يقدم الباحثون DKCD، وهو إطار عمل للاكتشاف السببي من البيانات غير المهيكلة في مجالات تتطلب خبرة عالية مثل الرعاية الصحية والمالية. تعالج الطريقة قيود النهج الحالية من خلال دمج معرفة مجال محددة لتحسين تحديد العوامل الكامنة ودقة تسمية العوامل.
- استخراج المعرفة يسترجع معلومات المجال ذات الصلة بناءً على العوامل القابلة للملاحظة لدعم الاستدلال.
- الاستدلال السببي الموجه بالمعرفة يكتشف العوامل السببية الكامنة ويولد أدلة لتسمية البيانات بدقة.
- اكتشاف الهيكل السببي يبني الرسوم البيانية النهائية باستخدام مجموعة أكثر اكتمالاً من العوامل والتسميات.
أظهرت التجارب على مجموعتي بيانات خاصتين بالمجال أن DKCD يحسن بشكل كبير كل من تحديد العوامل السببية وبناء الرسوم البيانية السببية.