관측 데이터로부터 인과 관계를 추론하는 것은 중요하지만, 다양한 외부 간섭에 의해 어려움을 겪을 수 있다. 본 논문은 관측 변수에 영향을 미치는 알 수 없는 외부 요인을 나타내기 위해 잠재 변수를 도입하는 새로운 시계열 잠재 변수 구조적 인과 모델을 제안한다. 이는 인과 관계를 나타내는 인과 강도 및 인접 계수를 통합한다. 또한, 전문가 지식을 활용하기 위해 변분 추론 기반의 사전 지식 통합 방법을 개발하여 모델 추정을 지원한다. 실험 결과는 제안된 방법의 안정성과 정확성을 입증한다.
시사점, 한계점
•
시사점:
◦
알 수 없는 외부 간섭을 처리하기 위해 잠재 변수를 활용하여 인과 관계 추론의 정확성을 높임.
