論文の概要: Generating Causal Temporal Interaction Graphs for Counterfactual Validation of Temporal Link Prediction

• arxiv url: http://arxiv.org/abs/2602.02161v1
• Date: Mon, 02 Feb 2026 14:36:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:34.214897
• Title: Generating Causal Temporal Interaction Graphs for Counterfactual Validation of Temporal Link Prediction
• Title（参考訳）: 時間リンク予測の非現実的検証のための因果関係グラフの生成
• Authors: Aniq Ur Rahman, Justin P. Coon,
• Abstract要約: 因果的相互作用グラフ (CTIG) を, 既知の地絡因果構造と組み合わせて生成する。 因果モデルを比較するために,クロスモデル予測誤差に基づく距離メトリックを提案する。 私たちのフレームワークは因果ベンチマークの基礎を提供します。
• 参考スコア（独自算出の注目度）: 7.925229590936017
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Temporal link prediction (TLP) models are commonly evaluated based on predictive accuracy, yet such evaluations do not assess whether these models capture the causal mechanisms that govern temporal interactions. In this work, we propose a framework for counterfactual validation of TLP models by generating causal temporal interaction graphs (CTIGs) with known ground-truth causal structure. We first introduce a structural equation model for continuous-time event sequences that supports both excitatory and inhibitory effects, and then extend this mechanism to temporal interaction graphs. To compare causal models, we propose a distance metric based on cross-model predictive error, and empirically validate the hypothesis that predictors trained on one causal model degrade when evaluated on sufficiently distant models. Finally, we instantiate counterfactual evaluation under (i) controlled causal shifts between generating models and (ii) timestamp shuffling as a stochastic distortion with measurable causal distance. Our framework provides a foundation for causality-aware benchmarking.
• Abstract（参考訳）: 時間的リンク予測(TLP)モデルは、予測精度に基づいて一般的に評価されるが、これらのモデルが時間的相互作用を管理する因果メカニズムを捉えているかどうかは評価されない。 本研究では,TLPモデルの因果的相互作用グラフ(CTIG)と既知の接地的因果構造を生成することにより,TLPモデルの非実効的検証を行う枠組みを提案する。 まず、興奮効果と抑制効果の両方をサポートする連続時間事象列の構造方程式モデルを導入し、そのメカニズムを時間的相互作用グラフに拡張する。 因果モデルを比較するために,クロスモデル予測誤差に基づく距離測定法を提案し,十分な遠距離モデルで評価すると,ある因果モデルで訓練された予測器が劣化するという仮説を実証的に検証する。 最後に、カウンターファクト評価をインスタンス化する。 一 生成モデルと生成モデルとの因果シフトを制御すること (II) 因果距離を測る確率歪みとしてのタイムスタンプシャッフル 我々のフレームワークは因果性を考慮したベンチマークの基礎を提供する。

関連論文リスト

• Towards Causal Market Simulators [0.0]
  本稿では,変動型オートエンコーダと構造因果モデルを組み合わせた時系列ニューラル因果モデルVAEを提案する。 提案手法は,デコーダアーキテクチャにおける有向非巡回グラフを通じて因果制約を強制し,因果距離を用いて訓練を行う。 このモデルにより、金融ストレステスト、シナリオ分析、強化されたバックテストが可能となり、根底にある因果メカニズムを尊重する妥当な反事実的市場軌道を生成することができる。
  論文  参考訳（メタデータ） (2025-11-06T15:44:07Z)
• A Reverse Causal Framework to Mitigate Spurious Correlations for Debiasing Scene Graph Generation [59.473751744275496]
  シーングラフ生成(SGG)フレームワークは通常、関係の特徴を抽出する検出器と、それらの関係を分類する分類器を備えている。 このような因果連鎖構造は、検出器の入力と最終的な予測の間に急激な相関をもたらす。 本稿では、因果連鎖構造を逆因果構造に再構築し、分類器の入力を共同創設者として扱うことを提案する。
  論文  参考訳（メタデータ） (2025-05-29T13:57:01Z)
• A Causal Adjustment Module for Debiasing Scene Graph Generation [28.44150555570101]
  我々は、歪んだ分布間の因果関係をモデル化するために因果推論技術を用いる。 提案手法により,ゼロショット関係の合成が可能となり,そのような関係を認識できるモデルの性能が向上する。
  論文  参考訳（メタデータ） (2025-03-22T20:44:01Z)
• Gumbel Counterfactual Generation From Language Models [64.55296662926919]
  対実的推論が介入と概念的に異なることを示す。 そこで本研究では,真の文字列反事実を生成するためのフレームワークを提案する。 提案手法は,従来の介入手法が望ましくない副作用を有意に生み出しているのに対し,本手法は有意義な反事実を生じさせることを示す。
  論文  参考訳（メタデータ） (2024-11-11T17:57:30Z)
• Mining Causality from Continuous-time Dynamics Models: An Application to Tsunami Forecasting [22.434845478979604]
  本研究では,連続時間モデルから因果構造を抽出する機構を提案する。 我々は,動的モデルの入力層の重み付けによって因果構造を捕捉するモデルを訓練する。 本手法を津波予報という実世界の問題に適用し,正確な因果構造を特徴付けるのが困難である。
  論文  参考訳（メタデータ） (2022-10-10T18:53:13Z)
• 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)
• Structural Causal Models Are (Solvable by) Credal Networks [70.45873402967297]
  因果推論は、干潟網の更新のための標準的なアルゴリズムによって得ることができる。 この貢献は, 干潟ネットワークによる構造因果モデルを表現するための体系的なアプローチと見なされるべきである。 実験により, 実規模問題における因果推論には, クレーダルネットワークの近似アルゴリズムがすぐに利用できることがわかった。
  論文  参考訳（メタデータ） (2020-08-02T11:19:36Z)
• Semiparametric Bayesian Forecasting of Spatial Earthquake Occurrences [77.68028443709338]
  本稿では, Epidemic Type Aftershock Sequence (ETAS) モデルのベイズ的完全定式化を提案する。 地理的領域における主震の発生は不均一な空間的点過程に従うと仮定される。
  論文  参考訳（メタデータ） (2020-02-05T10:11:26Z)
• Inferring Individual Level Causal Models from Graph-based Relational Time Series [3.332377849866735]
  グラフに基づく関係時系列データに対する因果推論の問題を定式化する。 ノードの局所因果効果を正確に推定するために,グラフトポロジと時系列の両方を活用する因果推論モデルを提案する。
  論文  参考訳（メタデータ） (2020-01-16T18:48:40Z)

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。