Root Cause Identification for Collective Anomalies in Time Series given an Acyclic Summary Causal Graph with Loops

要約

この論文は、観測時系列を与えられた集団的異常の根本原因を特定するためのアプローチと、通常のレジームで動的システムに存在する因果関係の抽象化を表す非循環要約因果グラフを提示します。
この論文では、最初に、d 分離を使用して関連する異常をグループ化することにより、根本原因の特定の問題を多くの独立したサブ問題に分割する方法を示します。
さらに、この設定の下で、いくつかの根本原因をグラフから、および異常の出現時間から直接見つける方法を示します。
最後に、正常な体制と異常な体制で直接的な因果関係を比較することによって、残りの根本原因を見つける方法を示します。
この目的のために、バックドア基準とシングルドア基準の一時的な適応が導入されています。
シミュレートされたデータセットと実世界のデータセットの両方で行われた広範な実験により、提案された方法の有効性が実証されました。

要約(オリジナル)

This paper presents an approach for identifying the root causes of collective anomalies given observational time series and an acyclic summary causal graph which depicts an abstraction of causal relations present in a dynamic system at its normal regime. The paper first shows how the problem of root cause identification can be divided into many independent subproblems by grouping related anomalies using d-separation. Further, it shows how, under this setting, some root causes can be found directly from the graph and from the time of appearance of anomalies. Finally, it shows, how the rest of the root causes can be found by comparing direct causal effects in the normal and in the anomalous regime. To this end, temporal adaptations of the back-door and the single-door criterions are introduced. Extensive experiments conducted on both simulated and real-world datasets demonstrate the effectiveness of the proposed method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google