生成贝叶斯网络的条件概率：缓解知识获取难题

在贝叶斯网络中，填充条件概率表（CPT）所需的概率分布数量随该表关联父节点数量呈指数增长。若要通过领域专家引出的知识来填充该表，则任务规模本身即构成巨大的认知障碍。本文设计了一种算法以填充 CPT，同时减轻知识获取的负担。算法输入包含一组量化父节点对子节点影响的相对强度的权重，以及一组概率分布（其数量仅随关联父节点数量线性增长）。这些均由领域专家提供。这组概率通过考虑专家在进行概率估计时所用的启发式方法获得。该算法通过计算所引出分布的适当加权和来填充 CPT。我们借助信息几何的方法展示这些加权和如何捕捉专家的判断策略。