@正在进行{hanika2024存储库，抽象={数据始终是理论发展和形式概念分析适用性研究的中心。因此，学术文章和软件工具中重复使用大量数据集，作为事实上的标准数据集，这并不奇怪。然而，数据集的分布带来了一个问题em为可持续发展的研究领域。缺乏提供和描述FCA数据集并将其与已知分析结果链接的中心位置。本文分析了FCA数据集传播的当前状态，提出了对中央FCA存储库的要求，并强调了这方面的挑战。}，添加至={2024-06-14T13:33:11.000+0200}，archiveprefix={arXiv}，author={Hanika、Tom和Jäschke、Robert}，biburl={https://www.bibsonomy.org/bibtex/29cd9667ebadfba3a36f95fd901e32724/jaeschke网站},booktitle＝{第一届概念知识结构国际联席会议论文集}，description={A Repository for Formal Contexts}，eprint＝{2404.04344}，interhash={a0e0a088deeffb98b9fc52780d8caa11}，内部散列={9cd9667ebadfba3a36f95fd901e32724}，keywords＝{分析概念数据fca-fdm正式myown存储库研究}，primaryclass={id='cs.AI'full_name='人工智能'is_active=True alt_name=None in_archive='cs'is_general=False description='涵盖除视觉、机器人、机器学习、多智能体系统、计算和语言（自然语言处理）以外的所有人工智能领域，有单独的主题领域。特别是，包括专家系统、定理证明（尽管这可能与计算机科学中的逻辑重叠）、知识表示、规划和人工智能中的不确定性。大致包括ACM学科类别I.2.0、I.2.1、I.2.3、I.2.4、I.2.8和I.2.11中的材料，时间戳={2024-06-14T13:33:11.000+0200}，title={正式上下文存储库}，url={https://arxiv.org/abs/2404.04344}，年份=2024}@第{布拉德利2024条结构，添加至={2024-03-12T09:44:18.000+0100}，author={Bradley、Tai-Dane和Juan Luis Gastaldi以及John Terilla}，biburl={https://www.bibsonomy.org/bibtex/276ac0d66fa4418bce834af6ab3dfe305/jaeschke}，doi={doi.org/10.1090/noti2868}，interhash={e90688d04b491f74b7b9349433571a82}，内部散列={76ac0d66fa4418bce834af6ab3dfe305}，journal={美国数学学会通告}，关键词={ai代数分析人工范畴概念fca形式智能语言线性意义理论}，月=2月，数字=2，页数={174--185}，时间戳={2024-03-12T09:44:18.000+0100}，title={语言中的意义结构：线性代数和范畴理论中的平行叙述}，url={https://www.ams.org/journals/notices/202402/noti2868/noti2868.html？adat=202024&trk=2868&galt=none&cat=feature&pdfissue=202402&pdffile=rnoti-p174.pdf}，体积=71，年份=2024}@其他{duerrschnabel2019图纸，abstract={订单图是可视化复杂结构的重要工具有序集。订单图的有利图纸，即易于阅读人类很难找到，即使是小规模的有序集合。许多尝试将经典的图形绘制方法转换为顺序图。尽管这些方法对一些有序集产生了令人满意的结果不幸的是，总体表现不佳。在这部作品中，我们呈现了这部小说DimDraw算法用于绘制订单图。该算法基于一个关系在有序集的维数和二部性之间相应的图形。}，在＝{2023-09-12T16:45:31.000+0200}处添加，author={杜尔施纳贝尔（Dürrschnabel）、多米尼克（Dominik）和哈尼卡（Hanika）、汤姆（Tom）和斯图姆（Stumme）、戈尔德（Gerd）}，biburl={https://www.bibsonomy.org/bibtex/2a33b056dcfcf90c67f1c183ed4664501/jaeschke}，description={[1906.06208]通过二维扩展绘制订单图}，interhash={cf077f054d9f95da771b5556cc476da5}，内部散列={a33b056dcfcf90c67f1c183ed4664501}，keywords={diagram dimdraw fca订单可视化}，注={cite arxiv:1906.06208注释：16页，12图}，时间戳={2023-09-12T16:45:31.000+0200}，title={通过二维扩展绘制订单图}，url={http://arxiv.org/abs/1906.06208}，年份=2019}@第{khan2015条基于集合，抽象={图摘要是分析各种现实生活现象的有价值的方法，例如大图中的社区、有影响力的节点和信息流。