관찰 데이터를 사용하여 복합적인 요인(노출, 처치, 행동, 정책 등)이 복합적인 결과에 미치는 개별 처치 효과(ITE)를 추정하는 것은 인과 추론의 핵심적인 문제이다. 기존의 인과 머신러닝 연구는 단일 처치 및 단일 결과와 같은 단순한 설정에 국한되어 실제 복잡한 상황에 적용하기 어렵다. 이 논문에서는 이러한 문제를 해결하기 위해, 복합적인 요인과 결과를 처리하고 데이터 부족 문제를 해결하기 위해 하이퍼네트워크 기반의 새로운 접근 방식인 H-Learner를 제안한다. 제안된 방법은 바이너리 및 임의의 복합 요인 및 결과에 대한 실험을 통해 기존 방법보다 효과적임을 입증했다.
