This paper provides new insight into the theoretical principle and the practical applicability of the ranked nodes method (RNM) that is used to construct conditional probability tables (CPTs) for Bayesian networks (BNs) by expert elicitation. RNM is designed for specific types of discrete random variables called ranked nodes that are common in real-world applications of BNs. Despite its active use in recent years, there remains ambiguity about the exact theoretical basis of RNM which can hamper its effective employment. In addition, there are a lack of studies about the general ability of CPTs generated with RNM to represent probabilistic relationships in real-world applications. In this paper, it is shown how the generation of probabilities with RNM is underpinned by a regression model of continuous random variables. Then, it is experimentally determined that in typical applications of RNM, one can generate in a matter of seconds CPTs whose elements reflect well probabilities given by the underlying regression model. Another experiment discovers that CPTs generated with RNM provide a good average fit to a large portion of various real-world CPTs investigated. This confirms the usefulness of RNM in practical applications. The results of the experiment also indicate that choices made by the user of RNM can considerably impact the ability of a generated CPT to represent a given probabilistic relationship. This paper then provides practical advice on the efficient use of RNM with regard to the user-controlled features explored in the experiment.

中文翻译：

---

贝叶斯网络条件概率表的排序节点法的理论原理及实际应用

本文提供了对用于通过专家启发构建贝叶斯网络 (BN) 的条件概率表 (CPT) 的排序节点方法 (RNM) 的理论原理和实际适用性的新见解。RNM 是为特定类型的离散随机变量设计的，称为排名节点，这些变量在 BN 的实际应用中很常见。尽管近年来它被积极使用，但 RNM 的确切理论基础仍然模糊不清，这可能会阻碍其有效使用。此外，缺乏关于使用 RNM 生成的 CPT 表示现实世界应用中概率关系的一般能力的研究。在本文中，展示了如何通过连续随机变量的回归模型支持使用 RNM 生成概率。然后，实验表明，在 RNM 的典型应用中，可以在几秒钟内生成 CPT，其元素反映了由基础回归模型给出的井概率。另一项实验发现，使用 RNM 生成的 CPT 为调查的各种真实世界 CPT 的大部分提供了良好的平均拟合。这证实了 RNM 在实际应用中的有用性。实验结果还表明，RNM 用户所做的选择会显着影响生成的 CPT 表示给定概率关系的能力。然后，本文针对实验中探索的用户控制功能提供了关于有效使用 RNM 的实用建议。人们可以在几秒钟内生成 CPT，其元素反映了由基础回归模型给出的井概率。另一项实验发现，使用 RNM 生成的 CPT 为调查的各种真实世界 CPT 的大部分提供了良好的平均拟合。这证实了 RNM 在实际应用中的有用性。实验结果还表明，RNM 用户所做的选择会显着影响生成的 CPT 表示给定概率关系的能力。然后，本文针对实验中探索的用户控制功能提供了关于有效使用 RNM 的实用建议。人们可以在几秒钟内生成 CPT，其元素反映了由基础回归模型给出的井概率。另一项实验发现，使用 RNM 生成的 CPT 为调查的各种真实世界 CPT 的大部分提供了良好的平均拟合。这证实了 RNM 在实际应用中的有用性。实验结果还表明，RNM 用户所做的选择会显着影响生成的 CPT 表示给定概率关系的能力。然后，本文针对实验中探索的用户控制功能提供了关于有效使用 RNM 的实用建议。这证实了 RNM 在实际应用中的有用性。实验结果还表明，RNM 用户所做的选择会显着影响生成的 CPT 表示给定概率关系的能力。然后，本文针对实验中探索的用户控制功能提供了关于有效使用 RNM 的实用建议。这证实了 RNM 在实际应用中的有用性。实验结果还表明，RNM 用户所做的选择会显着影响生成的 CPT 表示给定概率关系的能力。然后，本文针对实验中探索的用户控制功能提供了关于有效使用 RNM 的实用建议。