智慧来，徐 彤，李逸楠

河南理工大学 计算机科学与技术学院，河南 焦作 454003

概念是人类认知活动的基本单位，以概念为基础的粒计算方法是实现可解释性人工智能的途径之一[1-5]．粒计算通过对复杂数据的多粒度化处理得以实现复杂问题的简易求解[6]．多粒度化的数据呈现出大小不同的信息粒，从而构成了由小到大的粒度链条[7]．在粒度链条中，小粒是构成大粒的基础，粒度的变化体现着思维过程的泛化和特化，在泛化和特化的双向思维驱动下，人们得以解决许多看似无法下手的困难问题[8-9].

形式概念分析(formal concept analysis，FCA)[10]是基于格论建立起来的数学方法，已经成为一种最有效的粒计算理论．在应用的驱动下，根据实际需求可以通过各种方法构造不同类型的形式概念，包括经典形式概念、 面向对象概念、 面向属性概念、 对偶概念等[11-14]．最近十年，粗糙集、 粒计算、 模糊集、 三支决策理论等推动了形式概念分析的发展，产生了许多有重要理论价值与应用价值的成果[15-20]．其中，QI等[21]将三支决策理论(three-way decisions，3WD)中的三分思想引入形式概念分析，提出了三支概念分析(three-way concept analysis，3WCA)．具体就是通过在形式背景上定义负算子，刻画对象子集与属性子集间“共同不具有”的关系，并构造三支算子，将对象集或属性集三分，形成三支概念与三支概念格．三支概念分析自2014年提出以来，得到了广泛的认可[22-24].

信息检索一直是人工智能的重要研究课题，但是，现有的信息检索方法广泛采用距离度量相……