为了总结图，将具有相似邻居的节点合并为超级节点，并将其相应的边压缩为超边。现有的方法要么不通过des排序或执行两两相似性计算。逐节点压缩排序方法具有可伸缩性，但由于其对应项的详尽相似性计算，因此提供的压缩量较小。在本文中，我们提出了一种新的基于集合的摘要方法，该方法可以直接摘要图中自然出现的相似节点集。我们的方法是可扩展的，因为我们避免了在每次迭代中使用非相似节点和合并节点集进行显式相似性计算。类似地，我们提供了良好的压缩比，因为每个集合都由高度相似的节点组成。为了定位相似节点集，我们使用局部敏感散列来寻找相似节点的候选集。然而，每个候选集的成员节点之间具有不同的相似性。因此，我们提出了一种基于候选节点之间相似度的启发式算法，以及一种无参数剪枝技术，以有效地从候选节点中识别高度相似的节点子集。通过对真实世界图的实验，我们的方法比成对图摘要需要更少的执行时间，在包含具有高度多样性邻域的节点的图中具有一个数量级的裕度，并且以类似的精度生成摘要。类似地，我们观察到与按节点压缩排序方法相比具有可比性，同时提供了更好的压缩比。}，添加至={2020-05-01T08:46:34.000+0200}，作者={Khan、Kifayat Ullah和Nawaz、Waqas和Lee、Young-Goo}，biburl={https://www.bibsonomy.org/bibtex/217bee099fda1ce5f5640730d58eb0eef/jaeschke}，天=01，doi={10.1007/s00607-015-0454-9}，interhash={76ab65ceba4da90cfd01096a6ab4f209}，内部散列={17bee099fda1ce5f5640730d58eb0eef}，issn={1436-5057}，journal={计算}，关键词={引文fca图形摘要可视化}，月份=十二月，数字=12，页数={1185--1207}，时间戳＝{2020-05-01T08:46:34.000+0200}，title={基于集合的无损图形摘要近似方法}，url={https://doi.org/10.1007/s00607-015-0454-9}，体积=97，年份=2015}@正在进行{kuznetsov2001算法，abstract={考虑了几种生成概念格的所有形式概念集和线（Hasse）图的算法。对一些著名算法进行了修改。从理论上研究了算法的复杂性（在最坏的情况下）和实验。根据底层形式上下文的密度/稀疏性给出了一些算法的最佳使用条件。}，添加至={2018-07-13T15:29:42.000+0200}，地址={柏林，海德堡}，author={库兹涅佐夫，谢尔盖·O·和奥比耶德科夫，谢尔盖·A·}，biburl={https://www.bibsonomy.org/bibtex/2bc6667c6bbccd0c13327e81319877600/jaeschke}，booktitle={数据挖掘和知识发现原理}，description={概念格及其图的构造算法|SpringerLink}，editor={De Raedt，Luc和Siebes，Arno}，interhash={610c214129d266a2f43fa999251f856b}，内部散列={bc6667c6bbccd0c13327e81319877600}，isbn={978-3-540-44794-8}，关键词={分析概念图fca形式图可视化}，页数={289--300}，publisher={Springer Berlin Heidelberg}，时间戳={2018-07-13T15:29:42.000+0200}，title={概念格及其图的构造算法}，年份=2001}@会议记录{hernandez2014基于图表，abstract={本书构成了2014年7月在罗马尼亚拉什举行的第21届国际概念结构会议（ICCS 2014）的会议记录。本卷中的17篇常规论文和6篇短文分别从40篇和10篇提交的论文中进行了仔细审查和挑选。涵盖的主题包括：概念结构、知识表示、推理、概念图、形式概念分析、语义网、信息集成、机器学习、数据挖掘和信息检索。}，添加至={2014-06-04T18:20:04.000+0200}，biburl={https://www.bibsonomy.org/bibtex/2134aef15011f07b63ab3fb30965d099a/jaeschke}，description={基于图形的表示和推理-第21届概念结构国际会议，}，doi={10.1007/978-3-319-08389-6}，editor={埃尔南德斯、纳塔利和贾斯克、罗伯特和克罗托鲁、马达利纳}，interhash＝{f50b1feb7390d83e79c199c8c0b44c11}，内部散列={134aef15011f07b63ab3fb30965d099a}，isbn＝{978-3-319-08388-9}，keywords={2014年分析cg概念概念会议fca形式图iccs