基于約束學習的觀測數(shù)據(jù)因果關(guān)系發(fā)現(xiàn)研究.pdf

1、人類對自然的探索活動本質(zhì)上是發(fā)現(xiàn)各種現(xiàn)象的原因，因果關(guān)系能夠給出各種現(xiàn)象的解釋，而這些解釋能幫助我們理解和掌握自然規(guī)律。設(shè)計良好的實驗研究是獲得因果關(guān)系的最有效的方法，但是實驗研究容易受倫理道德、實驗代價等因素的限制而無法開展。隨著數(shù)據(jù)收集和存儲技術(shù)的快速發(fā)展，在工程、醫(yī)療和科學實驗等領(lǐng)域每天都產(chǎn)生不可計量的觀測數(shù)據(jù)。在隨機實驗方法無法開展時，可以轉(zhuǎn)向基于觀測數(shù)據(jù)的因果發(fā)現(xiàn)?；谟^測數(shù)據(jù)的因果發(fā)現(xiàn)方法即是利用科學的理論和方法，揭示了蘊含

2、在海量的觀測數(shù)據(jù)中的因果關(guān)系。
　　從觀測數(shù)據(jù)中發(fā)現(xiàn)因果關(guān)系具有非常重要的意義，同時也面臨著許多實際的困難。因果關(guān)系沒有普遍被接受的定義，不同的領(lǐng)域中的因果關(guān)系有不同的解釋，很難使用統(tǒng)一的形式表達因果關(guān)系。在數(shù)據(jù)因果充分的條件下因果圖模型給出了觀測數(shù)據(jù)中對應(yīng)的因果關(guān)系的直觀表示。然而當數(shù)據(jù)因果充分條件在所有觀測變量下不滿足時往往不能構(gòu)造正確的因果圖。同時對觀測數(shù)據(jù)中的變量構(gòu)建因果圖模型的效率與變量的數(shù)量成指數(shù)關(guān)系，隨著變量數(shù)量的增

3、加，全局因果圖模型的約束學習代價將變的非常高。在實際的應(yīng)用背景下，用戶可能并不需要了解整個觀測數(shù)據(jù)中包含的所有因果關(guān)系，發(fā)現(xiàn)其中一部分感興趣的因果關(guān)系具有更大的理論意義和實現(xiàn)價值。為了解決現(xiàn)有因果模型學習和利用效率不高的問題，本文以研究觀測數(shù)據(jù)因果關(guān)系發(fā)現(xiàn)為基礎(chǔ)，針對觀測數(shù)據(jù)的變量的一個子集學習對應(yīng)的模型，通過獲得的模型來表達和推導(dǎo)直接因果關(guān)系。論文的主要研究內(nèi)容如下:
　　1.從因果關(guān)系理論出發(fā)，研究了不同的因果關(guān)系約束學習方法

4、，針對現(xiàn)有因果關(guān)系約束方法需要大量條件獨立性計算的問題，提出了因果關(guān)系一致性約束方法，通過融合目標變量在不同控制變量條件下的條件關(guān)聯(lián)來實現(xiàn)變量約束，避免了大量條件獨立計算。在一致性約束思想的基礎(chǔ)上，提出了基于觀測數(shù)據(jù)等價類的因果關(guān)系一致性約束方法，方法改進了觀測數(shù)據(jù)中變量一致性約束策略，有效地降低了觀測數(shù)據(jù)一致性約束實現(xiàn)的代價。對直接因果關(guān)系進行了明確的定義，并綜合缺省邏輯和一階謂詞的特點，利用缺省邏輯的蘊含式擴展將直接因果關(guān)系用因果規(guī)

5、則的形式進行表達，為變量的直接因果關(guān)系提供了一個簡潔的語法和形式化表達的工具，并在因果規(guī)則的基礎(chǔ)上構(gòu)建了因果預(yù)測和因果診斷的模型。
　　2.因果規(guī)則是直接因果關(guān)系的有效表達形式，利用直接因果關(guān)系的理論從海量的觀測數(shù)據(jù)中發(fā)現(xiàn)實際的因果規(guī)則具有重大的現(xiàn)實意義。針對傳統(tǒng)關(guān)聯(lián)規(guī)則興趣度評價方法的不足，將因果關(guān)系引入關(guān)聯(lián)規(guī)則興趣度評價，基于信息量提出了一種因果規(guī)則度量方法。方法將不同關(guān)聯(lián)規(guī)則之間的關(guān)系作為先驗知識來剔除虛假和錯誤的因果規(guī)則，

6、以興趣度評價的方式實現(xiàn)了直接因果關(guān)系發(fā)現(xiàn);同時提出了相應(yīng)的算法，并通過實際數(shù)據(jù)比較和分析了該算法的性能。在關(guān)聯(lián)規(guī)則的基礎(chǔ)上進行直接因果關(guān)系發(fā)現(xiàn)能充分了關(guān)聯(lián)規(guī)則挖掘的技術(shù)，為海量觀測數(shù)據(jù)的直接因果關(guān)系發(fā)現(xiàn)提供了有益的探索。
　　3.針對基于因果貝葉斯網(wǎng)絡(luò)的因果關(guān)系發(fā)現(xiàn)具有復(fù)雜度高、計算難度大等缺點，在直接因果關(guān)系的形式化表達基礎(chǔ)上，構(gòu)建了一個通用的直接因果關(guān)系發(fā)現(xiàn)框架。框架基于變量一致性約束的思想，利用關(guān)聯(lián)和部分關(guān)聯(lián)的分層約束實現(xiàn)直

7、接因果關(guān)系的發(fā)現(xiàn)。同時框架將單一因素的直接因果關(guān)系發(fā)現(xiàn)擴展到組合變量的直接因果關(guān)系，解決了傳統(tǒng)因果發(fā)現(xiàn)方法無法表示組合因果關(guān)系的問題?；诳蚣芴岢隽艘粋€高效的因果規(guī)則挖掘算法，設(shè)計了順序等價類存儲表和局部順序等價類存儲表，結(jié)合有效的數(shù)據(jù)表示和搜索空間剪枝技術(shù)，提高了發(fā)現(xiàn)因果規(guī)則的效率。通過充分的實驗評估，算法在不同的數(shù)據(jù)集合中都實現(xiàn)了較好的性能表現(xiàn)，相對于傳統(tǒng)的因果關(guān)系發(fā)現(xiàn)算法不僅提高了效率，并且在不同的數(shù)據(jù)集上具有良好的擴展性。