Feb, 2020
贝叶斯网络学习教程
A Tutorial on Learning With Bayesian Networks
David Heckerman
TL;DR本文探讨了贝叶斯网络的构建方法，阐述了利用数据构建模型的统计方法，以及学习贝叶斯网络参数和结构的技术，最终通过一个实例来论证了贝叶斯网络在实际中的应用。
Abstract
A bayesian network is a graphical model that encodes probabilistic
relationships among variables of interest. When used in conjunction with
statistical techniques, the →
发现论文，激发创造
学习因果网络的贝叶斯方法
本文研究了贝叶斯网络建模中的参数独立性、模块化特性、似然等价性等假设。同时介绍了机制独立性和组件独立性这两个新的假设，通过以上全部假设可以将学习无因果网络的方法应用到因果网络中。
Feb, 2013
构建贝叶斯信念网络的实际问题
本研究介绍了利用贝叶斯信念网络和影响图构建概率表示模型的过程，并探讨了一些通用技术，如‘噪声 OR 门’概念，以帮助建立和量化不确定关系，并对 Bayes 网络的通用元素进行了敏感性分析，从而获得对概率评估足够粗糙时和需要更高精度时的见解。
Mar, 2013
使用 Tsetlin 机从数据中生成贝叶斯网络模型
本文提出了一种初步的探索网络结构的方法，该方法利用了 Tsetlin Machines 进行 Bayesian Networks 建模并处理相关性和因果关系。
May, 2023
贝叶斯网络的高效抽样和结构学习
提出了一种新颖的混合方法，将基于约束和 MCMC 算法的两个领域结合起来，以高效地学习贝叶斯网络的有向无环图结构，并能对后验分布进行采样，从而实现全贝叶斯模型平均。
Mar, 2018
编程社区问答中的命名实体预测贝叶斯网络
本研究提出了一种基于贝叶斯网络的自然语言处理方法，可以预测和分析上下文，并可以应用于社区问答领域，通过与基线模型的比较，我们的方法在精度指标方面表现更好，同时讨论了罚项对贝叶斯网络结构的影响，以及有向无环图在分析语义关系方面的可视化表示。
Feb, 2023
结构学习的结构先验
本文提出了一种基于贝叶斯网络结构学习的非参数生成模型，采用分层贝叶斯框架来捕捉变量之间的系统性关系，通过 MCMC 算法推导出变量的类别、贝叶斯网络结构和类别间的先验概率，实验证明该方法在小样本数据集中更准确。
Jun, 2012