UPREVE: An End-to-End Causal Discovery Benchmarking System
UPREVE：端到端因果发现基准评估系统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：摘要明确以因果发现、因果图学习及其准确性评估为系统功能。
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…
UPREVE：端到端因果发现基准评估系统
- 研究问题
- 如何为复杂社会行为系统的因果发现提供易用流程，使使用者能够运行多种算法、展示学习到的关系并评估因果图准确性？
- 方法与思路
- 作者开发基于网页的图形界面 UPREVE，整合数据上传、预处理、可视化与评估，支持同时运行多个因果发现算法及自定义功能。
- 材料陈述的贡献
- 摘要将贡献定位为降低因果发现的使用门槛，为社会计算与行为文化建模等研究提供统一的操作、展示和算法评估界面。
- 阅读关注点
- 应核对系统支持哪些算法、预处理如何影响结果、因果图准确性如何定义，以及评估是否依赖已知真值或额外识别假设。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未提供算法清单、识别保证或评估结果，易用性不等于因果有效性。
原文摘要
Discovering causal relationships in complex socio-behavioral systems is challenging but essential for informed decision-making. We present Upload, PREprocess, Visualize, and Evaluate (UPREVE), a user-friendly web-based graphical user interface (GUI) designed to simplify the process of causal discovery. UPREVE allows users to run multiple algorithms simultaneously, visualize causal relationships, and evaluate the accuracy of learned causal graphs. With its accessible interface and customizable features, UPREVE empowers researchers and practitioners in social computing and behavioral-cultural modeling (among others) to explore and understand causal relationships effectively. Our proposed solution aims to make causal discovery more accessible and user-friendly, enabling users to gain valuable insights for better decision-making.