向不定数据中的因果关系迈进：基准模型与新数据集

文章预览

Towards Causal Relationship in Indefinite Data: Baseline Model and New Datasets 向不定数据中的因果关系迈进：基准模型与新数据集 https://arxiv.org/pdf/2401.08221 摘要——将深度学习与因果发现相结合，使我们意识到在对话和视频中学习因果结构和表征充满了挑战。我们将这些数据形式定义为“不定数据”，其特点是具有多结构数据和多值表征。与现有的可适应数据形式不同，不定数据在数据集和方法上仍存在差距。为了解决数据集差距，我们发布了两个高质量的数据集——Causalogue和Causaction，分别包含带有因果注释的文本对话样本和视频动作样本。此外，方法差距源于多结构数据和多值表征的共存，这打破了当前所有方法的假设，使它们在处理不定数据时不可行。为此，我们提出了一个概率框架作为基线，并针对这一差距设计了三个亮点：1）利用非固定因果结构下噪 ………………………………