D.普尔。;张N.L。 在概率推理中利用上下文独立性。 （英语） Zbl 1056.68144号 J.阿蒂夫。智力。研究（JAIR） 18, 263-313 (2003)。 摘要：贝叶斯信念网络已经变得非常突出，因为它们为许多概率推理适用的问题提供了紧凑的表示，并且有一些算法可以利用这种紧凑性。下一步是允许给定父变量的条件概率的紧凑表示。在本文中，我们提出了一种利用父上下文的上下文独立性的表示法；哪些变量充当父变量可能取决于其他变量的值。内部表示是根据上下文因素（confactors）进行的，它只是一对上下文和表。上下文变量消除算法基于标准变量消除算法，该算法依次消除非查询变量，但在消除变量时，需要倍增的表可能取决于上下文。当没有上下文无关结构可利用时，该算法简化为标准变量消除。我们展示了当存在可利用的结构时，这如何比变量消除更有效。我们解释了为什么这种新方法比以前的结构化信念网络推理方法和使用树的类似算法可以利用更多的结构。 引用于20文件 MSC公司： 68层35 人工智能语言和软件系统理论（基于知识的系统、专家系统等） 关键词：贝叶斯信念网络 PDF格式BibTeX公司 XML格式引用 \textit{D.Poole}和\textit{N.L.Zhang}，J.Artif。智力。研究（JAIR）18，263--313（2003；Zbl 1056.68144）