结构化输出学习（structured output learning），理学-计算机科学技术-人工智能-机器学习-概率图模型，一套机器学习方法，常用于自然语言处理，电脑视觉等应用中。在自然语言处理、计算机视觉等应用中，计算机需要同时预测多个输出变量，并且考量输出变量之间的相互关系以做出准确的判断。例如，在光学字符识别（OCR）问题中，计算机要识别图像文件中的各个字符，以获取文本中的文字资讯。当判断字符时，同时辨别多个相邻字符并且考量字符之间的关系可以大幅提升判别的准确率。在现实应用中，这种类型的人工智能问题相当常见，因此结构化输出学习被广泛使用在许多机器学习问题上，例如学习语言结构、辨识多样物体、预测蛋白质结构、自动信息抽取等。结构化输出学习的模型输出是一个多变量的结构体，如链状结构、树状结构，或是图。这些结构体由节点以及边所组成，其中节点代表输出变量，而边描述变量之间的直接关联和任意变量之间的间接关系，可以借由边所表示的直接关系推导而出。通过定义结构体，专家可以用领域知识来帮助建模，并且设计模型从数据中学习变量之间的互相关系。