From Certainty Factor Model to Bayesian Network
从确信因子模型到Bayes网络

本文研究确信因子模型与Bayes网络之间的区别与联系。首先讨论确信因子模型理论基础的局限性，证明确信因子模型中蕴含着与简单Bayes模型一样的条件独立性假设；然后探究Bayes网络中对应于确信因子模型的若干功能，提出Bayes网络推理中务件对推理结论的影响程度与作用方向的概念、分析方法和计算公式，证明Noisy-OR模型的概率推理与确信因子的推理的等价性；最后从知识的表示、推理、获取等三个方面讨论Bayes网络相对于确信因子模型的比较优势。本文的研究表明Bayes网络不仅具备确信因子模型的主要功能，而且可以突破确信因子的局限性。它有望取代确信因子模型，成为基于概率的智能信息处理模型中的一种主流模型。