myown程序推理语义结构web}，月={6月}，publisher={Springer}，series={计算机科学讲稿}，时间戳＝{2017-07-05T14:41:52.000+0200}，title={基于图形的表示和推理}，url={https://link.springer.com/book/10.1007/978-3-319-08389-6}，体积=8577，年份=2014}@掌握感觉{kriegel2012可视化，添加至={2013-10-14T17:23:17.000+0200}，author={克里格尔，弗朗西斯科}，biburl={https://www.bibsonomy.org/bibtex/2067985b77c599afc5ae05d75daa81ec6/jaeschke}，interhash={3cfaa39d5a4f115ceabc95a6d798f143}，内部散列={067985b77c599afc5ae05d75daa81ec6}，关键词={分析概念fca形式格可视化}，月=七月，学校={德累斯顿理工大学}，时间戳={2014-07-28T15:57:31.000+0200}，title={用形式概念分析方法可视化概念数据},type={Diplorabeit}，年份=2012}@书籍{ganter2013diskrete，abstract={*Eine lebendige und anschauliche Einführung in ein Gebiet der angewandten Diskreten Mathematik（安吉万登磁盘数学）*Anschauliche und zuglech mathematisch stronge Methodik zur Behandung资格认证员Daten*Mit zahlreichen Graphiken und realen Daten公司Die Ordnungstheorie is ein faszinierendes Teilgebiet der Diskreten Mathematik，das praktischen Nutzen and abstrakte mathematische Theory，anschauliche ut berlegungen und schwierige Forschungsprobleme auf manchmal verblüffende Art miteinned der verbindet。Das Buch gibt eine motivierende Einführung在Grundbegriffe und moderne Strömungen der mathematischen Theory geordener Mengen，wobei der Autor sich auf bessenders interessante Themen konzentriert中。Da die Ordnungstheorie einfach und anspruchsvoll zugleich ist，abstrakt und angewandt，anschaulich und unvorstellbar，ist sie gerade für Studenten in der zweiten Hälfte des Bachelors studiums und zu Beginn des Masterstudiumsbestens-geignet。}，添加至={2013-09-16T09:23:57.000+0200}，地址={柏林/海德堡}，author={Ganter，Bernhard}，biburl={https://www.bibsonomy.org/bibtex/2c3a56482a24add40ab166b80a1d00fbd/jaeschke}，doi={10.1007/978-3-642-37500-2}，interhash={afe799f796ef9d276bf4769135ef1a36}，内部散列={c3a56482a24add40ab166b80a1d00fbd}，isbn={978-3-642-37499-9}，keywords＝{代数分析概念fca形式数学mathematik menge序集}，publisher={Springer}，系列={Springer-Lehrbuch}，时间戳＝{2014-07-28T15:57:31.000+0200}，title={Diskrete Mathematik:Geordnete Mengen}，url={http://www.springer.com/springer+spektrum/mathematik/book/978-3642-37499-9}，年份=2013}@inprocesdings{jaeschke2013属性，abstract={我们提出了一种通过web信息检索支持属性探索的方法，特别是通过向搜索引擎、众包系统和链接的开放数据云提出适当的查询。我们讨论了这一工作的基本一般假设以及这些假设在多大程度上是理所当然的。}，添加至={2013-05-30T08:34:59.000+0200}，作者={Jäschke，Robert and Rudolph，Sebastian}，biburl={https://www.bibsonomy.org/bibtex/245e900e280661d775d8da949baee3747/jaeschke}，booktitle={对第十一届形式概念分析国际会议的贡献}，editor={塞利尔、佩吉和迪斯特、费利克斯和甘特、伯恩哈德}，interhash={000ab7b0ae3ecd1d7d6ceb39de5c11d4}，内部散列={45e900e280661d775d8da949baee3747}，keywords={2013收购分析属性计算概念众包数据探索fca正式人类信息ir知识链接lod myown开放检索搜索sparql web}，月=5月，organization={德累斯顿理工大学}，页数={19--34}，时间戳={2016-04-13T18:40:59.000+0200}，title={网上属性探索}，url={http://nbn-resolution.de/urn:nbn:de:bsz:14-qucosa-113133}，urn={urn:nbn:de:bsz:14-qucosa-113133}，年份=2013}@文章{obiedkov2009building，抽象={基于格的访问控制模型的使用受到了复杂性的限制。