Resumo Técnico: Estimativa de Efeito de Tratamento com Efeito de Rede Diferenciado em Dados de Grafos

Declaração do Problema

O artigo aborda o desafio de estimar Efeitos Individuais de Tratamento (ITE) a partir de dados observacionais de grafos. Em muitos cenários do mundo real, como comércio e medicina, o resultado de um indivíduo não é influenciado apenas pelo seu próprio tratamento e covariáveis, mas também pelos tratamentos e covariáveis de seus vizinhos. Esse fenômeno é conhecido como interferência. Quando a interferência se propaga através de vizinhos de múltiplos saltos, é denominada interferência em rede.

Os autores identificam uma questão crítica, frequentemente negligenciada nos métodos existentes: o Efeito de Rede Diferenciado (DNE). O DNE surge porque as redes locais variam de duas maneiras específicas:

1. Importância Variável: Diferentes vizinhos contribuem de forma distinta para a interferência que um indivíduo experimenta (por exemplo, amigos próximos têm mais influência do que conhecidos distantes).
2. Escalas Variáveis: O número de vizinhos (grau) varia entre indivíduos. Um indivíduo com muitos vizinhos pode experimentar níveis de interferência significativamente diferentes em comparação com alguém com poucos, mesmo que os atributos dos vizinhos sejam semelhantes.

Métodos existentes, que geralmente dependem de agregação média, Redes de Convolução em Grafos (GCN) ou Redes de Atenção em Grafos (GAT) padrão, falham em capturar o DNE de forma eficaz. A agregação média e as GCN frequentemente tratam os vizinhos de forma igualitária ou degeneram para agregação média quando os indivíduos são semelhantes, falhando em distinguir entre diferentes escalas de rede. Embora a GAT aborde a importância variável, ela ainda pode falhar em gerar representações distintas para indivíduos expostos a redes locais de diferentes escalas quando suas informações individuais são semelhantes. Essa falha leva a uma estimativa imprecisa do ITE e a uma tomada de decisão potencialmente equivocada.

Metodologia: GITE

Para abordar esses desafios, os autores propõem o GITE (Estimativa de Efeito Individual de Tratamento Baseada em Grafos). A arquitetura consiste em três módulos principais: Aprendizado de Representação, Balanceamento de Representação e Previsão de Resultado.

1. Módulo de Aprendizado de Representação

A inovação central reside na camada de Modelagem de Interferência em Rede (NIM), projetada para capturar o DNE.

• Mecanismos de Atenção Parcial: A camada NIM emprega dois mecanismos de atenção distintos para capturar adaptativamente as contribuições dos vizinhos:
  • Atenção Parcial Individual (IPAtt): Estima a importância da interferência com base nas informações relacionadas à interferência (covariáveis e tratamentos) dos indivíduos. Isso aborda a questão da importância variável dos vizinhos.
  • Atenção Parcial Estrutural (SPAtt): Estima a importância com base nas propriedades estruturais das redes locais (usando uma Rede de Isomorfismo de Grafos, GIN, para codificar a estrutura). Isso ajuda a abordar tanto a importância variável quanto as escalas variáveis.
• Amplificador de Mensagem: Para abordar especificamente a questão das escalas variáveis de vizinhos (subquestão II do DNE), a camada NIM inclui um amplificador de mensagem. Este componente ajusta as representações agregadas de interferência com base no grau do indivíduo. Inspirado na Agregação de Vizinhança Principal, ele garante que indivíduos com diferentes números de vizinhos gerem representações distintas, mesmo que suas informações de rede local sejam semelhantes.
• Agregação: A camada integra adaptativamente os resultados da IPAtt e da SPAtt usando uma função de resumo aprendível.

2. Módulo de Balanceamento de Representação

Para mitigar o viés de confusão (onde covariáveis afetam a atribuição de tratamento) e o viés de interferência (onde tratamentos de vizinhos afetam o tratamento de um indivíduo), os autores propõem uma nova estratégia de balanceamento de representação conjunta.

