시간-계열 관측치로부터 반사실적 결과를 추정하는 것은 효과적인 의사 결정을 위해 중요하지만, 반사실적 궤적을 관찰할 수 없고 혼입 변수가 시간에 따라 변화하여 추정을 왜곡하기 때문에 매우 어렵습니다. 이 문제를 해결하기 위해, Sub-treatment Group Alignment (SGA)와 Random Temporal Masking (RTM)을 통합하는 새로운 프레임워크를 제안합니다. SGA는 잠재 공간에서 처치의 주변 분포를 정렬하는 대신, 반복적인 처치 비의존적 클러스터링을 사용하여 세분화된 하위 처치 그룹을 식별합니다. RTM은 훈련 중 입력 공변량을 가우시안 노이즈로 무작위로 대체하여 시간적 일반화를 촉진합니다. SGA와 RTM을 개별적으로 적용하는 것만으로도 반사실적 결과 추정이 개선되지만, 두 기술의 시너지 효과를 통해 최첨단 성능을 달성합니다.
