一種基于子形式背景屬性相似度的概念格合并方法及系統的制作方法
【技術領域】
[0001] 本發明涉及人工智能和本體知識庫領域，尤其涉及一種基于子形式背景屬性相似 度的概念格合并方法及系統。
【背景技術】
[0002] 1982年，Rudolf Wille教授提出一種數學理論，它就是為后來人奉為經典的概念 格理論。概念格是形式概念分析理論(FCA)中的核心數據結構，概念格中的節點體現了概念 內涵和外延的統一，故而概念格結構非常適合規則的發現和推理。
[0003] 概念格理論的相關研究可以列舉出如下幾個方面：（1)概念格基礎理論的研究； (2)概念格的構建和約簡；（3)模糊環境下概念格的生成和規則獲取以及模糊推理；（4)粗糙 概念分析:部分學者將概念格理論與粗糙集聯系起來，粗糙概念分析應運而生；（5)概念格 的可視化研究：主要研究如何合理美觀地呈現概念格Hasse圖，使得邊的交叉數最少，整個 圖更美觀；（6)多粒度概念格:部分學者將粒計算同概念格理論結合起來，提出多粒度概念 格的概念；（7)基于概念格的關聯規則獲取算法:這是因為概念格的每一個節點代表一個由 內涵和外延組成的形式概念，在后期的規則推理和規則挖掘過程中，概念格結構由于其清 晰的is-A關系/層次關系，有利于挖掘知識中隱藏的概念和關系，故而一些學者將概念格當 做一個關聯規則挖掘的有效模型，研究并提出基于概念格的關聯規則獲取算法。
[0004] 綜上所述，概念格--這種根據形式背景中對象和屬性之間的二元偏序關系建立 的層次結構，是一種有效的數據分析和知識提取工具。概念格理論被諸多前沿學者應用于 不同方向的領域中，例如，機器學習、數據挖掘、語義Web、知識發現、信息檢索等。
[0005] 現有的概念格合并算法分為兩種模式:第一種先合并子形式背景，再生成概念格， 第二種先分別根據子形式背景生成子概念格，再合并子概念格。其中，以第一種模式居多， 其根本思想就是將概念格合并轉換成概念格生成，這種模式并非不可，在一些特定情況下， 還會表現出一定的優越性。但當形式背景變得極為復雜時，亦或數據量變得極為龐大時，此 種統一生成的方法不可取，會造成大量現有概念格資源的浪費，從而導致時間和成本上的 浪費。
[0006] 就第二種模式來說，部分方法在完成兩個子概念格合并的過程中丟失了邊的信 息，也有部分方法可以直接完成兩個子概念格合并也能保證不丟失Hasse圖邊的信息（即 is-A關系），但其并不是在合并過程中同時生成邊的信息，而是完成所有概念節點的合并之 后，再一層層的檢索并添加邊的關系，這種做法無疑浪費了計算資源，導致效率較低。
[0007] 因此，現有技術還有待于改進和發展。
【發明內容】
[0008] 鑒于上述現有技術的不足，本發明的目的在于提供一種基于子形式背景屬性相似 度的概念格合并方法及系統，旨在解決現有的合并方法其計算過程復雜、效率低等問題。
[0009] 本發明的技術方案如下：
[0010] -種基于子形式背景屬性相似度的概念格合并方法，其中，包括步驟：
[0011] A、輸入兩個需要合并的子形式背景，先計算這兩個子形式背景內涵中各屬性之間 的相似度；
[0012] B、將相似度高于閾值的屬性視為共同屬性，取出共同屬性并記錄；
[0013] C、針對兩個子形式背景，分別使用Godin算法生成子概念格；
[0014] D、最后根據之前記錄的共同屬性完成子概念格的合并。
[0015] 所述的基于子形式背景屬性相似度的概念格合并方法，其中，所述步驟C中，使用 一個類型[G，M，S]來存儲某一個節點或概念的信息，其中G表示實例集，Μ表示屬性集，S表示 子節點集。
[0016] 所述的基于子形式背景屬性相似度的概念格合并方法，其中，所述步驟C具體包 括：
