研究課題
因果効果推定の適用範囲を大きく広げることを狙って、関係データ上の因果効果推定、たとえばソーシャルネットワークのように個々のデータ間に関係構造が存在し、この構造を通じてお互いの意思決定に干渉が存在する場合の因果効果推定問題に取り組んだ。とくに(1)複数の種類の関係が存在する場合 (2)階層的な構造が存在する場合 (3)データ間の関係が明示的に観測されない場合などの複雑なケースに対して、グラフ深層学習や注意機構などの深層学習手法と、因果効果推定のためのバイアス補正を組み合わせることでこれを解決する方法を提案した。いずれも機械学習・データマイニング分野における主要国際会議(KDD, ECML/PKDD, PAKDD)において発表・採択された。
令和5年度が最終年度であるため、記入しない。
すべて 2024 2023
すべて 雑誌論文 (4件) (うち査読あり 4件、 オープンアクセス 1件)
Proceedings of the 28th Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD)
巻: 28 ページ: NA(12pages)
Proceedings of the European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML PKDD)
巻: LNAI14169 ページ: 576,592
10.1007/978-3-031-43412-9_34
Proceedings of the 29th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD)
巻: 23 ページ: 2145,2154
10.1145/3580305.3599269