Para peneliti memperkenalkan DKCD, sebuah kerangka kerja untuk penemuan kausal dari data tidak terstruktur di domain dengan keahlian tinggi seperti kesehatan dan keuangan. Metode ini mengatasi keterbatasan pendekatan yang ada dengan memasukkan pengetahuan domain tertentu untuk meningkatkan identifikasi faktor laten dan akurasi anotasi faktor.
- Penambangan Pengetahuan mengambil informasi domain yang relevan berdasarkan faktor yang dapat diamati untuk mendukung penalaran.
- Penalaran Kausal yang Dipandu Pengetahuan menemukan faktor kausal laten dan menghasilkan petunjuk untuk anotasi data yang akurat.
- Penemuan Struktur Kausal membangun grafik akhir menggunakan set faktor dan anotasi yang lebih lengkap.
Eksperimen pada dua dataset spesifik domain menunjukkan bahwa DKCD secara signifikan meningkatkan identifikasi faktor kausal dan konstruksi grafik kausal.