Sep, 2024

利用实验中的二分图测量买方市场实验中的卖方结果

HTML
PDF
TL;DR本研究解决了在线控制二分图实验中因果推断估计方法的不足，通过使用实验数据构建二分图，开辟了新的研究方向。我们的方法建立了买卖双方互动的图结构，揭示了在现代市场中评估卖方因果效应的重要性，尤其是在买方实验中的应用潜力。
发现论文，激发创造
  • 因果升维与链接预测

    本文介绍了第一个能处理路径依赖的因果模型，它引入了因果提升的概念，并且证明了基于结构对的节点对称联合表征方法，具有更低的偏差和更好的因果结构表示能力。

    Feb, 2023

  • 评估动态条件分位数治疗效果及其在拼车中的应用

    本文提出了一个计算条件独立特性量的动态CQTE的形式框架，介绍了两个VCDP模型，并设计了一种创新方法测试动态CQTE，同时扩展了该方法以适应来自时空相关的实验数据，并研究了条件分位数直接和间接效应。

    May, 2023

  • 通过表征学习减轻拥堵：在市场中提高经济福利

    通过利用卖家定价的去中心化特性并且依靠平台控制的产品信息，我们提出一种提高社会福利的方法来减少市场拥挤，通过用户过去选择所揭示的选择偏好以及用特定方式揭示的表示来解决技术挑战并获得了实验证明。

    Jun, 2023

  • 利用有限的图知识超越Markov等价的前门调整

    本文通过提供可测试的条件独立性语句，展示了使用类前门调整来计算因果效应的方法，并证明该方法适用于在有限结构信息的情况下不知道图形的情况下。

    Jun, 2023

  • 贷款定价的因果视角：研究选择偏差对识别报价响应函数的影响

    通过将价格作为因果推理问题，我们研究了选择偏差对个人标价反应的影响，并探究了针对定价数据中的选择偏差的因果机器学习方法的潜力。

    Sep, 2023

  • 因果发现中的假设违规和评分匹配的鲁棒性

    本研究对观测因果发现方法的实证表现进行了广泛的基准测试，发现基于分数匹配的方法在具有挑战性的情景中推断图的假阳性和假阴性率方面表现出令人惊讶的性能，并提供了理论洞察。该研究还首次尝试基于超参数值评估因果发现算法的稳定性。希望这篇论文能够为因果发现方法的评估树立新标准，并成为对该领域感兴趣的实践者的可访问入口，突出了不同算法选择的实证影响。

    Oct, 2023

  • 基于图神经网络的双机器学习估计网络因果效应

    我们的研究论文利用图神经网络和双机器学习的新方法，结合社交网络，有效地推断出因果效应，并证明该估计器在因果效应估计中具有良好的性能。

    Mar, 2024

  • 图神经网络用于治疗效果预测

    使用图神经网络结合节点回归和消息传递机制，结合收集训练数据的策略，在大规模电子商务数据中实现对有限标记样本的因果效应估计。

    Mar, 2024

  • 潜在混淆变量的总效应在总结性因果图中的可识别性：基于前门准则的扩展

    使用摘要因果图从观测数据中确定总效应的充分图形条件，即使存在隐藏的混杂和没有足够的变量集进行调整，也有助于从观测数据中理解和估计因果效应的持续努力。

    Jun, 2024

  • 任务无关图估值的结构与特征解耦表示

    本研究解决了在数据市场中对图结构的价值评估这一问题。我们提出了一种新的框架——盲信息传递，通过共享节点排列对卖方和买方的图进行对齐，利用图Wasserstein距离量化图数据集的结构差异，并考虑图的特征方面进行数据估值，从而在现实应用中提升了图数据的价值评估效果。

    Aug, 2024