基于跨孤岛数据的因果效应解耦估计

估计不同事件之间的因果效应对药物研发等关键领域具有重要意义。然而，与事件相关的数据特征可能分布在不同的孤岛中，并在各自参与方内部保持私有，阻碍了它们之间的直接信息交换。这反过来会导致局部因果效应的估计产生偏差，因为其仅依赖于部分协变量的特征。为了应对这一挑战，我们引入了一种创新的解耦架构，旨在通过共享分支与私有分支的结合，促进融入了因果机制的模型参数在跨孤岛间的无缝传输。此外，我们将全局约束引入该模型中，以有效缓解各种缺失域内的偏差，从而提升我们因果效应估计的准确性。在新的半合成数据集上进行的大量实验表明，我们的方法优于SOTA基线。