[0017] C1、在概念格L中節點依次和對象（{>*}3({#}))作運算時，如果節點_勺內涵包 含于f({x*})，記錄節點Ν到集合gnLackOfE中；
[0018] C2、在每次對象（lx*}，f({x*}))對概念格L的運算結束之后、下一個對象運算開始 之前，根據所述集合gnLackOfE生成子概念格。
[0019] 所述的基于子形式背景屬性相似度的概念格合并方法，其中，所述步驟D中，合并 的過程包括：
[0020] 將子概念格L2中的每個節點依次和子概念格L1進行運算，更新的節點和新產生的 節點皆存入子概念格L1中，最后將子概念格L1賦值給合并后的概念格L12;
[0021] 子概念格L2中的節點X和子概念格L1中節點依次進行運算，如果在子概念格L1的m 層發現了節點X的真子節點，則對于子概念格L1的η層的節點皆不用再進行任何運算，n>m。
[0022] 所述的基于子形式背景屬性相似度的概念格合并方法，其中，所述共同屬性提供 領域專家接口。
[0023] 所述的基于子形式背景屬性相似度的概念格合并方法，其中，所述閾值為95%。
[0024] -種基于子形式背景屬性相似度的概念格合并系統，其中，包括：
[0025] 相似度計算模塊，用于輸入兩個需要合并的子形式背景，先計算這兩個子形式背 景內涵中各屬性之間的相似度；
[0026] 共同屬性記錄模塊，用于將相似度高于閾值的屬性視為共同屬性，取出共同屬性 并記錄；
[0027]子概念格生成模塊，用于針對兩個子形式背景，分別使用Godin算法生成子概念 格；
[0028]子概念格合并模塊，用于最后根據之前記錄的共同屬性完成子概念格的合并。 [0029]所述的基于子形式背景屬性相似度的概念格合并系統，其中，所述子概念格生成 模塊中，使用一個類型[G，M，S]來存儲某一個節點或概念的信息，其中G表示實例集，Μ表示 屬性集，S表示子節點集。
[0030] 所述的基于子形式背景屬性相似度的概念格合并系統，其中，所述子概念格生成 模塊具體包括：
[0031] 記錄單元，用于在概念格L中節點依次和對象（{x*}，f({x*}))作運算時，如果節點 N的內涵包含于f ({x*})，記錄節點N到集合gnLackOfE中；
[0032] 生成單元，用于在每次對象（{林}，汽{林}))對概念格1^的運算結束之后、下一個對 象運算開始之前，根據所述集合gnLackOfE生成子概念格。
[0033] 所述的基于子形式背景屬性相似度的概念格合并系統，其中，所述共同屬性提供 領域專家接口。
[0034] 有益效果:本發明根據基于子形式背景屬性相似度的原理，使得本發明的方法在 初期多出一段計算共同屬性的時間，卻可以為后期子概念格合并工作節省很多時間，并且 隨著形式背景數據量的提升而展現出明顯的效率優勢，尤其是共同屬性小的情況下，本發 明的方法將表現出特別地優勢。從合并的概念格質量上來說，本發明的方法可以保證生成 無邊信息丟失的概念格圖，避免信息衰減。
【附圖說明】
[0035] 圖1為本發明一種基于子形式背景屬性相似度的概念格合并方法較佳實施例的流 程圖。
[0036 ]圖2為米用God i η算法得到的概念格。
[0037] 圖3為采用本發明的方法與現有技術的所消耗時間的一實例的對比圖。
[0038] 圖4為采用本發明的方法與現有技術的所消耗時間的另一實例的對比圖。
[0039] 圖5為本發明一種基于子形式背景屬性相似度的概念格合并系統較佳實施例的結 構框圖。
【具體實施方式】
[0040] 本發明提供一種基于子形式背景屬性相似度的概念格合并方法及系統，為使本發 明的目的、技術方案及效果更加清楚、明確，以下對本發明進一步詳細說明。應當理解，此處 所描述的具體實施例僅僅用