1 贝叶斯网络解决问题的例子
1.1 一个例子[2]
例如,如果一篇文章是关于南海岛屿的新闻(将这一事件记作“News”),文章可能包含介绍南海岛屿历史的内容(这一事件记作“History”),但一般不会有太多介绍旅游风光 的内容(将事件“有介绍旅游风光的内容”记作“Sightseeing”)。我们可以构造一个简单的贝叶斯网络,如图所示。
三个事件的联合概率函数为:
这个模型可以回答如下类似的问题:如果一篇文章中含有南海岛屿历史相关的内容,该文章是关于南海新闻的可能性有多大?
该问题中,我们首先依据问题建模成贝叶斯网络,每个节点都会有相应的概率表,但该节点概率表只跟自己的父节点有关。而后我们在确定一个节点状态的情况下求解另一个节点在某状态概率,也就是条件概率。但我们似乎并没有发现需要用到条件独立或者D-分离的知识,这在图很大的时候才会用到。
2 参考
[1]https://www.bilibili.com/video/BV1BW41117xo?p=5
[2] https://zhuanlan.zhihu.com/p/80928050