연구진은 다양한 치료법의 효과를 예측하는 문제를 해결하기 위해 새로운 인과 추론 방법을 제시했어요. 기존 방법은 모든 치료법을 관찰한다는 가정을 하지만, 이는 현실적으로 불가능한 경우가 많아요. 연구진은 인과 추론을 학습 문제로 재구성하는 접근 방식을 활용하여 고차원 치료 공간 문제를 해결했어요.
인과 오차는 여러 단계의 불균형 오차로 분해되며, 이를 개선하는 목표를 설계하고, 고차원 치료 효과를 저차원 속성으로 투영하여 여러 인과적 질문에 대한 답변을 얻을 수 있도록 했어요. Amazon 리뷰 데이터셋을 활용한 실험에서, 고차원 연속, 이산, 텍스트 치료법 환경에서 성능을 입증했어요.
실험 결과, 고차원 불균형 오차 최적화의 이점을 확인하고, 투영된 인과 추정치가 속성별 추정기 대비 경쟁력 있는 성능을 보였음을 확인했어요.