Augmented causal explanations for aggregate query results

Abstract

Este proyecto consiste en la implementación e integración del análisis causal de la observación para encontrar explicaciones causales. Esta implementación será introducida en un proyecto ya existente llamado CaJaDe, el cual se encarga de aumentar automáticamente los datos de procedencia junto con la información contextual relacionada de otras tablas para producir explicaciones más informativas de la diferencia entre los valores de dos tuplas en la respuesta de una consulta agregada, o, el valor alto/bajo de una sola tupla atípica. Al integrar el análisis causal de la observación y la inferencia causal, este sistema podrá ofrecer explicaciones causales a las preguntas de los usuarios utilizando datos extraídos del sitio web oficial de la NBA. Además, el sistema evitará utilizar sólo las correlaciones como fuente de búsqueda de explicaciones, así como utilizarla como fuente de puntuación de los patrones que se proporcionan como una forma de resumir estas explicaciones. De este modo, el sistema evitará crear patrones que puedan carecer de sentido.---ABSTRACT---This project consists in the implementation and integration of observation causal analysis in order to find causal explanations. This implementation will be done to an existing project called CaJaDe that automatically augments provenance data with related contextual information from other tables to produce more informative summaries of the difference between the values of two tuples in the answer of an aggregate query, or, the high/low value of a single outlier tuple. By integrating observation causal analysis as well as causal inference, this system will be able to provide causal explanations for user queries using data extracted from the official website of the NBA . In addition, the system will avoid using only correlations as a source for finding explanations, as well as using it as a source for scoring the patterns provided as a way to summarize these explanations. In this way, the system will avoid creating patterns that may be meaningless.