我们认为，形式概念分析中的属性探索可以帮助创建可管理大小的格模型，同时使系统设计者能够更好地理解域中不同安全类别之间的依赖性因此，为构建的模型与特定应用的相关性提供了一定的保证。在本文中，我们通过一个例子介绍了该方法。}，添加至={2012-12-21T10:15:28.000+0100}，author={Obiedkov，Sergei和Kourie，Derrick G.和Eloff，J.H.P.}，biburl={https://www.bibsonomy.org/bibtex/27be2b4bf0987c4d18adf7243eae690c0/jaeschke}，doi={10.1016/j.cose.2008.07.011}，interhash={367ceb95cd5e3964aa2d7d00ad21da09}，内部散列={7be2b4bf0987c4d18adf7243eae690c0}，issn={0167-4048}，journal={计算机和安全}，keywords={访问分析属性概念控制探索fca形式安全}，数字＝{1–2}，页数={2--7}，时间戳＝{2014-07-28T15:57:31.000+0200}，title={使用属性探索构建访问控制模型}，url={http://www.sciencedirect.com/science/article/pii/S0167404808000497}，体积=28，年份=2009}@文章{guigue1986家庭，添加至={2012-12-10T17:47:44.000+0100}，author={Guigues，J.-L.和Duquenne，V.}，biburl={https://www.bibsonomy.org/bibtex/2fee9525a2e89b5ebced886b3a9f0194d/jaeschke}，interhash={3671be91dd80e5c415ede85e94ada3d7}，内部散列={fee9525a2e89b5ebced886b3a9f0194d}，journal={数学与科学Humaines}，keywords={属性库探索fca蕴涵格干}，页数={5--18}，时间戳={2014-07-28T15:57:31.000+0200}，title={Familles minimales d’implications informatives résultant d’un tableau de données binaires}，体积=95，年份=1986}@正在进行{baader2007完成，抽象={我们提出了一种方法，通过使用知识库和领域专家提供的信息来扩展描述逻辑知识库的术语和断言部分。使用形式概念分析中的技术，一方面确保与专家的交互保持在最低限度，另一方面，在另一方面，我们可以证明扩展知识库在某种定义明确的意义上是完整的。}，acmid={1625311}，添加至={2012-11-18T14:23:57.000+0100}，address={美国加利福尼亚州旧金山}，author={Baader、Franz和Ganter、Bernhard和Sertkaya、Baris和Sattler、Ulrike}，biburl={https://www.bibsonomy.org/bibtex/287f98ae486014ba78690ffa314b67da8/jaeschke}，booktitle={第20届人工智能国际联合会议论文集}，interhash={8ab382f3aa141674412ba7ad33316a9b}，内部散列={87f98ae486014ba78690ffa314b67da8}，关键词={分析库完整概念描述dl-fca形式化知识逻辑本体}，location={印度海得拉巴}，数值={6}，页数={230--235}，publisher={摩根考夫曼出版公司}，时间戳={2014-07-28T15:57:31.000+0200}，title＝{使用形式化概念分析完成描述逻辑知识库}，url={http://dl.acm.org/citation.cfm？id=1625275.1625311}，年份=2007}@书籍{koester2006fooca，abstract={本书论述形式概念分析（FCA）及其在网络信息检索中的应用。它解释了如何将谷歌或雅虎等主要网络搜索引擎检索到的网络搜索结果概念化，从而形成一种面向人类的表现形式。对Web搜索结果进行了概括，从而引入了基于FCA的FooCA。FooCA是概念知识处理领域的一个应用程序，支持Web信息检索的整体表示思想。