• Em vez de balancear separadamente as representações individuais ($\mathbf{z}_i$), de interferência de covariáveis ($\mathbf{z}_{X_i}$) e de interferência de tratamento ($\mathbf{z}_{T_i}$), o GITE balanceia sua distribuição conjunta.
• Essa abordagem utiliza um Regularizador de Resultado Factual Proximal (PFOR). Ao incorporar resultados factuais e previstos na métrica de distância usada para o balanceamento (via discrepância de Wasserstein), o método visa mitigar vieses introduzidos por variáveis não observadas, que estratégias de balanceamento separadas frequentemente falham em abordar.

3. Módulo de Previsão de Resultado

O modelo utiliza dois Perceptrons de Camadas Múltiplas (MLPs) para prever resultados potenciais para os estados de tratamento $t=0$ e $t=1$. O ITE final é estimado como a diferença entre essas previsões. A função de perda total combina o Erro Quadrático Médio (MSE) para resultados factuais, a discrepância de Wasserstein para o balanceamento de representação e a regularização L2.

Principais Contribuições

1. Identificação do DNE: O artigo define formalmente o Efeito de Rede Diferenciado (DNE) como um fator crítico na interferência em rede, compreendendo importância variável dos vizinhos e escalas variáveis de vizinhos.
2. Camada NIM: Uma camada de modelagem inovadora que incorpora IPAtt, SPAtt e um amplificador de mensagem para capturar explicitamente o DNE, superando as limitações da agregação média, GCN e GAT padrão.
3. Estratégia de Balanceamento Conjunta: Uma nova estratégia de balanceamento de representação que balanceia conjuntamente as representações e utiliza PFOR para mitigar vieses de variáveis não observadas.
4. Análise Teórica: Os autores fornecem uma análise teórica do limite de erro para a estimativa de ITE baseada em sua estratégia de balanceamento proposta e provam que os métodos existentes (agregação média, GCN, GAT) não podem capturar totalmente o DNE em certas configurações de rede local.

Resultados Experimentais

Os autores avaliaram o GITE em três conjuntos de dados do mundo real: Amazon Negative (AMZ-N), Flickr e BlogCatalog.

• Desempenho: O GITE e sua variante GITEv superaram uma ampla gama de baselines, incluindo estimadores não baseados em grafos (por exemplo, TARNet, CFR), estimadores de grafos sem modelagem de interferência (NetDeconf) e aqueles que lidam apenas com interferência de vizinhos ou interferência em rede via GCN/GAT (por exemplo, GCN-HSIC, HyperSCI, HINITE).
• Estudos de Ablação: Experimentos confirmaram a necessidade de cada componente. A remoção do amplificador de mensagem ou dos mecanismos de atenção parcial levou a uma degradação significativa do desempenho, particularmente em grafos mais densos (Flickr, Blog) onde o DNE é mais pronunciado.
• Sensibilidade: O modelo mostrou robustez a variações de hiperparâmetros dentro de faixas razoáveis, embora o desempenho tenha degradado quando os pesos de balanceamento ($\beta$) ou a regularização ($\lambda$) foram definidos muito altos.

Significado e Afirmações

O artigo afirma que capturar explicitamente o Efeito de Rede Diferenciado (DNE) é vital para uma estimativa precisa do ITE a partir de dados de grafos. Os autores argumentam que falhar em distinguir entre a importância dos vizinhos e a escala das redes locais leva a uma caracterização errônea da interferência, resultando em estimativas de ITE imprecisas e tomada de decisão falha.

O framework GITE proposto demonstra que, ao integrar mecanismos de atenção parcial e um amplificador de mensagem, os modelos podem capturar efetivamente esses efeitos de rede sutis. Os resultados sugerem que, para grafos densos onde a interferência em rede é complexa, os métodos de agregação tradicionais são insuficientes e é necessária uma modelagem especializada do DNE para alcançar desempenho de última geração. O trabalho também destaca a importância do balanceamento conjunto de representação para lidar simultaneamente com vieses de confusão e de interferência, incluindo aqueles provenientes de variáveis não observadas.