计算机应用

作者：赵秦壮, 谭红叶

单位：山西大学 计算机与信息技术学院，太原 030006

关键词：因果推断,时间序列,假设检验,参数优化,自适应

基金：国家自然科学基金资助项目(62076155)

时序数据存在近因性特点，即变量值普遍依赖近期的历史信息，而现有时序因果推断方法没有充分考虑时序数据的这种特性，在通过假设检验推断不同延迟的因果关系时使用统一的阈值，难以有效推断较弱的因果关系。针对上述问题，提出基于自适应阈值学习的时序因果推断方法：首先提取数据特性，其次根据不同延迟下数据呈现的性质，自动地学习假设检验过程中使用的阈值组合，最后将该阈值组合用于PC（Peter-Clark）算法、PCMCI（Peter-Clark and Momentary Conditional Independence）算法和VAR-LINGAM（Vector AutoRegressive LINear non-Gaussian Acyclic Model）算法的假设检验过程，以得到更准确的因果关系结构。在仿真数据集上的实验结果表明，采用所提方法的自适应PC算法、自适应PCMCI算法和自适应VAR-LINGAM算法的F1值都有所提高。

来源：2024年第9期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第9期