本文提出一种从用户知识和统计数据中学习贝叶斯网络的算法，包括评分度量和搜索过程，并探索了度量的两个重要性质以及本领域相关算法的评估方法。
Feb, 2013
本研究探讨了大数据环境下的贝叶斯网络结构学习问题，提出了使用预测性好坏拟合评分来加速贝叶斯网络学习的方法，并在环境和流行病学数据以及公共数据集上验证了其准确性。
Apr, 2018
提出了一种基于近似算法的模型平均方法，该方法仅考虑可靠的模型且能在数据量较大的情况下高效地进行比较。
Nov, 2018
本篇论文介绍了一种基于有界入度的节点排序的图搜索算法，以解决根据数据学习贝叶斯网络结构的问题，实验结果表明该算法在得分和运行时间方面优于贪婪爬山法。
Jul, 2012
该研究文章探讨了如何从用户知识和统计数据中学习贝叶斯网络，提出了一种得分度量和搜索程序，并通过从单个先验贝叶斯网络构建先验概率分布，识别出两个重要的假设（事件等价性和参数模块化），为连续变量或离散和连续变量混合的领域开发分数度量方法。
本文介绍了贝叶斯网络学习的主要方法，包括约束 - based 方法、得分 - based 方法和混合方法。作者提出了一种新的基于贪心等价搜索（GES）的混合方法，并证明了它的一致性。在模拟研究中表明，这种方法相较于 PC 算法，具有更好的性能。
Jul, 2015
通过该论文，我们证明了学习最佳贝叶斯网络结构是具有可行性的，我们提出了一种比现有技术更简单和更高效的算法来对超过 30 个变量的网络进行学习，可以进行易于并行化且提供有效探测不同变量排序一致的最佳网络的可能性。
Jun, 2012
本文针对贝叶斯网络基于评分函数加搜索过程的局部搜索方法进行了改进，提出了一种利用有限无向结构图进行搜索的新的局部搜索方法，避免了在 DAG 空间中做出早期决策，减少了搜索空间的配置数量，提高了效率，同时在多个测试问题上验证了这种方法的优越性。
Jun, 2011
本论文研究从数据中学习贝叶斯网络结构的问题，提出了一种算法用于发现最佳的贝叶斯网络结构，通过贝叶斯模型平均计算感兴趣的假设的后验概率，在多个数据集上展示本算法优于模型选择方法和最先进的 MCMC 方法。
Mar, 2012
本文介绍了一种使用名为结构 EM 的算法进行贝叶斯模型学习的方法，该算法可以有效地从不完整数据中学习信念网络的结构，并可用于学习各种概率模型，包括贝叶斯网络和其变体。
Jan, 2013