混合加噪声模型与条件独立性检测的因果方向推断算法

摘要: 从可观测的变量中推导出潜在的因果关系是人工智能领域的热点研究之一。传统的基于独立性检测的方法是通过检测V结构来确定一组马尔科夫等价类而非最终的因果关系；而加噪声模型算法却只能适应于低维度的因果网络结构。为此，提出一种采取分治策略的混合加噪声模型与条件独立性检测的因果方向推断方法。首先是将一个n维因果网络分解成n个诱导子网络，分别归入三种基本结构（单度结构、非三角结构和存在三角的结构）中的一种，从理论上分别证明其有效性；其次对每个诱导子网络进行基于加噪声模型算法与条件独立性检测相结合的方向推断；最后把所有子网络合并起来构建成完整的因果关系网络。实验表明，该方法比传统的因果关系推断方法更加有效。