关系学习及其应用的研究

关系学习（relational learning）主要研究对关系数据的学习问题，目前该领域已成为机器学习的一个新的研究热点。现实问题中，数据经常是不满足条件独立性（i.i.d.）假设的，比如：商业数据。因此，从不满足条件独立性假设的数据中学习是机器学习技术走向实际应用过程中必须解决的问题。本项目将在概率关系模型的基础上，提出处理不完备关系数据的方法；提出处理关系数据中的具有代价敏感和类别不平衡问题的方法；从结构学习、参数学习和属性选择三个方面提出基于广义概率关系模型进行不确定性推理的方法。在此基础上，将关系学习的方法和技术用于研究和解决信息不对称环境下网上交易风险问题，设计出能够动态模拟、分析、预测及决策等相关的理论与方法。上述研究内容在国际上还很少，其研究成果可望在国际上产生积极的影响。本项目可望产生5-8篇高质量的学术论文。