NESTER：一种用于因果效应估计的自适应神经符号方法

从观测数据中估计因果效应是因果推断的核心问题。基于潜在结果框架的方法通过利用因果推断中的归纳偏置和启发式方法来解决此问题。这些方法中的每一种都通过设计神经网络（NN）架构和正则化器来处理因果效应估计的特定方面，例如控制倾向得分、强制随机化等。在本文中，我们提出了一种名为神经符号因果效应估计器（NESTER）的自适应方法，这是一种用于因果效应估计的通用方法。NESTER 将现有基于多头神经网络的因果效应估计方法中使用的思想整合到一个框架中。我们基于文献中使用的因果归纳偏置，设计了一种专为因果效应估计定制的领域特定语言（DSL）。我们进行了理论分析，以研究 NESTER 在估计因果效应方面的有效性。我们全面的实证结果表明，NESTER 在基准数据集上的表现优于最先进的方法。