[发明专利]贝叶斯网络的结构学习方法、装置及电子设备

权利要求书

1.一种贝叶斯网络的结构学习方法，其特征在于，包括：

获取待进行结构学习的贝叶斯网络的节点集合；

对所述节点集合进行拆分，以得到所述贝叶斯网络中待进行结构学习的多个子贝叶斯网络的子节点集合；

针对每个子贝叶斯网络，根据所述子贝叶斯网络的子节点集合，确定所述子贝叶斯网络的结构；

对多个所述子贝叶斯网络的结构进行融合处理，以得到所述贝叶斯网络的结构。

2.根据权利要求1所述的贝叶斯网络的结构学习方法，其特征在于，所述对所述节点集合进行拆分，包括：

对所述节点集合中的节点进行图聚类处理，得到多个聚类结果；

针对每个聚类结果，根据所述聚类结果中的节点，生成所述贝叶斯网络中的一个子贝叶斯网络的子节点集合。

3.根据权利要求1所述的贝叶斯网络的结构学习方法，其特征在于，所述对多个所述子贝叶斯网络的结构进行融合处理，以得到所述贝叶斯网络的结构，包括：

针对每个子贝叶斯网络的子节点集合中的各个节点，从其他子贝叶斯网络的节点集合中选择所述各个节点的相关节点；

确定所述各个节点与对应的相关节点之间的连接边；

结合所述各个节点与对应的相关节点之间的连接边，对所述子贝叶斯网络的结构与其他子贝叶斯网络的结构进行融合处理。

4.根据权利要求3所述的贝叶斯网络的结构学习方法，其特征在于，所述从其他子贝叶斯网络的节点集合中选择所述各个节点的相关节点，包括：

获取所述各个节点与其他子贝叶斯网络的节点集合中节点的相关度；

按照相关度对其他子贝叶斯网络的节点集合中节点进行降序排序，得到排序结果；

从所述排序结果中排序在前的预设数量的节点中获取所述各个节点的相关节点。

5.根据权利要求3所述的贝叶斯网络的结构学习方法，其特征在于，还包括：

根据多个所述子贝叶斯网络的结构，确定多个所述子贝叶斯网络中各个节点的概率参数；

根据所述各个节点与对应的相关节点之间的连接边，确定所述各个节点中的待调整节点；

根据所述待调整节点与对应的相关节点之间的连接边，对所述待调整节点的概率参数进行调整。

6.一种贝叶斯网络的结构学习装置，其特征在于，包括：

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；

拆分模块，用于对所述节点集合进行拆分，以得到所述贝叶斯网络中待进行结构学习的多个子贝叶斯网络的子节点集合；

第一确定模块，用于针对每个子贝叶斯网络，根据所述子贝叶斯网络的子节点集合，确定所述子贝叶斯网络的结构；

融合模块，用于对多个所述子贝叶斯网络的结构进行融合处理，以得到所述贝叶斯网络的结构。

7.根据权利要求6所述的贝叶斯网络的结构学习装置，其特征在于，所述拆分模块，包括：

处理单元，用于对所述节点集合中的节点进行图聚类处理，得到多个聚类结果；

生成单元，用于针对每个聚类结果，根据所述聚类结果中的节点，生成所述贝叶斯网络中的一个子贝叶斯网络的子节点集合。

8.根据权利要求6所述的贝叶斯网络的结构学习装置，其特征在于，所述融合模块，包括：

选择单元，用于针对每个子贝叶斯网络的子节点集合中的各个节点，从其他子贝叶斯网络的节点集合中选择所述各个节点的相关节点；

确定单元，用于确定所述各个节点与对应的相关节点之间的连接边；

融合单元，用于结合所述各个节点与对应的相关节点之间的连接边，对所述子贝叶斯网络的结构与其他子贝叶斯网络的结构进行融合处理。