结构支持向量机（structured support vector machine），理学-计算机科学技术-计算机应用-多媒体计算-模式识别-支持向量机，标准支持向量机在处理结构化预测（structured prediction）问题时所得到的推广。在推广后，其标签空间是结构化的并且可能具有无限的大小。在实际应用中，大部分要处理的数据（如树形结构、队列结构或网状结构数据等）都是比较复杂彼此之间存在相互依赖，具有特定结构化关系，而用传统的支持向量机已经很难去处理这些问题了，与之相反，结构化支持向量机根据数据内部的结构性提出结构化特征函数对传统支持向量机进行了改进，能有效地处理结构化数据。结构化数据分析问题的目的是找到样本的输入与输出对之间的一个函数。假定函数的形式为：式中为判别函数：；为权向量；为结合输入与输出的数据特性，其数值代表着输入输出彼此之间特性联合的一个向量。一般的形式取决于具体要解决的结构化问题。为了量化预测结果的正确性，就需要考虑损失函数。式中为预测输出结果与其正确输出值之间的损失。