[发明专利]贝叶斯网络的结构学习方法、装置及电子设备

说明书

本申请提出一种贝叶斯网络的结构学习方法、装置以及电子设备，方法包括：获取待进行结构学习的贝叶斯网络的节点集合；针对节点集合中的每个节点，根据节点在第一时间段内的内容序列以及其他节点在第二时间段内的内容序列，确定以节点为因的因节点对；第二时间段的起始时间点晚于第一时间段的起始时间点；根据节点在第一时间段内的内容序列以及其他节点在第三时间段内的内容序列，确定以节点为果的果节点对；第三时间段的起始时间点早于第一时间段的起始时间点；根据节点集合中各个节点对应的因节点对以及果节点对确定贝叶斯网络的结构。提高了贝叶斯网络的结构的准确性，进而提高了利用贝叶斯网络进行故障诊断、图像识别、数据挖掘等的准确性。

技术领域

本申请涉及计算机技术领域，尤其涉及一种贝叶斯网络的结构学习方法、装置及电子设备。

背景技术

贝叶斯网络是以贝叶斯理论为基础的基于概率推理的图形化网络，适用于表达和分析不确定性和概率性的事件，能够在不确定性环境中实现知识表示、推断、预测等，广泛应用于故障诊断、图像识别、数据挖掘等领域。

相关技术中，通常利用相关算法确定数据之间的时序相关性，进而根据数据之间的时序相关性学习贝叶斯网络的结构，但是，由于相关算法的局部最优解不具备稳定性，从而导致利用这种方式确定的贝叶斯网络的结构并不准确，进而利用贝叶斯网络进行故障诊断、图像识别、数据挖掘等的准确性差。

发明内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

本申请提出一种贝叶斯网络的结构学习方法、装置及电子设备，以解决相关技术中的贝叶斯网络的结构学习方法确定的贝叶斯网络的结构不准确，从而导致利用贝叶斯网络进行故障诊断、图像识别、数据挖掘等的准确性差的技术问题。

本申请第一方面实施例提出了一种贝叶斯网络的结构学习方法，包括：获取待进行结构学习的贝叶斯网络的节点集合；针对所述节点集合中的每个节点，根据所述节点在第一时间段内的内容序列，以及所述节点集合中其他节点在第二时间段内的内容序列，确定以所述节点为因的因节点对；其中，所述第二时间段的起始时间点晚于所述第一时间段的起始时间点；根据所述节点在第一时间段内的内容序列，以及所述节点集合中其他节点在第三时间段内的内容序列，确定以所述节点为果的果节点对；其中，所述第三时间段的起始时间点早于所述第一时间段的起始时间点；根据所述节点集合中各个节点对应的因节点对以及果节点对，确定所述贝叶斯网络的结构；其中，由获取模块获取待进行结构学习的贝叶斯网络的节点集合；由确定模块针对所述节点集合中的每个节点，根据所述节点在第一时间段内的内容序列，以及所述节点集合中其他节点在第二时间段内的内容序列，确定以所述节点为因的因节点对；根据所述节点在第一时间段内的内容序列，以及所述节点集合中其他节点在第三时间段内的内容序列，确定以所述节点为果的果节点对；根据所述节点集合中各个节点对应的因节点对以及果节点对，确定所述贝叶斯网络的结构。

本申请第二方面实施例提出了一种贝叶斯网络的结构学习装置，包括：第一获取模块，用于获取待进行结构学习的贝叶斯网络的节点集合，其中，所述贝叶斯网络的应用场景包括以下场景中的至少一项：故障诊断场景和数据挖掘场景；第一确定模块，用于针对所述节点集合中的每个节点，根据所述节点在第一时间段内的内容序列，以及所述节点集合中其他节点在第二时间段内的内容序列，确定以所述节点为因的因节点对；其中，所述第二时间段的起始时间点晚于所述第一时间段的起始时间点；第二确定模块，用于根据所述节点在第一时间段内的内容序列，以及所述节点集合中其他节点在第三时间段内的内容序列，确定以所述节点为果的果节点对；其中，所述第三时间段的起始时间点早于所述第一时间段的起始时间点；第三确定模块，用于根据所述节点集合中各个节点对应的因节点对以及果节点对，确定所述贝叶斯网络的结构。

本申请第三方面实施例提出了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如本申请第一方面实施例提出的贝叶斯网络的结构学习方法。