機(jī)器學習方法廣泛應用于大(dà)數據分(fēn)析領域。學術(shù)界和工(gōng)業界廣泛認爲當前的機(jī)器學習系統幾乎完全以統計(jì)學或盲模型的方式運行，結果背後隐藏的因果邏輯是一個黑(hēi)盒，限制了機(jī)器學習的應用。我們正在從(cóng)結構性的因果推理(lǐ)研究角度切入，用機(jī)器學習提高應用準确性，用規則保證結果可(kě)解釋性。同時，我們提出一個結合機(jī)器學習模型的新型規則系統，支持模型的即插即用，能夠處理(lǐ)數據中潛在的語義關聯關系。

基于圖數據的結構建立機(jī)器學習輸入和輸出之間的邏輯關系；基于圖數據的層次、屬性、類别等詳盡的拓撲結構和關聯關系，研究如(rú)何有效地揭示機(jī)器學習在自(zì)然語言處理(lǐ)、智能問(wèn)答、語義模型分(fēn)析等領域的推理(lǐ)邏輯，從(cóng)而讓研究者進行定向優化，進一步提升機(jī)器學習的性能和擴展其應用範圍；研究邏輯和機(jī)器學習模型結合的新型規則系統，保持數據之間的邏輯推理(lǐ)關系的同時利用機(jī)器學習模型增強語義表達能力，真正做到模型和邏輯的統一。該規則系統經常被用在數據質量和關聯分(fēn)析等領域。