图书采购工作是图书馆一项非常重要的工作,如何利用好有限的图书馆采购经费,提高图书的利用率,满足图书馆广大读者对知识的需要,是值得重视和研究的课题。由于读者借阅图书具有不确定性,所以为利用贝叶斯网来研究这个课题提供了条件。本文利用了贝叶斯网对读者借阅图书的数据所蕴含的不确定性知识进行学习、表示和处理,让图书馆的图书采购工作更加具有针对性,对于做好图书采购和利用,服务好图书馆广大读者,提升服务效能和水平具有很重要的意义。这样比基于一般简单的统计方法表达更加清楚明了,还能进行双向推理,也便于重构和调试,对读者工作开展具有更好的指导意义。本文的主要工作和贡献如下：首先,对贝叶斯网进行概述。在介绍贝叶斯网的起源与发展以及相关的概率论知识的基础上,阐述了贝叶斯网的定义,贝叶斯网的类型、贝叶斯网的优点和贝叶斯网的应用。其次,介绍了贝叶斯网的构造与推理。在对贝叶斯网的构造与推理进行概述的基础上,对贝叶斯网构造与推理的过程和方法进行阐述分析。在贝叶斯网构造部分,介绍了手工构造和机器学习获取贝叶斯网的过程与方法,指出把已有的知识和经验与数据分析相结合,利用手工构造与机器学习相结合的方法能更加有效快速地构造贝叶斯网。同时,着重对参数学习中的最大似然估计和贝叶斯估计,对结构学习中的搜索评分的有关评分准则和算法以及基于依赖约束的结构学习方法进行了探讨。在贝叶斯网推理部分,介绍了推理的基本过程和精确推理与近似推理两类推理方法,并着重对精确推理算法中的切集条件化推理Cutset conditioning算法及近似推理算法中的蒙特卡罗随机采样算法进行了探讨。最后,在对贝叶斯网理论进行认真的学习和研究后,将其应用于图书馆图书利用和采购问题中。在对读者信息、图书信息和读者借书信息进行采集、整理、组织的基础上,运用贝叶斯网构造理论以及相应的构造软件,构造出了基于读者信息、图书信息和读者借还书信息的贝叶斯网,并以此为基础,运用贝叶斯网推理及相应的推理软件和加权平均原理,建立起一个图书馆图书采购模型,这为图书馆如何进一步做好图书利用和采购提供了借鉴和参考以及一个直观科学的方法,也为图书采购决策提供了有力的决策支持。