多关系数据挖掘是数据挖掘的一个崭新的研究方向，是数据挖掘最新的研究热点之一。传统的数据挖掘算法是在数据库的一张单一的表上挖掘，当遇到多表时，不得不把多张表集成到一张表中。然而在现实生活中，把多张表集成到一张表需要花费大量的时间，而且还有可能造成信息的丢失，存在效率低、准确率低的问题。因此，多关系数据挖掘的时代已经来临。多关系数据挖掘研究直接在多关系上进行挖掘的算法，不需要进行集成。本文利用元组ID传播的思想，对多关系数据挖掘的各个任务——多关系分类、多关系聚类、多关系关联规则，进行了研究。　　 首先，对存在于多关系中的链接进行了定义，并由此引出了元组ID传播的定义。　　 其次，利用元组ID传播的思想，结合贝叶斯分类器，提出了一种多关系贝叶斯分类算法。实验表明，在处理多关系时，比起传统的贝叶斯分类算法，该算法具有更高的准确率和效率。　　 再次，利用元组ID传播的思想，提出了一种多关系聚类算法。该算法首先利用元组ID传播计算元组之间的相似度，然后按照层次聚类的方法对各个元组聚簇，从实验中可以看出该算法的准确率较高。　　 最后，利用元组ID传播的思想，提出了一种多关系关联规则挖掘算法。该算法首先挖掘多关系频繁模式，然后把多关系频繁模式转换成多关系关联规则。该算法可以挖掘出多关系中的各个属性之间存在着的关联规则。实验表明，该算法具有较高的效率。