技术特征：
技术总结
本发明公开了一种基于PGM的问题分类方法，包括建模和推理两个阶段，第一个阶段中，手工分类训练数据集，并将已分类的标记数据集带入概率图模型，构建有向无环网网络结构，计算各观测节点的先验概率和条件概率，得到模型条件概率分布；第二个阶段中，根据已有网络结构及CPD，基于Gibbs算法进行贝叶斯推理，进而得到问题分类，本发明的有益效果是：建立概率图模型，并利用训练数据对模型进行训练，用训练好的模型进行问题分类，与现有问题分类算法相比，该方法既有基于规则问题分类方法解释性强的特点，又具有基于机器学习问题不依赖专家知识，自动学习的优势。
技术研发人员：王春辉
受保护的技术使用者：逸途（北京）科技有限公司
技术研发日：2017.08.04
技术公布日：2017.12.01