一、引言 现代信息技术的进步与创造深刻影响着人类社会经济活动，构建了数字化生活的丰富图景。21世纪20年代以来，我国数字化变革进入新阶段，主题关注和赋能正在经历从“数据化”到“数智化”的新跃迁（陈国青等，2022）。大数据（big data）和人工智能（artificial intelligence，AI）技术持续产生革命性应用，智能算法出现显著性进阶，数智赋能对于数字经济发展的重要性日益凸显。2024年，国务院政府工作报告首次提出开展“人工智能+”行动，体现了从研发到场景应用、再到产业打造的全链条赋能，明确了人工智能技术在国家战略层面的重要地位。 自1989年首届知识发现与数据挖掘大会以来，“知识发现”（knowledge discovery from data，KDD）已成为国内外管理科学与决策科学领域的重要概念和研究方向之一，其基本思想是从海量数据中发现新知识以支持组织业务与管理决策（法耶兹等，1996；达文波特，2013）。在数字经济及其数智赋能的创新发展背景下，管理决策研究的广度与深度得到了极大的拓展（陈国青等，2020，2023），学界和业界愈发强调探索构建新型人工智能技术方法以实现基于知识发现的价值创造，从而为管理决策赋予新动力（费尔里格尔等，2022；阿塔等，2024）。在此过程中，“关系”是值得关注的一类重要知识，相关文献亦将这类知识称为关系型知识（relational knowledge），重点研究其表示形式和关键特征，基于智能方法的发现或识别过程，以及面向不同管理决策场景的应用（哈尔福德等，2010；马勒，2012；布拉维等，2020）。 一般说来，关系描述事物之间相互作用、相互影响的状态，既是抽象世界中基础的数学概念，也是自然世界中普遍存在的现象（塔尔斯基，1941；弗雷斯，2000）。关系用以表征人与人、物与物、人与物间的连接和交互，存在于管理决策的各个层面，包括宏观经济和政策层面（如生产或环境要素间关系）、组织层面（如企业间关系）、社区层面（如社群或人群间关系）、个体层面（如朋友间或产品间关系）等。作为知识发现的一个分支，“关系发现”一直以来是管理科学和决策科学的研究焦点，覆盖金融、医疗、人力资源、供应链管理等众多研究领域（图尔、恰尔尼茨基，2009；奈尔等，2011；狄奥多西奥、萨瓦，2016；范等，2024）。然而，在数智化管理决策新情境下，智能技术与实体经济加速融合，管理场景和业务逻辑的复杂性显著增强，亟须设计更为高效的新型策略体系，这使得传统关系发现研究和方法的局限日益凸显。 具体而言，第一，受制于数据的可获性，传统研究采用的数据的规模、粒度、广度、来源、类型和时效性等方面存在局限，导致许多关系难以被感测和表征。第二，传统研究所开拓的关系形式较为有限，难以满足管理创新需求、新业态特征、新行为模式中对多样化新型关系的发现与刻画需要。第三，受制于映射方法的效能，传统研究在算法或模型的设计开发、实现策略和智能化程度等方面存在局限，制约了对复杂关系的捕捉和识别能力。例如，零售业态的多元化，特别是移动商务的快速演化催生了直播电商这一新情境，其中主播带货时经常采用的捆绑促销等策略即需要获得关于商品间较为复杂和动态变化的关系的知识。为了更好地满足消费者多样化需求、应对激烈的市场竞争，除传统的商品间功能性互补关系外，商家和主播在此情境下更需要发现由流行“爆品”形成的短期共同购买关系，或是拓展场景中商品和服务间的组合消费关系，等等。这些新关系超出了问题场景中传统已知的关系集合，能够帮助设计更时新、更多元的营销策略，如捆绑出售上述商品（和服务）的组合以实现促销，因此创新开发智能方法用以发现这类知识对于管理决策具有新的价值。 鉴于传统关系发现在数智化背景下的上述局限，本文关注大数据视域下的一类重要关系，即“新颖关系”，并聚焦讨论“新颖关系发现”的问题建模、方法设计和管理意义，从而为数智化管理决策技术与方法的创新突破提供方向指引和理论支撑。基于对领域内重要概念和前沿研究的凝练，本文将新颖关系定义为大数据高阶空间中潜在的新型、未知且有价值的关系，并明确新颖关系发现这类重要问题的概念内涵，即创新性地设计基于大数据分析的智能方法来识别新颖关系以用于支持管理决策。特别地，对于直接观测和采集到的数据集合，其属性特征（如客户ID、购买商品、商品价格等）和具体取值（如C135、Nova12、2600等）的记录全体构成了一个数据空间，反映具象含义。更重要的是，这个数据空间背后通常还蕴含着特定的复杂、间接和隐性的含义（如价格分布、客户评论主题、偏好变化模式等），体现为该数据空间的高阶幂集合形态（即高阶空间）上的语义，新颖关系发现则强调基于丰富的可观测大数据表达和构建高阶空间，抽象提炼高阶语义，从而更精准地对其中的关系予以揭示。近年来，越来越多管理科学领域的学术研究结合数智化管理决策新特征，针对新颖关系发现展开探索，使之成为大数据分析方法创新、知识发现领域的一类主流议题。而由于管理问题和领域情境的丰富性以及决策主体行为（如人的行为、机器行为、人机协同行为）的复杂性，不仅数据的粒度、来源、模态和时效性显著拓展，关系的形式和含义也更易呈现间接、隐性、动态、跨域等特点，如AI大模型的嵌入向量间关系、超参数间的连接关系、语言生成过程中的语义关系等，使得新颖关系发现的研究机遇与挑战并存。
