研究人员推出了DKCD，这是一个用于在高专业知识领域（如医疗和金融）中从非结构化数据进行因果发现的框架。该方法通过结合特定的领域知识来解决现有方法的局限性，从而改善潜在因素的识别和因素标注的准确性。
- 知识挖掘 (Knowledge Mining) 基于可观察的因素检索相关的领域信息以支持推理。
- 知识引导的因果推理 (Knowledge-guided Causal Reasoning) 发现潜在的因果因素并为准确的数据标注生成线索。
- 因果结构发现 (Causal Structure Discovery) 使用更完整的因素和标注集构建最终的图。
在两个特定领域的数据集上的实验表明，DKCD显著提高了因果因素识别和因果图构建的效果。