Transformer-Based Spatial-Temporal Counterfactual Outcomes Estimation
基于 Transformer 的时空反事实结局估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确以时空反事实结局及冲突的因果效应为目标；仅有空间属性不足以归入网络与干扰。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
基于 Transformer 的时空反事实结局估计
- 研究问题
- 如何利用时间与空间信息估计反事实结局，并评估冲突对哥伦比亚森林损失的因果影响，同时为估计提供理论依据？
- 方法与思路
- 作者提出基于 Transformer 的时空反事实估计框架，称在温和假设下估计量一致且渐近正态，并开展模拟和真实数据实验。
- 材料陈述的贡献
- 摘要称模拟中的估计能力优于基准方法，并给出冲突影响森林损失的应用与代码地址，但没有报告具体比较数值或效应方向。
- 阅读关注点
- 核对反事实识别条件、时空依赖处理和模型训练方式，检查渐近理论如何适用于该框架，以及应用中的混杂控制与基准设置。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未说明所谓温和假设、理论适用条件和应用结果，无法确认性能优势的范围。
原文摘要
The real world naturally has dimensions of time and space. Therefore, estimating the counterfactual outcomes with spatial-temporal attributes is a crucial problem. However, previous methods are based on classical statistical models, which still have limitations in performance and generalization. This paper proposes a novel framework for estimating counterfactual outcomes with spatial-temporal attributes using the Transformer, exhibiting stronger estimation ability. Under mild assumptions, the proposed estimator within this framework is consistent and asymptotically normal. To validate the effectiveness of our approach, we conduct simulation experiments and real data experiments. Simulation experiments show that our estimator has a stronger estimation capability than baseline methods. Real data experiments provide a valuable conclusion to the causal effect of conflicts on forest loss in Colombia. The source code is available at https://github.com/lihe-maxsize/DeppSTCI_Release_Version-master.