一种基于贝叶斯网络的因果关系判定方法技术

本发明专利技术涉及一种基于贝叶斯网络的因果关系判定方法，包括构建模块构建贝叶斯网络；判定模块生成并输出基于请求贝叶斯网络的因果关系谱；因果库建立历史原始文献库；在至少两个对象发生至少一个非特定事件的情况下，构建模块分析引起非特定事件的对象的自身因素以构建因素集并基于因素集构建无向图结构约束；并且构建模块能够基于因果库对无向图结构约束进行修正以建立贝叶斯网络；判定模块基于贝叶斯网络计算自身因素引起非特定事件的因果指标并基于因果指标输出非特定事件的因果关系谱，从而确定非特定事件的关键原因。

A Causality Decision Method Based on Bayesian Network

The invention relates to a causality determination method based on Bayesian network, which includes building a module to construct a Bayesian network, generating and outputting a causality spectrum based on the request Bayesian network, establishing a historical original literature base, and constructing a module to analyze the object causing a non-specific event when at least two objects have at least one non-specific event. Self-factors construct factor sets and construct undirected graph structure constraints based on factor sets; and the construction module can modify undirected graph structure constraints based on causal database to establish Bayesian network; the decision module calculates causal indicators of non-specific events caused by its own factors based on Bayesian network and outputs causal spectrum of non-specific events based on causal indicators to determine non-specific events. Determine the key cause of the event.

【技术实现步骤摘要】
一种基于贝叶斯网络的因果关系判定方法
本专利技术属于原因追溯
，涉及一种基于贝叶斯网络的因果关系判定方法。
技术介绍
原因追溯即在发生了一件意外事件或者意外效果的情况下，进行逐步地推理以获取隐藏于该事件或该效果的关键原因和根本原因，揭示出其复杂的因果关系。例如，公开号为CN109063253A的中国专利公开一种基于贝叶斯网络的航空电源系统可靠性建模方法，包括为航空电源系统各元件建立输入输出关系描述表格；对N个子表各行数据，构建对应贝叶斯网络节点；确定所建贝叶斯网络各节点的父节点；为元件C在步骤2中的同名贝叶斯网络节点构建同名父节点，在确定所建贝叶斯网络各节点状态基础上确定各节点条件概率分布；为供电汇流条确定目标节点，计算航空电源系统供电可靠度；为各供电汇流条确定对应目标节点，计算航空电源系统供电可靠度。本专利技术提高了航空电源系统可靠性计算效率。该方法仅涉及一个对象发生的某一事件。例如，公开号为CN105468703A的中国专利公开的一种原因追溯方法，包括以下步骤：初始化因果关系知识库，该因果关系知识库中包括一类对象的异常现象和引起该异常现象的原因，以及异常现象和其原因之间的因本文档来自技高网...

【技术保护点】
1.一种基于贝叶斯网络的因果关系判定系统，包括：构建模块(1)，用于构建贝叶斯网络；判定模块(2)，用于生成并输出基于所述请求贝叶斯网络的因果关系谱；因果库(3)，用于建立历史原始文献库；其特征在于，在至少两个对象发生至少一个非特定事件的情况下，所述构建模块(1)分析引起所述非特定事件的所述对象的自身因素以构建因素集并基于所述因素集构建无向图结构约束；并且所述构建模块(1)能够基于所述因果库(3)对所述无向图结构约束进行修正以建立所述贝叶斯网络；所述判定模块(2)基于所述贝叶斯网络计算所述自身因素引起所述非特定事件的因果指标并基于所述因果指标输出非特定事件的因果关系谱，从而确定所述非特定事件的...

【技术特征摘要】
1.一种基于贝叶斯网络的因果关系判定系统，包括：构建模块(1)，用于构建贝叶斯网络；判定模块(2)，用于生成并输出基于所述请求贝叶斯网络的因果关系谱；因果库(3)，用于建立历史原始文献库；其特征在于，在至少两个对象发生至少一个非特定事件的情况下，所述构建模块(1)分析引起所述非特定事件的所述对象的自身因素以构建因素集并基于所述因素集构建无向图结构约束；并且所述构建模块(1)能够基于所述因果库(3)对所述无向图结构约束进行修正以建立所述贝叶斯网络；所述判定模块(2)基于所述贝叶斯网络计算所述自身因素引起所述非特定事件的因果指标并基于所述因果指标输出非特定事件的因果关系谱，从而确定所述非特定事件的关键原因。2.如权利要求1所述的判定系统，其特征在于，所述构建模块(1)基于所述非特定事件定义至少一个领域，并基于所述因果库(3)在所述领域中检索所述非特定事件相关的至少一种排他因素；在所述排他因素不属于所述自身因素的情况下，所述构建模块(1)提示所述第三方进行证据查明；在所述第三方认定了所述排他因素是客观存在的情况下，所述构建模块(1)将所述排他因素补加入所述无向图结构约束对所述无向图结构约束进一步修正。3.如权利要求1或2所述的判定系统，其特征在于，所述构建模块(1)在基于所述因果库(3)对因素对Lm和Ln之间的关系进行检索失败的情况下，所述构建模块(1)提示所述第三方对所述因素对Lm和Ln之间的关系进行专家论证，并将所述专家论证的结果反馈至所述因果库(3)，所述因果库(3)对所述专家论证的结果进行深度学习以修正所述因果库(3)；在所述因果库(3)对所述专家论证的结果进行深度学习的情况下，所述构建模块(1)基于所述因果库(3)按照所述因素对Lm和Ln编号对所述因素对Lm和Ln之间的关系进行修正。4.如前述权利要求之一所述的判定系统，其特征在于，所述构建模块(1)基于所述自身因素建立数据集D，并按照所述数据集D为单元将所述自身因素划分为若干因素集L并按照两两配对的方式形成因素对Lm和Ln，并对所述数据集D和所述因素对Lm和Ln进行编号；所述构建模块(1)基于所述因果库(3)对按照因素对编号对因素对Lm和Ln之间的关系进行检索，并根据检索结果进行修正因素对Lm和Ln之间的关系并且对Lm→Ln的关系信度值、Ln→Lm的关系信度值以及Ln⊥Lm的关系信度值进行赋值，以此构建所述无向图结构约束。5.如前述权利要求之一所述的判定系统，其特征在于，根据贝叶斯法则，所述构建模块(1)基于所述数据集D和所述因素对集L构建贝叶斯网络评价函数，所述评价函数用于能够基于所述无向图结构约束在所述构建模块(1)启用启发式搜索算法的情况下从若干个候选贝叶斯网络中迭代生成评价指标最高的贝叶斯网络，其中，所述构建模块(1)首先基于所述无向图结构约束首先构建初始的第一候选贝叶斯网络并采用贝叶斯网络评价函数对其进行评价获得第一评价指标；随后，所述构建模块(1)启用所述启发式搜索算法对所述第二候选贝叶斯网络基于所述无向图结构约束进行局部修改，并再次使用所述贝叶斯网络评价函数对所述第二候选贝叶斯网络进行评价获得第二评价指标；所述构建模块(1)能够基于所述启发式搜索算法按照迭代循环的方式获取至少两个候选贝叶斯网络及对应的评价指标；所述构建模块(1)在获取了至少两个候选贝叶斯网络并获取了至少两个评价指标的情况下，会输出一个评价指标最优的作为输出非特定事件的因果关系谱的最终贝叶斯网格。6.如前述权利要求之...

【专利技术属性】
技术研发人员：安宁，金柳颀，殷越，蒋雪瑶，杨矫云，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽,34