基于概念格的文本挖掘

文本挖掘是从非结构化的文本中发现潜在的概念以及概念间的相互关系。作为从浩瀚的Web信息资源中发现潜在的、有价值知识的有效技术,Web文本挖掘已倍受关注。文中提出了利用概念格来抽取隐含在文本中潜在的概念关系,将文本挖掘中文档与关键词之间的关系通过概念格结构呈现出来。     

基于概念格的文本挖掘

文本挖掘是从非结构化的文本中发现潜在的概念以及概念间的相互关系。作为从浩瀚的Web信息资源中发现潜在的、有价值知识的有效技术，Web文本挖掘已倍受关注。文中提出了利用概念格来抽取隐含在文本中潜在的概念关系，将文本挖掘中文档与关键词之间的关系通过概念格结构呈现出来。     

基于概念格的概念联通分析与设计

概念格作为形式概念分析理论中的核心数据结构,已经在知识工程和软件工程等领域得到了广泛的应用。基于概念格理论和概念描述,提出了一种新的更适合于概念联通的概念格结构;给出了几类特殊的概念联通关系。最后,根据这种新的概念格结构,讨论概念联通的基本性质。     

基于概念格的形式背景的知识约简

概念格作为一种数学方法在数据挖掘和知识处理中有重要意义.本文基于概念格提出了关于形式背景的知识约简理论,并借助于粗糙集理论中关于信息系统知识约简的思想,给出了概念格中形式背景约简的判定定理和相应的可辨识属性矩阵,从而为概念格中形式背景知识约简提供了一种有效方法.     

基于剪枝概念格的项集知识表示与挖掘

在研究概念格和项集关系的基础上,将剪枝概念格模型引入数据库中项集的表示与挖掘,利用概念间的关系性质,在构造过程中及时、动态地剪枝,删除与项集求解无关的概念,不丢失信息的同时能有效压缩频繁项集的规模,实验证实了算法良好的性能。     

一种基于概念格的关联规则挖掘算法

关联规则挖掘是数据挖掘中的一项核心任务,而由二元关系导出的概念格则是一种非常有用的形式化分析工具,它体现了概念内涵和外延的统一,反映了对象和特征间的联系以及概念间的泛化与例化关系。一个概念内涵与一个关联规则中的闭合项集可以一一对应。提出了一种新有基于概念格的关联规则挖掘算法Arca（Association Rule based Concept lAttice）。Arca算法通过概念矩阵构造部分概念格,使概念格中的每个概念对应一个闭合频繁项集。然后生成一些关联规则,在这些关联规则上通过定义了四个算子来生成了所有关联规则。     

基于概念格的序列模式挖掘

研究了基于概念格(Conccpt LatticeCL)的序列模式挖掘方法，并给出了相应算法。与经典的算法比较，减少了对交易数据库的扫描次数，提高了挖掘效率。     

基于领域本体与概念格的关联规则挖掘

关联规则是数据挖掘中的核心任务之一,近年来国内外对关联规则算法的改进取得了比较大的成果.概念格是由二元关系导出的形式化工具.体现了概念内涵和外延的统一,非常适合于发现数据中的潜在关系,因此关联规则的提取也是概念格的一个主要的应用领域,极大的提高了关联规则的挖掘效率,然而由于缺乏领域知识的指导,所挖掘出的规则有些是无意义的或无法满足用户的需要,所以在规则的提取中需要引入领域知识,而领域本体是领域知识的清晰而结构化的表示,因此提出了应用领域本体对生成的概念格进行调整,从而实现对规则提取的指导,以发掘出高层关联规则以及多层次间的关联规则,以满足用户的需要.     

基于扩展概念格模型的文本分类规则提取的研究

文本分类是信息检索与数据挖掘领域的研究热点与核心技术,近年来得到了广泛的关注和快速的发展。概念格是规则提取和数据分析的有效工具,然而概念格的构造效率始终是概念格应用的一大难题。本文研究了基于扩展概念格模型的文本分类规则提取,利用粗糙集和扩展概念格模型来进行分类规则提取。该方法利用概念树,极大地除去了冗余的概念,只需要建造很少的概念就能够提取出全部的分类规则,不仅效率较高,而且同时提取的分类规则与概念格相同。本文算法在MATLAB7.0的环境中运行的实验表明,查全率比KNN算法和SVM算法稍低,但是查准率比它们都高,因此该分类规则用于文本分类时效果与KNN和SVM相当。     

