Luận văn nghiên cứu các thuật toán xử lý phụ thuộc hàm nới lỏng, một dạng tri thức quan trọng trong khai phá dữ liệu và cơ sở dữ liệu. Khác với phụ thuộc hàm chính xác đòi hỏi sự tương quan tuyệt đối, phụ thuộc hàm nới lỏng cho phép một tỷ lệ ngoại lệ nhất định, phản ánh tốt hơn tính không hoàn hảo của dữ liệu thực tế. Luận văn tập trung vào việc phát triển và cải tiến các thuật toán nhằm phát hiện hiệu quả tập các phụ thuộc hàm nới lỏng từ các tập dữ liệu lớn. Các vấn đề chính được giải quyết bao gồm độ phức tạp tính toán, khả năng mở rộng và độ chính xác của kết quả. Thông qua việc phân tích lý thuyết và thực nghiệm trên nhiều bộ dữ liệu chuẩn, luận văn chứng minh tính ưu việt của các thuật toán đề xuất so với các phương pháp hiện có, góp phần nâng cao hiệu quả trong việc trích xuất tri thức từ dữ liệu có nhiễu và không chắc chắn.