·1102· 智能系统学报 第15卷 表53种算法执行效率对比 software technology,2007,49(3):212-229 Table 5 Comparison of the execution efficiencies of the [3]黄微，高俊峰，基于概念格的Wεb学术信息搜索结果的 three algorithms 二次组织).现代图书情报技术，2010(5)：8-12。 经典算法格 文献25]算法格本文算法格 动物记录/条 HUANG Wei,GAO Junfeng.A second organization of 结点数 结点数 结点数 academic retrieved results based on concept lattice[J].New 20 65 62 34 technology of library and information service,2010(5): 40 136 122 63 8-12 [4]沈夏炯，叶曼曼，甘甜，等.基于概念格的信息检索及其 60 187 139 69 树形可视化U.计算机工程与应用，2017,53(3)：95-99. 80 312 227 47 SHEN Xiajiong,YE Manman,GAN Tian,et al.Informa- 100 353 250 68 tion retrieval based on concept lattice and its tree visualiza- 由实验结果可知，记录数逐渐增多，概念结点 tion[J].Computer engineering and applications,2017, 53(3)95-99 也会随之递增。由于经典算法在构造概念格的过 [5]MISSAOUI R,GODIN R,BOUJENOUI A.Extracting ex- 程不会删除任何信息，因此该算法会获得最多的 act and approximate rules from databases[Cl//Proceedings 概念结点，同样会导致构造时间最长，执行效率 of SOFTEKS Workshop on Incompleteness and Uncer- 最低。而文献[25]中的算法虽然减少了19.4%的 tainty in Information Systems.Berlin,Heidelberg:Spring- 冗余结点，但其构造的概念格规模仍然较为复 er,1993:209-222 杂。本文算法相较于经典算法减少了66%的冗 [6]康向平，苗夺谦.一种基于概念格的集值信息系统中的 余结点，相较于文献[25]中的算法减少了59.2% 知识获取方法).智能系统学报，2016,11(3)：287-293. 的冗余结点，极大缩短了构造概念格的时间，提 KANG Xiangping,MIAO Duoqian.A knowledge acquisi- 升了概念格的构造效率，有利于提取用户关心的 tion method based on concept lattice in set-valued informa- 知识信息。 tion systems[J].CAAI transactions on intelligent systems, 2016,11(3):287-293 4结束语 [7]LIU Yong,KANG Xiangping,MIAO Duoqian,et al.A knowledge acquisition method based on concept lattice and 删除冗余概念，提升概念格构造效率是概念 inclusion degree for ordered information systems[J].Inter- 格理论的重要问题。本文通过信息熵获取了形式 national journal of machine learning and cybernetics,2019, 背景中数据隐含的属性权重，利用属性权重给出 10(11):3245-3261. 了对象权重及对象重要度偏差，并进一步给出满 [8]张功亮，陈钰，周茜，等.基于领域本体的信息语义相关 足阈值要求的对象强加权概念格的构造算法。本 检索计算机工程，2011,37(20)：33-35,38. 文的方法能够有效避免产生冗余概念，获得结构 ZHANG Gongliang,CHEN Yu,ZHOU Xi,et al.Informa- 更简单的概念格，同时也能够进一步简化规则获 tion semantic relativity retrieval based on domain onto- 取过程。 logy[J].Computer engineering,2011,37(20):33-35,38. 但本文仍有许多不足，比如在给出对象权重 [9]刘保相，孟肖丽.基于关联分析的气象云图识别问题研 时采取的是均值法，把对象具有的属性作为个体 究).智能系统学报，2014,9(5)：595-601 去考虑，并没有将考虑对象具有的属性作为一个 LIU Baoxiang,MENG Xiaoli.The study on nephogram re- cognition based on relational analysis[J].CAAI transac- 整体具有的特征。而且本文对于23节中给出的 tions on intelligent systems,2014,9(5):595-601 决策规则时仅从条件属性集角度出发构造了对象 [10]陈湘，吴跃.基于概念格挖掘GIS中的关联规则).计 强加权概念格，并没有充分考虑决策属性隐含的 算机应用，2011,31(3)：686-689. 信息。未来将进一步研究这些问题。 CHEN Xiang.WU Yue.Mining association rules of geo- 参考文献： graphic information system based on concept lattice[J]. Journal of computer applications,2011,31(3):686-689. [1]WILLE R.Restructuring lattice theory:an approach based [11]WU Weizhi,LEUNG Y,MI Jusheng.Granular comput- on hierarchies of concepts[M]//RIVAL I.Ordered Sets. ing and knowledge reduction in formal contexts[J].IEEE Dordrecht:Springer,1982:445-470. transactions on knowledge and data engineering,2009. [2]SUTTON A,MALETIC J I.Recovering UML class mod- 21(10):1461-1474. els from C++:a detailed explanation[J].Information and [12]MI Jusheng,WU Weizhi,ZHANG Wenxiu.Approaches表 5 3 种算法执行效率对比 Table 5 Comparison of the execution efficiencies of the three algorithms 动物记录/条 经典算法格 结点数 文献[25]算法格 结点数 本文算法格 结点数 20 65 62 34 40 136 122 63 60 187 139 69 80 312 227 47 100 353 250 68 由实验结果可知，记录数逐渐增多，概念结点 也会随之递增。