基于概念格的关联规则挖掘

关联规则的挖掘是知识发现领域重要的研究方向之一,因此开展这方面的研究是很有意义的。论文给出了一种基于概念格的关联规则的算法,该算法首先通过约化形式背景,然后通过给定的阈值在约简的背景上建格,最后在格上提取符合条件的关联规则。例子说明了该算法的可行性和有效性。     

Formal concept analysis with background knowledge: a case study in paleobiological taxonomy of belemnites

We present a case study in identification of taxa in paleobiological data. Our approach utilizes formal concept analysis and is based on conceiving a taxon as a group of individuals sharing a collection of attributes. In addition to the incidence relation between individuals and their attributes, the method uses expert background knowledge regarding importance of attributes which helps to filter out correctly formed but paleobiologically irrelevant taxa. We present results of experiments carried out with belemnites—a group of extinct cephalopods which seems particularly suitable for such a purpose. We demonstrate that the methods are capable of revealing taxa and relationships among them that are relevant from a paleobiological point of view.     

气象服务形式概念分析模型研究

为了解决气象服务领域隐含知识难以发现、概念处理不够准确的问题,在形式概念分析理论指导下,给出气象服务领域知识发现和表示模型。以互联网联盟（W3C）OWL2描述逻辑本体知识库应用为背景,提出使用一阶谓词定义多值背景属性,利用布尔代数范式表达概念外延的逻辑等价关系,从而获得具有清晰层次关系的概念格,并映射为领域本体,实现了智能代理下领域知识表达。最后以公路交通气象服务和电力气象服务为例,阐述气象服务形式概念分析及实现过程。     

一种基于索引的概念格分布式构造方法

现有的概念格并行/分布式构造算法在处理较大规模数据时,需要搜索大量不相关概念,降低了算法性能。为此,提出了一种基于索引的概念格分布式构造方法——LCBI,插入新概念时先利用索引快速找出新概念的极大相关概念,再对所有极大相关概念的子概念进行自顶向下地并行搜索以找出它们的交叉子概念,从而减少了搜索范围。理论分析和实验表明,在处理大规模稠密数据时,LCBI比其他分布式算法具有较明显的优势。     

Formal concept analysis of higher order

The second-order formal context is a formal context such that its object and attribute sets are disjoint unions of object and attribute sets of external formal contexts. Every subset of object or attribute set will be evaluated from concept lattice of the corresponding external formal context. The paper provides a method how to compute such second-order formal concepts by using of bonds between external formal contexts or by using heterogeneous formal context methods. The last part of the paper shows how this structure generalizes homogeneous fuzzy formal context and its derivation operators.     

概念格稳定性分析及其在Folksonomy中的应用

为了改善Folksonomy中的资源利用率,将形式概念分析与Folksonomy相结合,引入概念稳定性度量方法来更精确的表示Folksonomy概念结构.研究工作的重点是通过概念格来发现Folksonomy中的特殊社区团体——用户兴趣标签.实验中分别使用概念稳定性和支持度两种方法采缩减概念格的规模,并从美味书签网站del.icio.us上收集真实数据集进行实验对比,分析和讨论了利用稳定性提取概念的效率和意义.     

基于形式概念分析的本体合并方法

针对现有的本体合并方法在进行合并时需要人工参与,比较费时费力,且合并结果受人为影响过大等缺点,提出了一种基于形式概念分析的本体合并方法——FCA-OntMerge(formal concept analysis based ontology merging method)。该方法首先将本体中的数据直接转化为形式背景(概念格的数据存储方式),然后利用概念格严谨和完善的数学原理进行合并,最后生成新的本体。实验结果表明,该方法能很好地解决本体异构的问题。     

概念格研究进展

概念格理论是一种有效的知识表示与知识发现的工具,已被成功应用于许多领域.介绍了国内外现有的建格算法及概念格上分类规则和关联规则提取方法,比较了各种建格算法的优缺点,讨论了概念格属性约简理论的研究方法和研究进展.另外,还介绍了概念格在数据挖掘、信息检索、软件工程等领域的应用,给出了与粗糙集的关系及其它的一些研究成果.最后,给出了概念格有待完善的研究领域.