新的HINet模型可在无预定义暴露映射的网络中估计处理效应

研究人员开发了HINet，这是一种新颖的神经网络方法，旨在估计网络环境中处理效应，其中节点之间的干扰是一个因素。与需要预定义暴露映射的先前方法不同，HINet集成了图神经网络和域对抗训练。这使得模型能够同时学习相关的邻域表示并预测结果，从而在不依赖潜在不准确的预先规范的情况下有效捕获异质性干扰。该方法在经验评估中已证明在各种暴露映射下具有一致的性能。 AI

影响 这项研究可以提高复杂网络结构中因果推断的准确性，可能影响社会科学和流行病学等领域。

排序理由 该集群包含一篇在arXiv上发表的研究论文，详细介绍了在网络中估计处理效应的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• Daan Caljon
• DagsHub
• Gotit.pub
• graph neural network
• HINet
• Hugging Face
• IArxiv
• ScienceCast

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →