关系性学习，也称为关系学习（Relational Learning），是 一类机器学习问题及其方法的统称。在关系学习中，同一样本的各个属性之间存在复杂的关系，或者不同样本之间不独立，这表明了样本集上的某种结构。关系学习通常应用于文本数据挖掘、生物信息学、交通工程等领域。

关系学习中的“关系”可以理解为一种关联，用一阶逻辑的语言表示就是谓词。与传统的机器学习方法不同，关系学习中的问题一般无法以简单的属性-值方式表示为单表形式，而是需要考虑样本之间的复杂关系和结构。

关系学习的关键在于发现和利用数据中的关系，以便更好地进行预测和决策。这种方法在许多实际应用中都非常重要，例如在推荐系统中，通过分析用户和物品之间的关系来提供个性化的推荐。