基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
因果关系的研究在于揭示自然规律的和人类社会发展本质及其规律,对人类长久以来的生产生活和科学研究有着非常重要的作用。目前,因果关系的研究受到前所未有的广泛关注,但仍存在诸多困难和挑战。致力于建立一个因果激励/抑制模型以抽象地表示和解释因果的作用机制,并在此基础上提出用于目标节点的局部因果关系网络的自动发现方法框架ICIC和算法ICIC_Target 。该方法不预先设定因果结构(如设定为无圈、隐含结构),并根据对因果关系本质的认识,利用初始变量(exogenous variables)和初始团树(IClique)的概念,在判定边和方向之前对变量进行粗略地排序,从而提高了因果关系网络发现的性能。在4个不同类型的数据集上实现了与多种经典方法,如 HITON ,IC ,PC ,PCMB 等的对比实验,实验结果表明ICIC_Target方法适用范围广,有较好的鲁棒性,同时,从理论上分析证实了ICIC_Target方法具有较好的稳定性和较低的复杂度。
推荐文章
局部因果关系分析的隐变量发现算法
隐变量
马尔科夫毯
扰动学习
因果关系分析
因果结构熵
面向社交媒体的直接因果网络发现算法
因果关系
时序
社交媒体
直接因果网络
传递熵
多关系网络上的社区发现
多关系网络
社区发现
机器学习
聚类
向量表示
异构网络
QSIM算法的序列因果关系约束和目标搜寻策略研究
QSIM算法
定性推理
序列因果
目标搜索
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 ICIC_Target:目标节点的局部因果关系网络的发现算法
来源期刊 计算机研究与发展 学科 工学
关键词 因果关系 因果关系网络 局部因果关系发现 激励因果 抑制因果
年,卷(期) 2016,(7) 所属期刊栏目 人工智能
研究方向 页码范围 1544-1560
页数 17页 分类号 TP391
字数 13377字 语种 中文
DOI 10.7544/issn1000-1239.2016.20148251
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王挺 国防科学技术大学计算机学院 34 445 12.0 20.0
2 李岩 国防科学技术大学计算机学院 8 85 5.0 8.0
3 刘万伟 国防科学技术大学计算机学院 8 20 2.0 4.0
4 张晓艳 国防科学技术大学人文与社会科学学院 3 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (9)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1969(1)
  • 参考文献(1)
  • 二级参考文献(0)
1992(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2007(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
因果关系
因果关系网络
局部因果关系发现
激励因果
抑制因果
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机研究与发展
月刊
1000-1239
11-1777/TP
大16开
北京中关村科学院南路6号
2-654
1958
chi
出版文献量(篇)
7553
总下载数(次)
35
总被引数(次)
164870
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导