（文|王博文 冯在文 审核人|李国亮）7月29日下午，信息学院“Happy Hour”本学期第15期学术交流会通过线上平台举行。应我院冯在文副教授邀请，南澳大学计算机系程德波博士作了题为“Local Search for causal effect estimation”的学术报告。

   程德波博士首先介绍了因果关系推理在大数据分析中的重要作用。因果关系比传统统计学中的相关关系强很多，属于强人工智能范畴，在医学、经济学以及计算机科学等领域有广泛应用。程德波随后说明了因果推断强调随机化控制实验设计，相关关系并不代表因果关系。在分析因果效应中，对数据的因果分析应以随机化实验为基础，对潜在结果进行建模。通过科学实验设计，使数据呈现因果效应。应尽量避免模型设定或函数形式之类的假设，从而更好识别因果关系，计算出因果效应。

   程德波博士随后讲解了因果图模型的概念和用来判断变量间是否条件独立的d-分离准则。相对于传统统计学推断方法，因果推理需进行一些干预操作。通过进行一些对比试验，来对可观测变量进行判断是否是真正的影响因子，程德波还讲解了“后门准则”，用来消除混杂因子，从而消除一些“伪相关”，找出真正因果关系。仅仅使用概率统计分析工具，并不足以得到数据的因果判断。

   紧接着，程德波博士介绍了一种高效率的“Local search for causal inference”方法。这是程德波目前正在进行的一项关于统计因果推理的研究。基于给出的Maximal Ancestral Graph(MAG)方法，通过local search方法对可调整集进行挖掘，从具有潜在变量的的数据中找到有效调整集。通过有效的局部因果结构发现和识别调整集，并基于这些理论提出CE2LS算法，从带有潜在隐变量的数据中估计因果效应。实验证明相对于之前的PRE,EHS算法，CE2LS在大规模因果图中挖掘因果关系，在性能上有了很大提升。

   报告结束，冯在文副教授和高军教授等师生就因果关系推理中感兴趣的话题与程德波博士进行了深入交流，会议在轻松自由交流环节中结束，师生表示收获颇丰。