由于经典算法在构造概念格的过 程不会删除任何信息，因此该算法会获得最多的 概念结点，同样会导致构造时间最长，执行效率 最低。而文献 [25] 中的算法虽然减少了 19.4% 的 冗余结点，但其构造的概念格规模仍然较为复 杂。本文算法相较于经典算法减少了 66% 的冗 余结点，相较于文献 [25] 中的算法减少了 59.2% 的冗余结点，极大缩短了构造概念格的时间，提 升了概念格的构造效率，有利于提取用户关心的 知识信息。 4 结束语 删除冗余概念，提升概念格构造效率是概念 格理论的重要问题。本文通过信息熵获取了形式 背景中数据隐含的属性权重，利用属性权重给出 了对象权重及对象重要度偏差，并进一步给出满 足阈值要求的对象强加权概念格的构造算法。本 文的方法能够有效避免产生冗余概念，获得结构 更简单的概念格，同时也能够进一步简化规则获 取过程。 但本文仍有许多不足，比如在给出对象权重 时采取的是均值法，把对象具有的属性作为个体 去考虑，并没有将考虑对象具有的属性作为一个 整体具有的特征。而且本文对于 2.3 节中给出的 决策规则时仅从条件属性集角度出发构造了对象 强加权概念格，并没有充分考虑决策属性隐含的 信息。未来将进一步研究这些问题。 参考文献： WILLE R. Restructuring lattice theory: an approach based on hierarchies of concepts[M]//RIVAL I. Ordered Sets. Dordrecht: Springer, 1982: 445−470. [1] SUTTON A, MALETIC J I. Recovering UML class mod￾els from C++: a detailed explanation[J]. Information and [2] software technology, 2007, 49(3): 212–229. 黄微, 高俊峰. 基于概念格的 Web 学术信息搜索结果的 二次组织 [J]. 现代图书情报技术, 2010(5): 8–12. HUANG Wei, GAO Junfeng. A second organization of academic retrieved results based on concept lattice[J]. New technology of library and information service, 2010(5): 8–12. [3] 沈夏炯, 叶曼曼, 甘甜, 等. 基于概念格的信息检索及其 树形可视化 [J]. 计算机工程与应用, 2017, 53(3): 95–99. SHEN Xiajiong, YE Manman, GAN Tian, et al. Informa￾tion retrieval based on concept lattice and its tree visualiza￾tion[J]. Computer engineering and applications, 2017, 53(3): 95–99. [4] MISSAOUI R, GODIN R, BOUJENOUI A. Extracting ex￾act and approximate rules from databases[C]//Proceedings of SOFTEKS Workshop on Incompleteness and Uncer￾tainty in Information Systems. Berlin, Heidelberg: Spring￾er, 1993: 209−222. [5] 康向平, 苗夺谦. 一种基于概念格的集值信息系统中的 知识获取方法 [J]. 智能系统学报, 2016, 11(3): 287–293. KANG Xiangping, MIAO Duoqian. A knowledge acquisi￾tion method based on concept lattice in set-valued informa￾tion systems[J]. CAAI transactions on intelligent systems, 2016, 11(3): 287–293. [6] LIU Yong, KANG Xiangping, MIAO Duoqian, et al. A knowledge acquisition method based on concept lattice and inclusion degree for ordered information systems[J]. Inter￾national journal of machine learning and cybernetics, 2019, 10(11): 3245–3261. [7] 张功亮, 陈钰, 周茜, 等. 基于领域本体的信息语义相关 检索 [J]. 计算机工程, 2011, 37(20): 33–35, 38. ZHANG Gongliang, CHEN Yu, ZHOU Xi, et al. Informa￾tion semantic relativity retrieval based on domain onto￾logy[J]. Computer engineering, 2011, 37(20): 33–35, 38. [8] 刘保相, 孟肖丽. 基于关联分析的气象云图识别问题研 究 [J]. 智能系统学报, 2014, 9(5): 595–601. LIU Baoxiang, MENG Xiaoli. The study on nephogram re￾cognition based on relational analysis[J]. CAAI transac￾tions on intelligent systems, 2014, 9(5): 595–601. [9] 陈湘, 吴跃. 基于概念格挖掘 GIS 中的关联规则 [J]. 计 算机应用, 2011, 31(3): 686–689. CHEN Xiang, WU Yue. Mining association rules of geo￾graphic information system based on concept lattice[J]. Journal of computer applications, 2011, 31(3): 686–689. [10] WU Weizhi, LEUNG Y, MI Jusheng. Granular comput￾ing and knowledge reduction in formal contexts[J]. IEEE transactions on knowledge and data engineering, 2009, 21(10): 1461–1474. [11] [12] MI Jusheng, WU Weizhi, ZHANG Wenxiu. Approaches ·1102· 智 能 系 统 学 报 第 15 卷