通过应用关于相关变量的领域知识来加速近似最大后验问题

最大后验问题在贝叶斯网络中极其难以解决，即使进行近似求解。在此之前的论文中，我们引入了“大胖解释”启发式方法来求解MAP问题，通过将中间变量集合（既不观测也不属于MAP变量）划分为相关变量集合和无关变量集合。相关变量被边际化处理，而无关变量则从其域中抽样赋值。本研究探讨了针对特定查询（即领域知识）识别哪些变量为相关变量是否足以显著加速计算，从而超越精确MAP求解及近似MAP求解，并给出相对准确的结果。我们的结果尚不确定，但也表明这可能取决于具体的MAP查询，尤其是MAP变量的数量。