文献类型：期刊文章

作　　者：王双成[1,2] 郑飞[1] 张立[1]

WANG Shuang-Cheng;ZHENG Fei;ZHANG Li(School of Information Management,Shanghai Lixin University of Accounting and Finance,Shanghai 201620,China;Institute of Data Science and Interdisciplinary Studies,Shanghai Lixin University of Accounting and Finance,Shanghai 201209,China)

机构地区：[1]上海立信会计金融学院信息管理学院,上海201620 [2]上海立信会计金融学院数据科学交叉研究院,上海201209

出　　处：《软件学报》

基　　金：国家社会科学基金(18BTJ020)。

年　　份：2021

卷　　号：32

期　　号：10

起止页码：3068-3084

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：贝叶斯网络是研究变量之间因果关系的有力工具,基于贝叶斯网络的因果关系学习包括结构学习与参数学习两部分,其中,结构学习是核心.目前,贝叶斯网络主要用于发现非时间序列数据中所蕴含的因果关系(非时间序列因果关系),从数据中学习得到的也均是一般变量之间的因果关系.针对这些情况,结合时间序列预处理、时间序列变量排序、转换数据集构建和局部贪婪打分-搜索等进行时间序列的因果关系学习;再将包括分段在内的时间序列预处理、时间序列段的因果关系结构学习、因果关系结构数据集构建、因果关系变量排序和局部贪婪打分-搜索等相结合,来进行元因果关系(因果关系变量之间的因果关系)学习,从而实现两个层次的时间序列因果关系学习,为进一步的量化因果分析奠定了基础.分别使用模拟、UCI和金融时间序列数据进行实验与分析,实验结果显示,基于贝叶斯网络能够有效地进行时间序列的因果关系和元因果关系学习.

关 键 词：时间序列 因果关系 贝叶斯网络 转换数据集  结构数据集  

分 类 号：TP181]