智慧来 李逸楠

摘要：概念是信息粒化过程中的重要粒度之一。然而，基于概念的知识表示并不能有效地对具有家族相似性的原型范畴进行刻画。该文在现代范畴理论的启发下，提出用概念簇表示一组密切相关的概念，以刻画粒度大于概念的信息粒。其次，研究了概念簇的若干重要性质与计算方法。最后，提出了一种基于概念簇的信息检索方法。

关键词：形式概念分析;粒計算;概念簇;知识表示

中图分类号：TP18

DOI：10.16152/j.cnki.xdxbzr.2020-04-003开放科学（资源服务）标识码（OSID）：

Knowledge representation based on concept cluster

ZHI Huilai， LI Yinan

（School of Computer Science ＆ Technology， Henan Polytechnic University， Jiaozuo  454003， China）

Abstract： Concept is one of the important granularities in the process of information granulation. However， concept-based knowledge representation cannot effectively describe prototype category with family similarity.Inspired by the modern category theory， this paper proposes to concept cluster to represent a group of closely related concepts， so as to depict information

granules with granularities larger than concepts. And then， some important properties and calculation methods of concept clusters are studied. Finally， an information retrieval method based on concept cluster is proposed.

Key words： formal concept analysis; granular computing; concept cluster; knowledge representation

在大数据潮流下，粒计算提供了知识发现和从人工智能到机器实现的有效方法［1-2］。信息粒化是采用粒计算思想解决问题的前提。在具体问题中，大小各异的粒形成了粒度链条［3］，人们主要通过粒之间的转换、推理以及相互交互来实现问题的求解［4-6］。

形式概念分析［7-8］是一种最为有效的粒计算方法。面向特定的数据分析与知识发现的需要，通过构造性方法可以得到一系列不同种类的概念［9-13］，从而满足不同的应用需求。近年来，粗糙集、粒计算、模糊集、三支决策理论等与形式概念分析融合发展，在基于知识的信息处理等相关领域产生了一大批理论与应用成果［14-17］。

然而，以概念作为基本粒度的知识发现并不能有效地对具有家族相似性的原型范畴进行刻画。实质上，这是由于整个粒度链条没有得到彻底的研究，位于粒度链条顶端的子格在应用中没有得到应有的重视。

现代范畴理论［18-19］强调家族相似概念，不具有共同属性的对象仍然可能属于同一范畴。……