}，添加至={2012-11-16T12:23:46.000+0100}，地址={缪尔塔尔}，author={Koester，Bjoern}，biburl={https://www.bibsonomy.org/bibtex/25571d950ada3ee1892e5c043ac438271/jaeschke}，interhash={fe53b2b1fa6be34259647954fca36bf8}，内部散列={5571d950ada3ee1892e5c043ac438271}，关键词={分析概念fca-fooca形式信息ir检索web}，publisher={Verlag Allgemeine Wissenschaft}，series={Beiträge zur begrifflichen Wissensverabitung}，时间戳={2014-07-28T15:57:31.000+0200}，title={FooCA:web信息检索与形式概念分析}，url={http://www.bjoern-koester.de/fooca/web_information_retrieval_with_formal_concept_analysis.html}，年份=2006}@文章{poelmans2012半自动化，抽象={我们提出了一种基于形式概念分析的以人为中心的迭代知识发现方法。该方法认识到领域专家在挖掘真实企业应用程序中的重要作用，并利用特定领域的知识，包括人类智能和特定领域的约束。我们的方法是阿姆斯特丹-阿姆斯特兰警方在266157起可疑活动报告中对贩运人口嫌疑人和受害者进行了实证验证。根据荷兰总检察长的指导方针，我们首先定义了用于索引警方报告的多个预警指标。使用概念格，我们揭示了许多未知的人口贩运和恋人嫌疑犯。警方进行了深入调查，确认他们参与了非法活动，并进行了实际逮捕。我们以人为中心的方法已经融入到警务实践中，现在已成功地用于日常处理大量非结构化信息。}，添加至={2012-10-23T08:30:26.000+0200}，author={波尔曼斯、乔纳斯和埃尔津加、保罗和伊格纳托夫、德米特里一世和库兹涅佐夫、谢尔盖O.}，biburl={https://www.bibsonomy.org/bibtex/29bb41c50dd5333f94a807482489c0732/jaeschke}，doi={10.1080/03081079.2012.721662}，eprint={http://www.tandfonline.com/doi/pdf/10.1080/03081079.2012.721662}，interhash={18d6f6312af57cc72d7e26de4903dc9f}，内部散列={9bb41c50dd5333f94a807482489c0732}，journal={国际通用系统杂志}，keywords＝{分析概念fca形式kdd}，数字=8，pages＝{774-804}，时间戳={2014-07-28T15:57:31.000+0200}，title={半自动化知识发现：识别和分析人口贩运}，url＝{http://www.tandfonline.com/doi/abs/10.1080/03081079.2012.721662}，体积=41，年份=2012}@收集{becker2000概念，抽象={概念信息系统以传统哲学逻辑中讨论的“概念”概念的形式化为基础。这种形式化支持以人为中心的信息系统开发方法。我们通过实现的概念信息系统来讨论这种方法，以支持it安全公司和组织的整体性管理。}，添加至={2012-10-22T14:46:13.000+0200}，地址={柏林/海德堡}，affiliation={委托技术（瑞士）有限公司liab.Co Glatt Tower CH-8301 Glattzentrum Switzerland}，author={Becker、Klaus和Stumme、Gerd和Wille、Rudolf和Wille，Uta和Zickwolff，Monika}，biburl={https://www.bibsonomy.org/bibtex/2283f8a780ac47746cc3031ad47bfdf9c/jaeschke}，booktitle={知识工程和知识管理方法、模型和工具}，doi={10.1007/3-540-39967-427}，editor={Dieng，Rose and Corby，Olivier}，interhash={dacb08013d9496d41d4f9f39bce7ecd1}，内部散列={283f8a780ac47746cc3031ad47bfdf9c}，isbn={978-3-540-41119-2}，keyword={计算机科学}，keywords={分析概念示例fca形式grundschutz gshb安全}，页数={352--365}，publisher={Springer}，series={计算机科学讲稿}，时间戳={2014-07-28T15:57:31.000+0200}，title={通过IT安全工具讨论的概念信息系统}，url={http://dx.doi.org/10.1007/3-540-39967-4_27}，体积=1937，年份=2000}@收集{stumme1998概念，abstract={在本文中，我们讨论了在概念知识处理领域正在发展的数据库概念知识发现（CKDD）（参见[29]，[30]）概念知识处理是以形式概念分析的数学理论为基础的，形式概念分析在过去18年中已成为一种成功的数据分析理论。这种方法依赖于Ch.S.Peirce[15]的实用主义哲学，他声称我们只能在有限的语境中进行分析和论证，而我们总是依赖于先验知识和常识。