基于反事实数据增广的用户出行决策因果分析方法

本发明公开了一种基于反事实数据增广的用户出行决策因果分析方法。本发明能够深入挖掘真正影响用户决策发生的因果性因子，有效避免受虚假解释的误导，提高模型的有效性和可靠性，并帮助下游任务的执行。通过设计基于最大化标量投影的因子相关性学习器，结合一个有效的反事实对比学习范式，以预训练的方式优化所有因子的表征，并挖掘每个因子的相关性得分。通过设计基于反事实数据增广的因果解释学习器，从相关性因子中探索因果性因子，并最后为用户出行决策生成解释。最后，通过在三个真实世界数据集上进行大量实验，验证了所提方法在不同行为场景下的签到率、模型保真度以及下游推荐任务的有效性。