【技术实现步骤摘要】
场景贝叶斯网络的构建方法、变量取值预测方法和装置
[0001]本申请涉及计算机
，尤其涉及场景贝叶斯网络的构建方法、变量取值预测方法和装置。
技术介绍
[0002]相关技术中，在对对应场景所对应的贝叶斯网络进行构建的过程中，通常依赖专家经验，从数据出发进行结构学习，如基于限制的(Constraint
‑
based)和基于分数的(Score
‑
based)结构学习方法等，然而，上述构建贝叶斯网络的方式，贝叶斯网络的构建成本较高，贝叶斯网络的效率不高。因此，如何以便捷的方式构建贝叶斯网络是目前亟需解决的问题。
技术实现思路
[0003]本申请提出一种场景贝叶斯网络的构建方法、变量取值预测方法和装置。
[0004]本申请一方面实施例提出了一种场景贝叶斯网络的构建方法，包括：获取待处理的场景类型，并获取所述场景类型对应的场景变量集合，其中，所述场景变量集合包括多个场景变量；确定所述多个场景变量中任意两个变量之间在第一时间段和第二时间段上的相关度，其中，所述第二时间段的...
【技术保护点】
【技术特征摘要】
1.一种场景贝叶斯网络的构建方法，其特征在于，包括：获取待处理的场景类型，并获取所述场景类型对应的场景变量集合，其中，所述场景变量集合包括多个场景变量；确定所述多个场景变量中任意两个变量之间在第一时间段和第二时间段上的相关度，其中，所述第二时间段的开始时间减去所述第一时间段的开始时间所得到的时间差等于预设时间差；根据任意两个变量之间在第一时间段和第二时间段上的相关度，确定所述场景类型对应的场景变量对集合，其中，所述场景变量对集合包括多个场景变量对，每个所述场景变量对均包括第一场景变量和第二场景变量，其中，所述第一场景变量和所述第二场景变量为所述多个场景变量中的任意一个，所述第一场景变量在所述第一时间段上和所述第二场景变量在第二时间段上的相关度大于预设相关度阈值；根据所述第一场景变量和第二场景变量，构建所述场景类型对应的贝叶斯网络，所述贝叶斯网络包括第一节点和第二节点，所述第一节点与所述第一场景变量对应，所述第二节点与所述第二场景变量对应，所述第一节点与所述第二节点之间的有向边的起点为所述第一节点，终点为所述第二节点，所述有向边上的取值为所述第一场景变量与所述第二场景变量之间的相关度。2.如权利要求1所述的方法，其特征在于，所述确定所述多个场景变量中任意两个变量之间在第一时间段和第二时间段上的相关度，包括：获取每个所述场景变量在所述第一时间段和所述第二时间段上的变量值序列；针对每个所述场景变量，将所述场景变量在所述第一时间段上的变量值序列，与所述多个场景变量中每个场景变量在第二时间段上的变量值序列进行相关性计算，以得到所述多个场景变量中任意两个变量之间在第一时间段和第二时间段上的相关度。3.如权利要求1所述的方法，其特征在于，所述预设时间差通过下述方式得到的：提供与所述场景类型对应的多个候选时间差；获取从所述多个候选时间差选择出的目标时间差，并将所述目标差作为所述预设时间差。4.如权利要求1所述的方法，其特征在于，在所述获取待处理的场景类型之前，所述方法还包括：提供多个候选场景类型；获取从多个候选场景类型中选择出的目标场景类型，并将所述目标场景类型作为所述待处理的场景类型。5.如权利要求1所述的方法，其特征在于，所述获取每个所述场景变量在所述第一时间段和所述第二时间段上的变量值序列，包括：从所述场景类型对应的处理系统中，获取每个所述场景变量在所述第一时间段和所述第二时间段上的变量值序列。6.一种基于如权利要求1
‑
5任一项所述的贝叶斯网络进行变量取值预测方法，其特征在于，所述方法包括：获取各个场景变量在当前时间段上的变量值序列；将所述变量值序列输入至所述贝叶斯网络中，以得到在各个场景变量下一个时间段上
的变量预测值序列。7.一种场景贝叶斯网络的构建装置，其特征在于，包括：第一获取模块，用于获取待处理的场景类型，并获取所述场景类型对应的场景变量集合，其中，所述场景变量集合包括多个场景变量；第一确定模块，用于确定所述多个场景变量中任意两个变量之间在第一时间段和第二时间段...
【专利技术属性】
技术研发人员：丁茹，顾松庠，
申请(专利权)人：京东科技控股股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。