该研究提出了一种因果增强的发源地-目的地流量预测框架，旨在解决发展中国家城市中的数据稀缺问题。通过迁移城市间的知识，该方法提高了预测精度，实验结果表明，OD流量预测的均方根误差降低了多达11%。

研究者提出了一种因果增强的知识图谱嵌入（CausE）框架，应用因果干预来估计混杂嵌入的因果效应，并设计了新的训练目标来进行稳定的预测。实验结果表明，CausE 能够胜过基线模型，实现最先进的知识图谱补全性能。

知识图谱嵌入通过将实体和关系表示为向量空间，用于预测缺失的三元组。提出了一种新的因果增强的知识图谱嵌入框架，能胜过基线模型，实现最先进的知识图谱补全性能。