形式概念分析的发展导致了软件系统TOSCANA，该系统是作为CKDD工具提出的。TOSCANA是一个灵活的导航工具，允许动态浏览和缩放数据。它通过可视化数据固有的概念方面来支持对大型数据库的探索。我们想澄清的是，CKDD可以被理解为数据库中以人为中心的知识发现方法。因此，第1.}节简要总结了关于以人为中心的知识发现的实际讨论，添加于={2012-10-22T14:37:29.000+02000}，地址={柏林/海德堡}，affiliation={达姆施塔特科技大学Fachbereich Mathematik D-64289 Darmstadt Germany D-64289Darmstatt Germany}，作者＝{Stumme，Gerd and Wille，Rudolf and Wille，Uta}，biburl={https://www.bibsonomy.org/bibtex/2a9859c988f19684b76dc5a3f24e8278e/jaeschke}，booktitle={数据挖掘和知识发现原理}，doi={10.1007/BFb0094849}，editor={Zytkow，Jan和Quafafou，Mohamed}，interhash={5ef89b6f8fb22f9d24eda7da71b8bdb1}，内部散列={a9859c988f19684b76dc5a3f24e8278e}，isbn={978-3-540-65068-3}，keyword={计算机科学}，keywords={机场分析概念示例fca正式fra法兰克福kdd}，页数={450--458}，publisher={Springer}，series={计算机科学讲稿}，时间戳={2014-07-28T15:57:31.000+0200}，title={使用形式化概念分析方法在数据库中发现概念知识}，url={http://dx.doi.org/10.1007/BFb0094849}，体积=1510，年份=1998}@收集{hereth2000概念，abstract={在本文中，我们讨论了数据库中的概念知识发现（CKDD）与数据分析相关。我们的方法基于形式概念分析，这是一种在过去20年中发展并证明有用的数学理论。形式概念分析产生了概念信息系统理论，并通过使用管理系统TOSCANA在广泛领域中应用。在本文中，我们在数据库营销中使用这样一个应用程序来演示如何将CKDD的方法和程序应用于数据分析。特别是，我们展示了基于形式概念分析的数据挖掘和数据分析技术的相互作用和集成。本文主要关注的是解释TOSCANA系统如何支持从数据到知识的过渡。为了阐明过渡步骤，我们讨论了它们与R.Brachman建立的知识表示的五个层次以及A.Strauss和J.Corbin.}提出的经验基础理论构建步骤的对应关系，添加至={2012-10-22T14:14:05.000+0200}，地址={柏林/海德堡}，affiliation={Fachbereich Mathematik，德国达姆施塔特科技大学，Schloßgartenstr.7，D-64289 Darmstadt}，author={Hereth、Joachim和Stumme、Gerd和Wille、Rudolf和Wille，Uta}，biburl={https://www.bibsonomy.org/bibtex/289154e5d16a6533280b612e9d3ab8aa6/jaeschke}，booktitle={概念结构：逻辑、语言和计算问题}，doi={10.1007/10722280_29}，editor={甘特、伯恩哈德和米诺、盖伊}，interhash＝{8a4c0c21d83c25bb78f80e89dd36a89a}，内部散列={89154e5d16a6533280b612e9d3ab8aa6}，isbn＝{978-3-540-67859-5}，keyword={计算机科学}，keywords={分析应用程序概念示例fca形式jelmoli kdd}，pages＝{421-437}，publisher={Springer}，series={计算机科学讲稿}，时间戳={2014-07-28T15:57:31.000+0200}，title={概念知识发现和数据分析}，url={http://dx.doi.org/10.1007/10722280_29}，体积=1867，年份=2000}@进行中{pavlovic2012定量，abstract={形式概念分析（FCA）从上下文开始，以某些对象和某些属性之间的二元关系给出，并导出概念格，其中每个概念都是以一组对象和一组属性给出的，这样第一组包含满足第二组中所有属性的所有对象，反之亦然。然而，许多应用程序为上下文提供定量信息，不仅告诉对象是否满足属性，还量化这种满足。这种形式的上下文在推荐系统中以评级矩阵的形式出现，在文本分析中以出现矩阵的形式，在数字图像处理中以像素强度矩阵的形式等出现。这些应用引起了很多关注，并且提出了FCA的几个数值扩展。我们提出了邻近集（proxets）的框架，它包括偏序集（poset）和度量空间。这种方法的一个特点是，它从量化的上下文中提取量化的概念，从而允许充分利用可用的信息。另一个特点是，分类方法允许分析经典FCA和新版本可能具有的任何通用属性，从而为调整和组合方法提供结构指导。