Towards Automated Causal Discovery: a case study on 5G telecommunication data
迈向自动化因果发现：5G 电信数据案例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：摘要明确以自动化因果发现、因果推理和因果查询为核心，直接对应因果推断。
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…
迈向自动化因果发现：5G 电信数据案例
- 研究问题
- 能否建立自动化系统，把因果发现与因果推理的应用流程整合起来，输出专家分析者所需的因果信息，并回答用户提出的因果查询？
- 方法与思路
- 作者定义自动化因果发现 AutoCD，描述平台架构，在合成数据上展示表现，并将系统应用于具有时间结构的电信数据案例。
- 材料陈述的贡献
- 摘要的明确贡献是提出 AutoCD 概念及平台架构，并通过合成数据和电信案例展示其应用；覆盖专家全部因果信息是系统目标。
- 阅读关注点
- 应核对系统自动选择哪些方法、如何管理因果假设、支持何种查询，以及合成数据评价标准和电信案例是否具有可验证的参照。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收均未核实。摘要未说明算法细节、识别条件或准确性指标，不能据此认定系统达到专家水平。
原文摘要
We introduce the concept of Automated Causal Discovery (AutoCD), defined as any system that aims to fully automate the application of causal discovery and causal reasoning methods. AutoCD's goal is to deliver all causal information that an expert human analyst would and answer a user's causal queries. We describe the architecture of such a platform, and illustrate its performance on synthetic data sets. As a case study, we apply it on temporal telecommunication data. The system is general and can be applied to a plethora of causal discovery problems.