信念传播（belief propagation），理学-计算机科学技术-人工智能-机器学习-概率图模型，在概率图模型（graphical model）中用于精确推断的一种算法，其在给定已观测变量的条件下计算所有未观测变量的边际分布的方法。又称Sum-Product算法。信念传播算法最早由美籍以色列裔计算机科学家J.珀尔（Judea Pearl）于1986年提出。此算法的特点在于将计算边际分布时涉及的求和（积分）操作看作一个消息传递过程，以解决求解多个边际分布时的重复计算问题，提高计算效率。具体而言，假设概率图模型中结点和结点相邻，信念传播算法中所称的结点向结点发送的消息定义如下：式中为该图的势函数；为结点的所有邻接结点组成的集合。一个结点仅在接收到了来自其他邻接结点的消息之后才会向其相邻的另一个结点发送消息，且结点的边际分布正比于其接收的消息的乘积。对于无向图而言，经过2个步骤即可完成所有消息传递过程，进而计算所有变量的边际分布：①指定一个根结点，自所有叶结点开始向根节点传递消息；②自根结点开始向所有叶节点传递消息。