摘要
在因果网中,高效计算的最大可能解释(Most Probable Explanations,MPE)是一个关键问题.从有向无环图的角度,研究者们发现每一个因果网都有一个与之对应的贝叶斯网络.文中通过比较干预和微分的语义,揭示了MPE完全原子干预的微分语义.根据微分语义,因果网中原子干预MPE实例的计算可以归约为贝叶斯网络中的MPE实例的计算.接着,提出了一个联合树算法(Best JoinTree,BJT),它通过在因果网中只构建一个联合树来计算最好的原子干预,原子干预的结果包含一个BMPE(Best MPE)概率和它对应的实例.其中,BMPE概率是对MPE所有结点分别进行原子干预后得到的最高概率.BJT可以采用干预的效果来计算对应贝叶斯网络的MPE概率和MPE实例.最后,实验证实了绝大多数因果网在计算最好原子干预时,BJT的速度比目前最好的算法快了超过10倍.
NETL
NSTL
维普
万方数据