ترجمه فارسی مقاله انتشار خلاف واقع‌ها: استنتاج خلاف واقع‌های با ابعاد بالا با هدایت بازنمایی‌های علّی

چکیده

Accurate estimation of counterfactual outcomes in high-dimensional data is crucial for decision-making and understanding causal relationships and intervention outcomes in various domains, including healthcare, economics, and social sciences. However, existing methods often struggle to generate accurate and consistent counterfactuals, particularly when the causal relationships are complex. We propose a novel framework that incorporates causal mechanisms and diffusion models to generate high-quality counterfactual samples guided by causal representation. Our approach introduces a novel, theoretically grounded training and sampling process that enables the model to consistently generate accurate counterfactual high-dimensional data under multiple intervention steps. Experimental results on various synthetic and real benchmarks demonstrate the proposed approach outperforms state-of-the-art methods in generating accurate and high-quality counterfactuals, using different evaluation metrics.

چکیده به فارسی (ترجمه ماشینی)

برآورد دقیق نتایج متقابل در داده های با ابعاد بالا برای تصمیم گیری و درک روابط علّی و نتایج مداخله در حوزه های مختلف از جمله مراقبت های بهداشتی ، اقتصاد و علوم اجتماعی بسیار مهم است.با این حال ، روشهای موجود اغلب برای تولید ضد خلاف درست و مداوم تلاش می کنند ، به ویژه هنگامی که روابط علّی پیچیده باشد.ما یک چارچوب جدید را پیشنهاد می کنیم که شامل مکانیسم های علی و مدل های انتشار برای تولید نمونه های ضد با کیفیت بالا با هدایت با بازنمایی علیت است.رویکرد ما یک فرآیند آموزش و نمونه گیری جدید ، از لحاظ نظری را معرفی می کند که مدل را قادر می سازد تا به طور مداوم داده های دقیق ضد بعدی را در مراحل مداخله چندگانه تولید کند.نتایج تجربی در معیارهای مختلف مصنوعی و واقعی نشان می دهد که رویکرد پیشنهادی نسبت به روشهای پیشرفته در تولید متقابل دقیق و با کیفیت بالا ، با استفاده از معیارهای مختلف ارزیابی ، عملکردی را نشان می دهد.