Learning bayesian network structure for risky behavior modelling

Alena Suvorova, Alexander Tulupyev

Результат исследований: Публикации в книгах, отчётах, сборниках, трудах конференцийстатья в сборнике материалов конференциинаучнаярецензирование

Аннотация

Bayesian Belief Networks (BBN) provide a comprehensible framework for representing complex systems that allows including expert knowledge and statistical data simultaneously. We explored BBN models for estimating risky behavior rate and compared several network structures, both expert-based and data-based. To learn and evaluate models we used generated behavior data with 9393 observations. We applied both score-based and constraint-based structure learning algorithms. The score-based structures represented better quality scores according to BIC and log-likelihood, prediction quality was almost the same for data-based models and lower but sufficient for expert-based models. Hence, in case of limited data we can reduce computations and apply expert-based structure for solving practical issues.

Язык оригиналаанглийский
Название основной публикацииProceedings of the 3rd International Scientific Conference “Intelligent Information Technologies for Industry” (IITI’18) - Volume 2
РедакторыValery Tarassov, Sergey Kovalev, Andrey Sukhanov, Ajith Abraham, Vaclav Snasel
ИздательSpringer Nature
Страницы58-65
Число страниц8
ISBN (печатное издание)9783030018207
DOI
СостояниеОпубликовано - 1 янв 2019
Событие3rd International Scientific Conference on Intelligent Information Technologies for Industry, IITI 2018 - Sochi, Российская Федерация
Продолжительность: 17 сен 201821 сен 2018

Серия публикаций

НазваниеAdvances in Intelligent Systems and Computing
ИздательSPRINGER INTERNATIONAL PUBLISHING AG
Том875
ISSN (печатное издание)2194-5357

конференция

конференция3rd International Scientific Conference on Intelligent Information Technologies for Industry, IITI 2018
СтранаРоссийская Федерация
ГородSochi
Период17/09/1821/09/18

Предметные области Scopus

  • Системотехника
  • Компьютерные науки (все)

Fingerprint Подробные сведения о темах исследования «Learning bayesian network structure for risky behavior modelling». Вместе они формируют уникальный семантический отпечаток (fingerprint).

Цитировать