融合动态样本选择器的时序因果关系挖掘方法

作     者：王梓行 李帅 周晓锋 

作者机构：中国科学院网络化控制系统重点实验室 中国科学院大学 中国科学院沈阳自动化研究所 中国科学院机器人与智能制造创新研究院 

出 版 物：《小型微型计算机系统》 (Journal of Chinese Computer Systems)

年 卷 期：2024年

学科分类：12[管理学] 02[经济学] 07[理学] 08[工学] 070103[理学-概率论与数理统计] 0202[经济学-应用经济学] 020208[经济学-统计学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 0714[理学-统计学（可授理学、经济学学位）] 0835[工学-软件工程] 0701[理学-数学] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(62203431)资助 中国科学院特别研究助理资助项目(E329100101)资助 辽宁省博士科研启动基金计划项目(2022-BS-027)资助 

主　　题：动态样本选择器 样本不均衡 时序因果关系挖掘 神经网络 智能体 

摘      要：时序因果关系挖掘一直是一个备受关注的研究领域，然而当前基于神经网络的时序因果关系挖掘方法会受到数据集样本不均衡的影响，从而导致因果信息的丢失，因果关系挖掘准确率下降。为解决这一问题，本文提出了一种融合动态样本选择器的时序因果关系挖掘方法。首先，本文通过一个智能体动态选择样本以构建动态训练集，有效解决了因样本不均衡而导致的因果信息丢失问题；然后，使用动态训练集对时序因果关系挖掘网络进行训练；最后，计算因果关系挖掘网络训练后得到的权重模值，获取因果关系图。实验结果表明本文提出的方法在时序因果关系挖掘性能上显著优于现有的基线方法。该方法为解决时序因果关系挖掘中的样本不均衡问题提供了一种新的思路。