本文探讨了如何从多个关系模式中隐含的依赖关系构建贝叶斯网络结构。关系数据模型是最常见的结构化数据表示形式，而无环数据库理论在关系数据库领域占据重要地位。在这篇论文中，作者提出了一种方法，该方法基于无环数据库理论及其与概率网络的关系，从依赖信息中构建贝叶斯网络结构，而不是从数据库实例中进行挖掘。具体方法包括寻找无环模式上多值依赖的最大和谐子集，从而保留尽可能多的条件独立信息；针对多关系环境，讨论了多个第三范式数据库模式的连接图的属性，由此获得各独立关系模式之间的依赖关系；对于给定的循环连接依赖，提出了通过寻找最小无环增强，将循环数据库模式转换为无环数据库模式的方法。
贝叶斯网络（Bayesian network），也被称为信念网络（belief network）或概率图模型（probabilistic graphical model），是一种用于表示变量间概率依赖关系的图形模型。它是一种有向无环图（DAG），其中节点表示随机变量，边表示变量间的依赖关系，而连接变量的概率分布表示为条件概率表（CPT）。贝叶斯网络在人工智能、概率推理、统计分析以及机器学习等多个领域都有广泛应用。
在关系数据库中，数据通常通过表格形式组织，每一列代表一个属性，每一行代表一个数据记录。关系模型不仅用于数据存储，还用于表示数据之间的关联和约束，例如主键、外键、以及各种完整性约束等。
在构建贝叶斯网络结构的过程中，研究者特别关注了多值依赖（multivalued dependency）和连接依赖（join dependency）。多值依赖是一种描述属性间约束关系的方式，它表达了当一组属性的值固定时，另一组属性能够取值的独立性。最大和谐子集（maximum harmoniousness subset）的选择则是为了最大化条件独立信息的保留。
同时，本文也探讨了关系模式中的连接图（join graph），并指出多个第三范式（3NF）关系模式的连接图可以展示独立关系模式之间的依赖关系。关系模式的第三范式是一个规范化理论的概念，要求每个非主属性都只依赖于主键，并且非传递依赖。
在处理循环连接依赖时，本文提出了一种转化策略，即将循环连接依赖转化为无环数据库模式。在关系数据库中，存在循环依赖往往会导致数据更新困难和数据冗余等问题，因此，无环数据库模式更有利于数据库的设计和维护。最小无环增强（minimal acyclic augmentation）是指在不破坏原有数据完整性约束的基础上，对循环模式进行最小的调整，以消除循环依赖。
文章最后通过一个应用实例证明了所提出方法的可行性。这一实例表明，在真实的应用场景中，能够有效地从多个关系模式中构建出贝叶斯网络结构，进而更好地进行知识表示和发现。
本文通过探讨和实施一种新的构建贝叶斯网络结构的方法，将关系数据库理论与概率网络理论相结合，为结构化数据的知识表示和发现提供了新的视角和工具，有助于提升在企业业务数据、医疗记录、科学数据集等关系数据库中知识发现的效率和准确性。
