本研究解决了由于隐私问题和数据保护法规而导致的实际数据收集困难，提出了一种基于概率关系模型的合成关系数据生成方法。通过开发一个全面的流程，将关系数据库转化为概率关系模型，进而从其底层概率分布中采样合成数据点，提升了数据合成的有效性和隐私保护。该方法的应用潜力为各类机器学习任务提供了重要的合成训练数据支持。

事件建模是将业务数据以事件形式保存的方法。通过查找状态栏和日期列，可以找到领域事件并迁移到事件溯源架构中。分析列的可选性和搜索具有最多 "1 对多 "关系的表格也有助于确定数据流边界。在导入过程中，不要重复使用新发现的事件，而是明确地提供所有当前状态和解释。最后，实验和验证模型的运行情况，不断改进。

本文研究了命题数据和关系数据之间微妙差别，指出在许多关系模型中，边缘概率取决于人口或领域的大小，将此与统计理论中的经典概率密度函数基本概念建立联系。讨论了许多常见 SRL 系统的 projectivity，找出了保证产生 projective 模型的语法片段，但语法条件是限制性的，这表明在 SRL 中难以实现 projectivity，应注意区分不同领域大小。