多关系数据挖掘是近年来快速发展的重要的数据挖掘领域之一,高效性一直是该领域的研究重点。对于多关系数据挖掘算法而言,挖掘任务的复杂性对算法性能提出了更高的要求,搜索空间比单一关系模式下变得更大更复杂,提高算法效率的主要瓶颈在于假设空间。针对多关系数据挖掘算法存在的这些问题,本文提出了改进的多关系决策树算法MRDTL-2。本文对数据挖掘理论、多关系数据挖掘理论进行了深入的研究,尤其是多关系决策树分类算法及多关系数据挖掘的最新技术-元组传播技术。本文提出了改进的多关系数据挖掘算法MRDTL-2,提高了算法的效率和用户的满意程度。改进算法的实现过程是在用户指导下完成的,主要是在以下两方面进行改进：第一,在用户指导情况,当数据项小于属性传递阀值时,将元组传播技术应用到多关系决策树算法中。第二,在用户指导情况,当数据项大于传递阀值时,设置空关系Ra,将背景关系中的主关键字、背景属性及目标关系中的类标号传递到中Ra,然后,Ra代替背景关系参与其它多关系决策树。最后,本文对改进的多关系决策树算法MRDTL-2进行了理论证明和实验验证。本文使用PKDD’99中的Financial数据集对改进的多关系决策树算法MRDTL-2进行实验。通过十次交叉迭代验证法,对改进的多关系决策树算法MRDTL-2与MRDTL进行效率对比验证。实验结果表明,本文提出的算法优于现有的同类算法,实现了预期的研究目标。