論文の概要: Network Effect Decomposition for Causal Effect Estimation under Network Interference
- arxiv url: http://arxiv.org/abs/2611.07879v1
- Date: Thu, 05 Nov 2026 12:00:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 21:50:50.672419
- Title: Network Effect Decomposition for Causal Effect Estimation under Network Interference
- Title(参考訳): ネットワーク干渉による因果効果推定のためのネットワーク効果分解
- Abstract要約: 観測ネットワークデータから因果効果を推定するには、個々の治療と近隣被曝の両方を考慮する必要がある。
我々は,条件付き結果応答をクエリ不変な事前処理ベースラインとしてパラメータ化するNEDNetを提案する。
NEDNetは、個人、ピア、およびトータルエフェクトの比較方法の中で、最も低いPEHEを達成する。
- 参考スコア(独自算出の注目度): 16.20975196766714
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Estimating causal effects from observational network data requires accounting for both individual treatment and neighborhood exposure. Existing outcome models commonly incorporate these intervention variables into a joint predictor and estimate causal effects through prediction contrasts, leaving the corresponding response components implicit. We propose the $\underline{N}$etwork $\underline{E}$ffect $\underline{D}$ecomposition $\underline{Net}$work (NEDNet), which parameterizes the conditional outcome response as a query-invariant pre-treatment baseline plus separate treatment- and exposure-response pathways. Path-specific neighborhood contextualization supplies local pre-treatment information to the two pathways. We characterize the fitted response through a unique reference-normalized decomposition, which is equivalent to a zero mixed treatment--exposure contrast. Experiments on semi-synthetic benchmarks derived from BlogCatalog and Flickr show that NEDNet achieves the lowest PEHE among the compared methods for individual, peer, and total effects across homogeneous and covariate-heterogeneous response settings.
- Abstract(参考訳): 観測ネットワークデータから因果効果を推定するには、個々の治療と近隣被曝の両方を考慮する必要がある。
既存の結果モデルでは、これらの介入変数を共同予測器に組み込んで、予測コントラストを通じて因果効果を推定し、対応する応答成分を暗黙的に残す。
我々は、条件付き結果応答をクエリ不変の事前処理ベースラインと個別の処理および露出応答経路としてパラメータ化する$\underline{N}$etwork $\underline{E}$ffect $\underline{D}$ecomposition $\underline{Net}$work (NEDNet)を提案する。
経路固有の近所の文脈化は、2つの経路に局所的な前処理情報を提供する。
我々は, 単一参照正規化分解による適合応答を, ゼロ混合処理-露光コントラストと等価に特徴付ける。
BlogCatalog と Flickr から得られた半合成ベンチマーク実験により、NEDNet は、同種および共変量-不均一な応答設定における個人、ピア、および総効果のうち、最も低いPEHEを達成していることが示された。
関連論文リスト
- Bayesian Propensity Score Predictive Inference for Extending Trial Findings to Target Populations [0.2446672595462589]
CODIACS Vanguardランダム化試験は、うつ病治療の介入と、急性冠症候群後の持続的なうつ症状の患者に対する通常のケアを比較した。
米国全電子健康記録から構築した2つのコホートで表される広範な患者集団にその所見を拡張できるかどうかを評価する。
論文 参考訳(メタデータ) (2026-10-22T21:08:45Z) - Adaptive Policy Learning Under Unknown Network Interference [43.939653137876455]
我々は,干渉ネットワークを協調的に学習し,ギブスサンプリングによる個別レベルの処理割り当てを適応的に最適化するトンプソンサンプリングアルゴリズムを開発した。
本手法は, 頭と頭の比較において, 後悔のオーダー・オブ・マグニチュード・リダクション以上のことを達成している。
論文 参考訳(メタデータ) (2026-05-11T19:57:50Z) - Causal Inference on Networks under Misspecified Exposure Mappings: A Partial Identification Framework [66.59051888063665]
ネットワーク上の因果推論のための新しい部分同定フレームワークを提案する。
露光マッピングの誤用下では, 直接的および漏出的効果に対して, 鋭い上下境界を導出する。
実験の結果, 境界は情報的であり, 露光写像の誤特定の下では信頼性の高い結論が得られた。
論文 参考訳(メタデータ) (2026-02-03T12:27:11Z) - Estimating Treatment Effects under Recommender Interference: A Structured Neural Networks Approach [32.55211271796683]
一般に採用されている差分推定器は、推奨者干渉による推定に大きく偏りがあることが示される。
干渉経路を明示的に表現した「推薦者選択モデル」を提案する。
Weixin短ビデオプラットフォーム上での大規模フィールド実験により本手法の有効性を検証した。
論文 参考訳(メタデータ) (2024-06-20T14:53:26Z) - Model-Based Inference and Experimental Design for Interference Using Partial Network Data [4.76518127830168]
本稿では,部分的ネットワークデータを用いた治療効果調整の評価と推定のためのフレームワークを提案する。
部分的ネットワークデータのみを用いて治療を割り当てる手順を説明する。
本研究では,インドとマラウイにおける情報拡散と観測グラフのシミュレーション実験によるアプローチの有効性を検証した。
論文 参考訳(メタデータ) (2024-06-17T17:27:18Z) - Neighborhood Adaptive Estimators for Causal Inference under Network Interference [109.17155002599978]
ネットワークに接続された単位による古典的非干渉仮定の違反について考察する。
トラクタビリティでは、干渉がどのように広がるかを記述する既知のネットワークを考える。
論文 参考訳(メタデータ) (2022-12-07T14:53:47Z) - LSDAT: Low-Rank and Sparse Decomposition for Decision-based Adversarial
Attack [74.5144793386864]
LSDATは、入力サンプルのスパース成分と対向サンプルのスパース成分によって形成される低次元部分空間における摂動を加工する。
LSDは画像ピクセル領域で直接動作し、スパース性などの非$ell$制約が満たされることを保証します。
論文 参考訳(メタデータ) (2021-03-19T13:10:47Z) - Efficient Causal Inference from Combined Observational and
Interventional Data through Causal Reductions [68.6505592770171]
因果効果を推定する際の主な課題の1つである。
そこで本研究では,任意の数の高次元潜入共創者を置き換える新たな因果還元法を提案する。
パラメータ化縮小モデルを観測データと介入データから共同で推定する学習アルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-03-08T14:29:07Z) - Understanding Adversarial Examples from the Mutual Influence of Images
and Perturbations [83.60161052867534]
クリーンな画像と敵の摂動を遠ざけることで敵の例を分析し,その相互への影響を分析した。
以上の結果から,画像と普遍摂動の関係に対する新たな視点が示唆された。
我々は、オリジナルトレーニングデータを活用することなく、目標とするユニバーサルアタックの挑戦的なタスクを最初に達成した人物です。
論文 参考訳(メタデータ) (2020-07-13T05:00:09Z)
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。