使用Python，列举三种构建贝叶斯网络的方法，并结合警铃的例子给出构建贝叶斯网络的过程。

三种构建贝叶斯网络的方法如下：

1. 专家知识法：通过专家的经验和知识，构建贝叶斯网络，适用于领域知识丰富的场景。

2. 数据驱动法：利用已有的数据，通过统计学习方法构建贝叶斯网络，适用于数据丰富的场景。

3. 混合法：结合专家知识和数据驱动方法构建贝叶斯网络，适用于数据相对较少但专家知识丰富的场景。

以警铃为例，构建贝叶斯网络的过程如下：

1. 确定节点：根据问题确定需要建立哪些节点，比如“火警”、“烟雾”、“温度”等。

2. 确定节点之间的关系：根据节点之间的因果关系，确定节点之间的有向边。

3. 确定节点的概率分布：对于每个节点，根据专家知识或已有数据，确定其概率分布。

4. 联合概率分布：根据节点之间的有向边和节点的概率分布，计算联合概率分布。

5. 推理：根据已知节点的取值，利用贝叶斯公式计算其他节点的后验概率分布，从而进行推理和预测。

例如，如果已知烟雾传感器触发了，那么根据贝叶斯公式，可以计算出火警和温度升高的后验概率分布。