Pesquisadores apresentam o DKCD, uma estrutura para descoberta causal a partir de dados não estruturados em domínios de alta especialização, como saúde e finanças. O método aborda as limitações das abordagens existentes ao incorporar conhecimento específico do domínio para melhorar a identificação de fatores latentes e a precisão da anotação dos fatores.
- A Mineração de Conhecimento recupera informações relevantes do domínio com base em fatores observáveis para apoiar o raciocínio.
- O Raciocínio Causal Guiado por Conhecimento descobre fatores causais latentes e gera pistas para uma anotação precisa dos dados.
- A Descoberta da Estrutura Causal constrói gráficos finais usando um conjunto mais completo de fatores e anotações.
Experimentos em dois conjuntos de dados específicos do domínio demonstram que o DKCD melhora significativamente tanto a identificação de fatores causais quanto a construção de gráficos causais.