arXiv cs.AI· Zhirong Huang, Wenzhen Zhang, Guangquan Lu, Boyan Chen, Debo Cheng, Shichao Zhang·· 11 小时前AI 评分22
NEDNet：网络干扰下因果效应估计的网络效应分解方法
Network Effect Decomposition for Causal Effect Estimation under Network Interference
AI 导读
研究者提出 NEDNet，将条件结果响应参数化为查询不变的治疗前基线加上独立的治疗响应与暴露响应两条路径，并用路径特定的邻域上下文化为两条路径提供局部治疗前信息。在 BlogCatalog 和 Flickr 衍生的半合成基准上，NEDNet 在同质与协变量异质响应设置下，对个体效应、同伴效应和总效应均取得所比较方法中最低的 PEHE。
正文 · AI 翻译
摘要：从观察性网络数据中估计因果效应需要同时考虑个体处理和邻域暴露。现有结果模型通常将这些干预变量纳入联合预测器，并通过预测对比来估计因果效应，从而使相应的响应成分隐含其中。我们提出 $\underline{N}$etwork $\underline{E}$ffect $\underline{D}$ecomposition $\underline{Net}$work（NEDNet），它将条件结果响应参数化为查询不变的处理前基线，加上独立的处理响应路径和暴露响应路径。路径特定的邻域上下文化为这两条路径提供局部处理前信息。我们通过一个唯一的参考归一化分解来刻画拟合响应，该分解等价于零混合处理—暴露对比。在基于 BlogCatalog 和 Flickr 的半合成基准上的实验表明，在同质和协变量异质的响应设置下，NEDNet 在个体效应、同伴效应和总效应方面，在所比较的方法中取得了最低的 PEHE。
| 主题： | 机器学习（stat.ML）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.07879 [stat.ML] |
| （或 arXiv:2611.07879v1 [stat.ML] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.07879 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Zhirong Huang [查看电子邮件]
[v1]
2026年11月5日星期四 12:00:31 UTC（134 KB）
来源：arXiv cs.AI · arxiv.org