Layering via Conditional Entropy [85.01590667411956]
  因果発見は、生成した観測可能なデータから観測されていない因果グラフに関する情報を回収することを目的としている。 我々は、条件付きエントロピーオラクルを介してデータにアクセスすることによって、グラフの階層化を回復する方法を提供する。
  論文  参考訳（メタデータ） (2024-01-19T05:18:28Z)
• Root Cause Explanation of Outliers under Noisy Mechanisms [50.59446568076628]
  因果過程は、しばしばグラフとしてモデル化され、エンティティはノードであり、パス/インターコネクションはエッジである。 既存の作業は、生成プロセスにおけるノードの寄与のみを考慮している。 根本原因を特定する際,各メカニズムの個々のエッジとノードについて検討する。
  論文  参考訳（メタデータ） (2023-12-19T03:24:26Z)
• Message-passing selection: Towards interpretable GNNs for graph classification [35.56497757248375]
  MSInterpreterは様々なGNNのベースラインに容易に適用できるプラグイン・アンド・プレイ方式として機能する。 MSInterpreterは、GNNのメッセージアグリゲーションのクリティカルパスを選択するメッセージパス選択スキームを提供する。
  論文  参考訳（メタデータ） (2023-06-03T11:07:18Z)
• Online Centralized Non-parametric Change-point Detection via Graph-based Likelihood-ratio Estimation [77.81487285123147]
  グラフの各ノードを、ほぼリアルタイムで同期して観測されるデータストリームを生成するようにします。 変更ポイント$tau$では、変更はノードのサブセット$C$で発生し、関連するノードストリームの確率分布に影響を与える。 本稿では,ポストチェンジとノードストリームの事前変更分布の確率比の直接推定に基づいて,$tau$を検出して$C$をローカライズするカーネルベースの新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-01-08T10:15:24Z)
• Online non-parametric change-point detection for heterogeneous data streams observed over graph nodes [79.94639436527454]
  本稿では,各ノードのデータストリームに関連付けられた後変化分布と前変化分布の確率比の直接推定に基づいて,$tau$を推定するオンラインノンパラメトリック手法を提案する。 合成実験と実世界の応用について,本手法の質を実証する。
  論文  参考訳（メタデータ） (2021-10-20T12:10:15Z)
• Ergodic Limits, Relaxations, and Geometric Properties of Random Walk Node Embeddings [11.549910517683085]
  ランダムウォークに基づくノード埋め込みアルゴリズムは,ネットワーク上のランダムウォークから計算したノード埋め込みベクトルとスキップバイグラム統計の客観的関数を最適化することにより,ノードのベクトル表現を学習する。 本稿では,ネットワーク内に隠されたブロック構造を発見するための教師なし設定において,ランダムウォークに基づくノード埋め込みの特性について検討する。
  論文  参考訳（メタデータ） (2021-09-09T19:24:35Z)
• Nested Named Entity Recognition with Partially-Observed TreeCRFs [23.992944831013013]
  ネストネストnerを,部分可観測木を用いた構成構文解析と捉え,部分可観測木crfでモデル化した。 提案手法はACE 2004, ACE 2005データセット上でのSOTA(State-of-the-art)F1スコアを達成し, GENIAデータセット上でのSOTAモデルに匹敵する性能を示す。
  論文  参考訳（メタデータ） (2020-12-15T18:20:36Z)
• A Differentiable Relaxation of Graph Segmentation and Alignment for AMR Parsing [75.36126971685034]
  我々は、アライメントとセグメンテーションをモデルの潜在変数として扱い、エンドツーエンドのトレーニングの一部としてそれらを誘導する。 また,AMRの個々の構造を扱うために手作りされたLyu2018AMRPAのセグメンテーションルールに依存するモデルにもアプローチした。
  論文  参考訳（メタデータ） (2020-10-23T21:22:50Z)
• Graph Neural Networks with Composite Kernels [60.81504431653264]
  カーネル重み付けの観点からノード集約を再解釈する。 本稿では,アグリゲーション方式における特徴類似性を考慮したフレームワークを提案する。 特徴空間における特徴類似性をエンコードするために,元の隣り合うカーネルと学習可能なカーネルの合成として特徴集約を提案する。
  論文  参考訳（メタデータ） (2020-05-16T04:44:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。