[發明專利]貝葉斯網絡的結構學習方法、裝置及電子設備

在審

• 申請號: 202110246431.6
• 申請日: 2021-03-05
• 公開（公告）號: CN115018077A
• 公開（公告）日: 2022-09-06
• 發明（設計）人: 丁茹;顧松庠
• 申請（專利權）人: 京東科技控股股份有限公司
• 主分類號: G06N7/00
• 分類號: G06N7/00
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 韓海花

1.一種貝葉斯網絡的結構學習方法，其特征在于，包括：

獲取待進行結構學習的貝葉斯網絡的節點集合；

對所述節點集合進行拆分，以得到所述貝葉斯網絡中待進行結構學習的多個子貝葉斯網絡的子節點集合；

針對每個子貝葉斯網絡，根據所述子貝葉斯網絡的子節點集合，確定所述子貝葉斯網絡的結構；

對多個所述子貝葉斯網絡的結構進行融合處理，以得到所述貝葉斯網絡的結構。

2.根據權利要求1所述的貝葉斯網絡的結構學習方法，其特征在于，所述對所述節點集合進行拆分，包括：

對所述節點集合中的節點進行圖聚類處理，得到多個聚類結果；

針對每個聚類結果，根據所述聚類結果中的節點，生成所述貝葉斯網絡中的一個子貝葉斯網絡的子節點集合。

3.根據權利要求1所述的貝葉斯網絡的結構學習方法，其特征在于，所述對多個所述子貝葉斯網絡的結構進行融合處理，以得到所述貝葉斯網絡的結構，包括：

針對每個子貝葉斯網絡的子節點集合中的各個節點，從其他子貝葉斯網絡的節點集合中選擇所述各個節點的相關節點；

確定所述各個節點與對應的相關節點之間的連接邊；

結合所述各個節點與對應的相關節點之間的連接邊，對所述子貝葉斯網絡的結構與其他子貝葉斯網絡的結構進行融合處理。

4.根據權利要求3所述的貝葉斯網絡的結構學習方法，其特征在于，所述從其他子貝葉斯網絡的節點集合中選擇所述各個節點的相關節點，包括：

獲取所述各個節點與其他子貝葉斯網絡的節點集合中節點的相關度；

按照相關度對其他子貝葉斯網絡的節點集合中節點進行降序排序，得到排序結果；

從所述排序結果中排序在前的預設數量的節點中獲取所述各個節點的相關節點。

5.根據權利要求3所述的貝葉斯網絡的結構學習方法，其特征在于，還包括：

根據多個所述子貝葉斯網絡的結構，確定多個所述子貝葉斯網絡中各個節點的概率參數；

根據所述各個節點與對應的相關節點之間的連接邊，確定所述各個節點中的待調整節點；

根據所述待調整節點與對應的相關節點之間的連接邊，對所述待調整節點的概率參數進行調整。

6.一種貝葉斯網絡的結構學習裝置，其特征在于，包括：

獲取模塊，用于獲取待進行結構學習的貝葉斯網絡的節點集合；

拆分模塊，用于對所述節點集合進行拆分，以得到所述貝葉斯網絡中待進行結構學習的多個子貝葉斯網絡的子節點集合；

第一確定模塊，用于針對每個子貝葉斯網絡，根據所述子貝葉斯網絡的子節點集合，確定所述子貝葉斯網絡的結構；

融合模塊，用于對多個所述子貝葉斯網絡的結構進行融合處理，以得到所述貝葉斯網絡的結構。

7.根據權利要求6所述的貝葉斯網絡的結構學習裝置，其特征在于，所述拆分模塊，包括：

處理單元，用于對所述節點集合中的節點進行圖聚類處理，得到多個聚類結果；

生成單元，用于針對每個聚類結果，根據所述聚類結果中的節點，生成所述貝葉斯網絡中的一個子貝葉斯網絡的子節點集合。

8.根據權利要求6所述的貝葉斯網絡的結構學習裝置，其特征在于，所述融合模塊，包括：

選擇單元，用于針對每個子貝葉斯網絡的子節點集合中的各個節點，從其他子貝葉斯網絡的節點集合中選擇所述各個節點的相關節點；

確定單元，用于確定所述各個節點與對應的相關節點之間的連接邊；

融合單元，用于結合所述各個節點與對應的相關節點之間的連接邊，對所述子貝葉斯網絡的結構與其他子貝葉斯網絡的結構進行融合處理。