【技术实现步骤摘要】
本专利技术属于人工智能和数据科学，涉及一种基于大模型与结构约束的因果发现方法及相关装置。
技术介绍
1、大数据时代中，如何从海量数据中发现因果关系，是数据科学中最有可能创造商业价值和进行研究发现的研究领域之一。现有的因果发现方法主要包括基于约束的方法、基于模型的方法和基于价值得分的方法。然而，这些方法在面对高维数据和复杂因果关系时，往往表现出一定的局限性。
2、基于约束的方法依赖于对变量之间条件独立性的检验，识别真实因果图的马尔可夫等价类，这类方法在高维数据中容易出现计算复杂性高的问题。基于模型的方法通过对因果模型的分布和函数类施加额外的假设，以识别因果图中所有边的方向，然而，这种方法对模型假设的依赖性较强，当假设不符合实际情况时，可能导致错误的因果结论。基于价值得分的方法则利用打分函数和搜索策略来寻找最优价值得分的因果图，但由于搜索空间巨大，优化过程非常耗时。
技术实现思路
1、本专利技术的目的在于克服上述现有技术的缺点，提供一种基于大模型与结构约束的因果发现方法及相关装置。
2、为本文档来自技高网...
【技术保护点】
1.一种基于大模型与结构约束的因果发现方法，其特征在于，包括：
2.根据权利要求1所述的基于大模型与结构约束的因果发现方法，其特征在于，所述文本数据集为：生物学数据集、社会学数据集、气候学数据集或复杂系统故障数据集。
3.根据权利要求1所述的基于大模型与结构约束的因果发现方法，其特征在于，所述因果变量的元信息包括因果变量的变量名称和描述信息。
4.根据权利要求1所述的基于大模型与结构约束的因果发现方法，其特征在于，所述策略网络的编码器采用多头注意力机制的Transformer模型；
5.根据权利要求1所述的基于大模型与结...
【技术特征摘要】
1.一种基于大模型与结构约束的因果发现方法，其特征在于，包括：
2.根据权利要求1所述的基于大模型与结构约束的因果发现方法，其特征在于，所述文本数据集为：生物学数据集、社会学数据集、气候学数据集或复杂系统故障数据集。
3.根据权利要求1所述的基于大模型与结构约束的因果发现方法，其特征在于，所述因果变量的元信息包括因果变量的变量名称和描述信息。
4.根据权利要求1所述的基于大模型与结构约束的因果发现方法，其特征在于，所述策略网络的编码器采用多头注意力机制的transformer模型；
5.根据权利要求1所述的基于大模型与结构约束的因果发现方法，其特征在于，所述基于初始潜在因果图生成的结构约束条件包括：
6.根据权利要求1所述的基于大模型与结构约束的因果发现方法，其特征在于...
【专利技术属性】
技术研发人员：朱海萍，李文浩，籍伟华，田锋，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。