图结构因果推断算法开发的线性时间原语
人工智能
2025-06-23 v1 数据结构与算法
机器学习
统计方法学
机器学习
摘要
我们引入CIfly，一个用于图结构因果推断中高效算法原语的框架，通过将可达性作为可重用的核心操作来实现。这一框架建立在许多因果推理任务可归约为在目的构建的状态空间图中进行可达性的洞见之上，这些图可以在遍历过程中动态构建。我们形式化了规则表模式，用于指定此类算法，并证明其运行时间为线性。我们将CIfly确立为常见原语moralization（道德化）和latent projection（潜在投影）的更高效替代方案，后者我们表明其计算等价于布尔矩阵乘法。我们的开源Rust实现可解析规则表文本文件并运行指定的CIfly算法，提供高性能执行， accessible from Python and R。我们通过在框架内重新实现多项既有因果推理任务，并开发新的工具变量算法来展示CIfly的实用性。这些贡献将CIfly确立为图结构因果推断的灵活且可扩展的 backbone，指导算法开发并实现高效部署。
引用
@article{arxiv.2506.15758,
title = {Linear-Time Primitives for Algorithm Development in Graphical Causal Inference},
author = {Marcel Wienöbst and Sebastian Weichwald and Leonard Henckel},
journal= {arXiv preprint arXiv:2506.15758},
year = {2025}
}