机器学习方法广泛应用于大数据分析领域。学术界和工业界广泛认为当前的机器学习系统几乎完全以统计学或盲模型的方式运行，结果背后隐藏的因果逻辑是一个黑盒，限制了机器学习的应用。我们正在从结构性的因果推理研究角度切入，用机器学习提高应用准确性，用规则保证结果可解释性。同时，我们提出一个结合机器学习模型的新型规则系统，支持模型的即插即用，能够处理数据中潜在的语义关联关系。

基于图数据的结构建立机器学习输入和输出之间的逻辑关系；基于图数据的层次、属性、类别等详尽的拓扑结构和关联关系，研究如何有效地揭示机器学习在自然语言处理、智能问答、语义模型分析等领域的推理逻辑，从而让研究者进行定向优化，进一步提升机器学习的性能和扩展其应用范围；研究逻辑和机器学习模型结合的新型规则系统，保持数据之间的逻辑推理关系的同时利用机器学习模型增强语义表达能力，真正做到模型和逻辑的统一。该规则系统经常被用在数据质量和关联分析等领域。