Struktur

Bayessche Netze stellen als graphisches Modell die Abhängigkeiten von Variablen auf wahrscheinlichkeitstheoretischer Basis dar. Dabei existieren verschiedene Abhängigkeiten zwischen den einzelnen Variablen. Im Zusammenhang mit statistischen Daten hat ein graphisches Modell diverse Vorteile. Ein derartiges Modell kann vor allem kausale und probabilistische Zusammenhänge zwischen Variablen und Daten darstellen. Die reale Welt, bestehend aus Expertenwissen und Daten, wird in das Modell der Bayesschen Netze abgebildet.
Um dabei das gesamte Bayessche Netz oder Teilnetze für die Experten und Fachkräfte sowohl in der Realisierung als auch in der Anwendung übersichtlich und überschaubar zu halten, ist es notwendig, daß die Struktur nicht zu komplex wird. Voraussetzung dafür ist ein Bayessches Netz, das nicht zu groß und nicht überfüttert ist. Eine zu große Anzahl an Abhängigkeiten und Verbindungen sollte vermieden werden.
Da im Bayesschen Netz bzw. in den Bayesschen Netzen für den Intelligent Assistant das Expertenwissen für die Erstversorgung der Benutzer modelliert und realisiert werden soll, lassen sich die bewertungsfähigen Variablen eingrenzen. Vergleichbar ist dies mit den Entscheidungsbäumen, die nur die ersten Schritte der Experten automatisieren.