本文提出了一种新颖的因果发现框架，能够识别因果网络中的隐藏变量。通过研究秩与条件独立性，建立了潜在结构模式可辨识性的条件，并开发了基于秩的因果发现算法（RLCD），有效定位隐藏变量及其基数。实验结果表明，该方法在有限样本情况下能够有效识别潜在因果图的马尔可夫等价类。

本论文介绍了一种适用于因果网络中隐藏变量的新型因果发现框架，通过研究秩与条件独立性的有效性，建立了潜在结构模式可辨识性的必要和充分条件。开发了一种基于秩的潜在因果发现算法（RLCD），能够高效地定位隐藏变量并确定整个因果结构。实验结果证明了该方法在有限样本情况下的有效性。