論文の概要: Score-based Integrated Gradient for Root Cause Explanations of Outliers

• arxiv url: http://arxiv.org/abs/2601.22399v1
• Date: Thu, 29 Jan 2026 23:11:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-02 18:28:15.118691
• Title: Score-based Integrated Gradient for Root Cause Explanations of Outliers
• Title（参考訳）: 外乱原因推定のためのスコアベース統合グラディエント
• Authors: Phuoc Nguyen, Truyen Tran, Sunil Gupta, Svetha Venkatesh,
• Abstract要約: 本稿では,データ確率のスコア関数を推定することにより,外れ値の根本原因を特徴付ける,新規でスケーラブルな手法であるSIRENを紹介する。 本手法は, ダミー, 効率, 線形性の4つの古典的シャプリー値公理と, 基礎となる因果構造から導出される非対称性公理の3つを満たす。
• 参考スコア（独自算出の注目度）: 36.22407522337513
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Identifying the root causes of outliers is a fundamental problem in causal inference and anomaly detection. Traditional approaches based on heuristics or counterfactual reasoning often struggle under uncertainty and high-dimensional dependencies. We introduce SIREN, a novel and scalable method that attributes the root causes of outliers by estimating the score functions of the data likelihood. Attribution is computed via integrated gradients that accumulate score contributions along paths from the outlier toward the normal data distribution. Our method satisfies three of the four classic Shapley value axioms - dummy, efficiency, and linearity - as well as an asymmetry axiom derived from the underlying causal structure. Unlike prior work, SIREN operates directly on the score function, enabling tractable and uncertainty-aware root cause attribution in nonlinear, high-dimensional, and heteroscedastic causal models. Extensive experiments on synthetic random graphs and real-world cloud service and supply chain datasets show that SIREN outperforms state-of-the-art baselines in both attribution accuracy and computational efficiency.
• Abstract（参考訳）: 外れ値の根本原因を特定することは因果推論と異常検出の根本的な問題である。 ヒューリスティックや反実的推論に基づく伝統的なアプローチは、しばしば不確実性と高次元の依存関係の下で苦労する。 本稿では,データ確率のスコア関数を推定することにより,外れ値の根本原因を特徴付ける,新規でスケーラブルな手法であるSIRENを紹介する。 属性は、外部からの通常のデータ分布への経路に沿ってスコアコントリビューションを蓄積する統合的な勾配によって計算される。 本手法は, ダミー, 効率, 線形性の4つの古典的シャプリー値公理と, 基礎となる因果構造から導出される非対称性公理の3つを満たす。 従来の作業とは異なり、SIRENはスコア関数を直接操作し、非線形、高次元、ヘテロスセダスティック因果モデルにおいて、トラクタブルで不確実性を考慮した根本原因帰属を可能にする。 合成ランダムグラフと実世界のクラウドサービスおよびサプライチェーンデータセットに関する大規模な実験は、SIRENが属性精度と計算効率の両方において最先端のベースラインを上回っていることを示している。

関連論文リスト

• Root Cause Analysis of Outliers with Missing Structural Knowledge [14.28002402145387]
  根本原因解析(RCA)の目的は,断層の起点を特定することによって異常が発生した理由を説明することである。 本稿では,1つの根本原因と因果グラフがポリツリーである場合に,両方の困難を克服するための単純かつ効率的な手法を提案する。
  論文  参考訳（メタデータ） (2024-06-07T15:24:38Z)
• Multi-modal Causal Structure Learning and Root Cause Analysis [67.67578590390907]
  根本原因局所化のためのマルチモーダル因果構造学習手法であるMulanを提案する。 ログ選択言語モデルを利用してログ表現学習を行い、ログシーケンスを時系列データに変換する。 また、モダリティの信頼性を評価し、最終因果グラフを共同学習するための新しいキーパフォーマンスインジケータ対応アテンション機構も導入する。
  論文  参考訳（メタデータ） (2024-02-04T05:50:38Z)
• 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)
• Learning Linear Causal Representations from Interventions under General Nonlinear Mixing [52.66151568785088]
  介入対象にアクセスできることなく、未知の単一ノード介入を考慮し、強い識別可能性を示す。 これは、ディープニューラルネットワークの埋め込みに対する非ペアの介入による因果識別性の最初の例である。
  論文  参考訳（メタデータ） (2023-06-04T02:32:12Z)
• Identifying Weight-Variant Latent Causal Models [82.14087963690561]
  推移性は潜在因果表現の識別性を阻害する重要な役割を担っている。 いくつかの軽微な仮定の下では、潜伏因果表現が自明な置換とスケーリングまで特定可能であることを示すことができる。 本稿では,その間の因果関係や因果関係を直接学習する構造的caUsAl変分自動エンコーダを提案する。
  論文  参考訳（メタデータ） (2022-08-30T11:12:59Z)
• Estimation of Bivariate Structural Causal Models by Variational Gaussian Process Regression Under Likelihoods Parametrised by Normalising Flows [74.85071867225533]
  因果機構は構造因果モデルによって記述できる。 最先端の人工知能の大きな欠点の1つは、説明責任の欠如である。
  論文  参考訳（メタデータ） (2021-09-06T14:52:58Z)
• On the Role of Entropy-based Loss for Learning Causal Structures with Continuous Optimization [27.613220411996025]
  因果構造学習問題を最小二乗損失を用いた連続最適化問題として定式化する。 ガウス雑音の仮定に違反すると因果方向の同定が妨げられることを示す。 より一般的なエントロピーに基づく損失は、任意の雑音分布下での確率スコアと理論的に一致している。
  論文  参考訳（メタデータ） (2021-06-05T08:29:51Z)

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。