실제 관계형 데이터로부터 인과 효과를 추정하는 것은 기본적인 인과 모델과 잠재적 교란 요인이 알려지지 않은 경우 어려울 수 있습니다. 본 연구에서는 잠재적 교란 요인이 있는 관계형 데이터에 대한 건전하고 완전한 인과 관계 발견 알고리즘인 RelFCI를 제안합니다. 이는 Fast Causal Inference (FCI) 및 Relational Causal Discovery (RCD) 알고리즘을 기반으로 하며, 관계형 도메인에서 인과 관계 발견을 지원하는 데 필요한 새로운 그래픽 모델을 정의합니다. 또한, 잠재적 교란 요인이 있는 관계형 d-분리에 대한 건전성과 완전성을 보장합니다. RelFCI의 효과를 입증하기 위해 잠재적 교란 요인이 있는 관계형 인과 모델에서 정확한 인과 구조를 식별하는 실험 결과를 제시합니다.
