基于因果与关联先验的贝叶斯网络评分与搜索
人工智能
2014-08-12 v1
摘要
用于学习贝叶斯网络的搜索 - 评分方法的一个显著理论优势是，它们可以接受针对每个可能网络的有信息量的先验信念，从而对数据进行补充。本文提出了一种基于对真实网络中某些路径存在或缺失的信念来分配先验的方法。此类信念对应于关于变量对之间可能的因果和关联关系的知识。这类知识自然产生于先前的实验和观测数据等来源。此外，本文提出了一种新的搜索算子以利用此类先验知识。实验表明，利用路径信念可以改善网络骨架的学习以及边方向的学习。
引用
@article{arxiv.1408.2057,
title = {Scoring and Searching over Bayesian Networks with Causal and Associative Priors},
author = {Giorgos Borboudakis and Ioannis Tsamardinos},
journal= {arXiv preprint arXiv:1408.2057},
year = {2014}
}
备注
Appears in Proceedings of the Twenty-Ninth Conference on Uncertainty in Artificial Intelligence (UAI2013)