基于显著性加权的分治因果发现方法

摘要

针对高维数据因果发现中存在的计算复杂度高、马尔可夫等价类区分模糊及合并冲突消解机制粗糙等问题，提出一种基于显著性加权的分治因果发现方法 .该方法通过三层次设计实现效率与准确性的协同优化：在分解阶段，定义路径显著性值与路径重要性得分来动态量化因果路径的统计可靠性，结合拓扑特征自适应选择分割路径，优先保留高置信度因果链以保护关键结构；在求解阶段，采用基于残差的条件独立性检验改进PC算法（Peter-Clark Algorithm），通过回归残差独立性检验来区分马尔可夫等价类；在合并阶段，设计基于置信度分数的冲突消解机制，量化因果方向可靠性以解决边冲突.实验表明，提出的方法在高维数据集上的性能显著优于CPBG(Causal Partition Based Graph)等基准方法，为高维因果发现提供高效、鲁棒且可解释的解决方案.

关键词

高维因果发现 / 分治策略 / 显著性加权 / 残差独立性 / 冲突消解