[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

本申請提出一種貝葉斯網絡的結構學習方法、裝置以及電子設備，涉及計算機技術領域，方法包括：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。減少了貝葉斯網絡的結構學習的計算量，進而縮短了利用貝葉斯網絡進行故障診斷、圖像識別、數據挖掘等的耗時，提高了利用貝葉斯網絡進行故障診斷、圖像識別、數據挖掘等的效率。

技術領域

本申請涉及計算機技術領域，尤其涉及一種貝葉斯網絡的結構學習方法、裝置及電子設備。

背景技術

貝葉斯網絡是以貝葉斯理論為基礎的基于概率推理的圖形化網絡，適用于表達和分析不確定性和概率性的事件，能夠在不確定性環境中實現知識表示、推斷、預測等，廣泛應用于故障診斷、圖像識別、數據挖掘等領域。

相關技術中，通常利用相關算法確定所有數據之間的時序相關性，進而根據所有數據之間的時序相關性學習貝葉斯網絡的結構，但是利用這種方式確定貝葉斯網絡的結構時，若待進行結構學習的貝葉斯網絡的節點數量很多，則計算量很大，從而導致利用貝葉斯網絡進行故障診斷、圖像識別、數據挖掘等的耗時長，效率低。

發明內容

本申請旨在至少在一定程度上解決相關技術中的技術問題之一。

本申請提出一種貝葉斯網絡的結構學習方法、裝置及電子設備，以解決相關技術中的貝葉斯網絡的結構學習方法在學習貝葉斯網絡的結構時的計算量大，從而導致利用貝葉斯網絡進行故障診斷、圖像識別、數據挖掘等的耗時長，效率低的技術問題。

本申請第一方面實施例提出了一種貝葉斯網絡的結構學習方法，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。

本申請第二方面實施例提出了一種貝葉斯網絡的結構學習裝置，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。

本申請第三方面實施例提出了一種電子設備，包括：至少一個處理器；以及與所述至少一個處理器通信連接的存儲器；其中，所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行如本申請第一方面實施例提出的貝葉斯網絡的結構學習方法。

本申請第四方面實施例提出了一種存儲有計算機指令的非瞬時計算機可讀存儲介質，所述計算機指令用于使所述計算機執行如本申請第一方面實施例提出的貝葉斯網絡的結構學習方法。

本申請第五方面實施例提出了一種計算機程序產品，包括計算機程序，所述計算機程序在被處理器執行時實現如本申請第一方面實施例提出的貝葉斯網絡的結構學習方法。

本申請提出的技術方案，具有如下有益效果：

通過獲取待進行結構學習的貝葉斯網絡的節點集合后，對節點集合進行拆分，以得到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，再針對每個子貝葉斯網絡，根據子貝葉斯網絡的子節點集合，確定子貝葉斯網絡的結構，進而對多個子貝葉斯網絡的結構進行融合處理，以得到貝葉斯網絡的結構，減少了貝葉斯網絡的結構學習的計算量，進而縮短了利用貝葉斯網絡進行故障診斷、圖像識別、數據挖掘等的耗時，提高了效率。