基于编码知识的非线性因果建模的制作方法

技术特征：
1.一种方法，所述方法包括：在不存在先验知识约束的因果网络拓扑中对先验知识约束进行编码，同时维持所述拓扑的有向性和非循环性。2.根据权利要求1所述的方法，其中对所述先验知识约束进行编码包括在邻接矩阵中对所述因果网络拓扑的边进行编码。3.根据权利要求2所述的方法，其中所述编码后的边基于所述先验知识约束的有向或无向关系。4.根据权利要求3所述的方法，还包括打破不对先验知识约束进行编码的所述因果网络拓扑的边。5.根据权利要求1所述的方法，其中所述因果网络拓扑是通过基于负先验知识约束迭代地搜索初始化因果网络拓扑来推导的。6.根据权利要求5所述的方法，其中迭代地搜索所述初始化因果网络拓扑包括迭代地更新设计矩阵以移除被负先验知识约束无效的关系，所述负先验知识约束包括有向关系约束、前继关系约束和后继关系约束中的一个。7.根据权利要求5所述的方法，其中基于受先验知识约束的候选父集来初始化所述因果网络拓扑。8.根据权利要求1所述的方法，还包括将具有异常值的观测变量的一组原因输出到a/b测试框架的接口，使所述a/b测试框架对于所述一组原因当中的每个原因，生成a/b测试，每个a/b测试具有多个变量，并且每个变量具有所述原因的不同初始参数化。9.一种系统，所述系统包括：一个或多个处理器；以及通信地耦合到所述一个或多个处理器的存储器，所述存储器存储可由所述一个或多个处理器执行的计算机可执行模块，当由所述一个或多个处理器执行时，所述计算机可执行模块执行相关操作，所述计算机可执行模块包括：知识编码模块，所述知识编码模块被配置为在不存在先验知识约束的因果网络拓扑中对先验知识约束进行编码，同时维持所述拓扑的有向性和非循环性。10.根据权利要求9所述的系统，其中所述知识编码模块被配置为通过在邻接矩阵中对所述因果网络拓扑的边进行编码来对所述先验知识约束进行编码。11.根据权利要求10所述的系统，其中所述编码后的边基于所述先验知识约束的有向或无向关系。12.根据权利要求11所述的系统，还包括边打破模块，所述边打破模块被配置为打破不对先验知识约束进行编码的所述因果网络拓扑的边。13.根据权利要求9所述的系统，还包括迭代搜索模块，所述迭代搜索模块被配置为基于负先验知识约束迭代地搜索初始化因果网络拓扑，从而推导所述因果网络拓扑。14.根据权利要求13所述的系统，其中所述迭代搜索模块被配置为通过迭代地更新设计矩阵以移除被负先验知识约束无效的关系来迭代地搜索所述初始化因果网络拓扑，所述负先验知识约束包括有向关系约束、前继关系约束和后继关系约束中的一个。15.根据权利要求13所述的系统，还包括其中还包括拓扑初始化模块，所述拓扑初始化模块被配置为基于受先验知识约束的候选父集来初始化所述因果网络拓扑。
16.根据权利要求9所述的系统，还包括测试模块，所述测试模块被配置为接收具有异常值的观测变量的一组原因作为输入，并且被配置为对于所述一组原因中的每个原因，生成a/b测试，每个a/b测试具有多个变体，并且每个变体具有所述原因的不同初始参数化。17.一种计算机可读存储介质，所述计算机可读存储介质存储可由一个或多个处理器执行的计算机可读指令，当由所述一个或多个处理器执行时，所述计算机可读指令使所述一个或多个处理器执行操作，所述操作包括：在不存在先验知识约束的因果网络拓扑中对先验知识约束进行编码，同时维持所述拓扑的有向性和非循环性。18.根据权利要求17所述的计算机可读存储介质，其中所述因果网络拓扑是通过基于负先验知识约束迭代地搜索初始化因果网络拓扑来推导的。19.根据权利要求18所述的计算机可读存储介质，其中迭代地搜索所述初始化因果网络拓扑包括迭代地更新设计矩阵以移除被负先验知识约束无效的关系，所述负先验知识约束包括有向关系约束、前继关系约束和后继关系约束中的一个。20.根据权利要求18所述的计算机可读存储介质，其中基于受先验知识约束的候选父集来初始化所述因果网络拓扑。

技术总结
本公开提供了一种优化因果加性模型，该模型符合有向性和非循环性的结构约束，并对先验知识反映的正关系约束和负关系约束进行编码，以使得该模型在拟合到一组或多组观察变量时，将倾向于与预期观察结果以及关于因果关系的特定领域推理相匹配，并该模型将符合贝叶斯统计分布的有向性和非周期性要求。通过实施因果加性模型的改进来减少搜索空间和增强有向性，减少了计算工作量，并提高了计算效率，同时通过优先编码先验知识而不是优化损失函数，确保了结果因果性的直观正确性。了结果因果性的直观正确性。了结果因果性的直观正确性。


技术研发人员：李岩 刘春辰 孙一峤
受保护的技术使用者：阿里巴巴集团控股有限公司
技术研发日：2020.11.18
技术公布日：2022/2/23