因果单元选择的算法处理方法 黄海英与 阿德南·达尔维奇

《Entropy》：An Algorithmic Treatment of Causal Unit Selection Haiying Huang and Adnan Darwiche

　　

摘要

近来的研究中出现了优化因果目标函数的问题，其中对象的行为需要用干预概率或反事实概率来表示。一个关键的例子是Li和Pearl提出的效益函数（该函数根据它们的特征进行评分，这些特征被称为单元）的个体。以往关于单元选择的工作主要集中在这一特定目标函数上，并使用界限来确定其值。我们通过发展一种理论来补充这项工作，将单元选择视为一个计算问题，假设有一个完全指定的因果模型和一类更通用的目标函数。我们处理方法的核心是一种新颖的简化方法，它将一类广泛的因果目标函数的计算转化为在称为-完全的，并且VE的运行时间必须是目标模型受限树宽度的指数级，而目标模型的受限树宽度比原始输入模型更大且更密集。为了应对这一挑战，我们将目标模型编译成一类特殊的可处理算术电路，使得最优单元的计算时间与电路大小成线性关系。最后，我们展示了基于电路的方法相比基于VE的方法具有显著的速度提升，以及基于VE的方法相比基线搜索方法的速度提升，并提供了一个关于现实世界生态问题的案例研究。