}，添加至={2012-06-19T14:42:24.000+0200}，地址={柏林/海德堡}，author={巴甫洛维奇，杜斯科}，biburl={https://www.bibsonomy.org/bibtex/2a0c8122fe1a490e82129a24e042b371d/jaeschke}，booktitle={ICFCA 2012}，editor={Domenach，F.和Ignatov，D.I.和Poelmans，J.}，ee={http://arxiv.org/abs/1204.5802}，interhash={601aaf1dbcb15e8872109be6f4a1a5d8}，内部散列={a0c8122fe1a490e82129a24e042b371d}，issn={0302-9743}，关键词={分析概念fca形式lsa谱}，页数={260--277}，publisher={Springer}，series={人工智能课堂讲稿}，时间戳={2014-07-28T15:57:31.000+0200}，title={定量概念分析}，体积=7278，年份=2012}@正在进行{doerfel2012出版物，抽象=｛我们对与FCA社区最相关的三个会议（ICFCA、ICCS和CLA）的所有先前版本的出版物和引用网络进行了分析。使用FCA的数据挖掘方法和图表分析，我们调查了作者之间的模式和社区，确定并可视化了有影响力的出版物和作者，以及我们对会议的历史进行了统计总结。},添加于={2012-03-05T11:46:01.000+0100}，地址={柏林/海德堡}，author={Doerfel、Stephan和Jäschke、Robert和Stumme、Gerd}，biburl={https://www.bibsonomy.org/bibtex/29207cd4b1cf7d87c9ae959ac780e152c/jaeschke}，booktitle={形式概念分析}，doi={10.1007/978-3-642-29892-9_12}，editor={Domenach，F.和Ignatov，D.I.和Poelmans，J.}，interhash={f34f31e8dd1e07b1b0a5ab688f10084a}，内部散列={9207cd4b1cf7d87c9ae959ac780e152c}，isbn={978-3-642-29891-2}，keywords={2012年分析社区概念fca正式icfca myown scientometrics}，月=5月，页数={77--95}，publisher={Springer}，series={人工智能课堂讲稿}，时间戳={2016-04-13T18:40:59.000+0200}，title={形式概念分析社区的出版物分析}，url={http://www.kde.cs.uni-kassel.de/pub/pdf/doerfel2012publication.pdf}，体积=7278，年份=2012}@正在进行{poelmans2011挖掘，abstract={形式概念分析（FCA）是一种无监督的聚类技术，许多科学论文致力于将FCA应用于信息检索（IR）研究。我们收集了2003年至2009年间发表的103篇论文，其中在摘要、标题或关键字中提到了FCA和信息检索。我们使用基于FCA的工具集CORDIET的原型，将包含论文的pdf文件转换为纯文本，使用包含FCA研究相关术语的同义词库用Lucene对其进行索引，然后创建本文所示的概念格。我们对文献进行了可视化、分析和探索通过概念格，我们在IR中发现了多个有趣的研究流，并对其进行了广泛的概述。本文的核心贡献是FCA在文本中的创新应用科学论文挖掘和基于FCA的IR研究综述。},添加至={2012-02-23T14:50:59.000+0100}，author={波尔曼斯（Poelmans）、乔纳斯（Jonas）和埃尔津加（Elzinga）、保罗（Paul）和维亚尼（Viaene）、施蒂恩（Stijn）和德登（Dedene）、吉多（Guido）和库兹涅佐夫（Kuznetsov）、谢尔盖（Sergei O，biburl={https://www.bibsonomy.org/bibtex/2164c37be60c1a47d1727ad9b82f01237/jaeschke}，booktitle={数据挖掘工业会议-海报和工业会议记录}，editor={Perner，Petra}，interhash={b44d11ea5b5a4df8ee30a9c572d82051}，内部散列={164c37be60c1a47d1727ad9b82f01237}，isbn={978-3-942954-06-4}，keywords＝{分析概念fca形式信息ir检索}，页数={82--96}，publisher＝｛IBaI发布｝，时间戳={2014-07-28T15:57:31.000+0200}，title={文本挖掘科技论文：基于{FCA}的信息检索研究综述。}，url＝{http://dblp.uni-trier.de/db/conf/incdm/incdm2011p.html#PoelmansEVDK11}，年份=2011}@收录{poelmans2010正式版，在本文中，我们分析了形式概念分析（FCA）的文献使用FCA。我们收集了2003-2009年间发表的702篇论文，其中摘要提到了形式概念分析。我们开发了一个知识浏览环境来支持我们的文献分析过程。包含论文的pdf文件被转换为纯文本，并由Lucene使用包含FCA研究相关术语的同义词库进行索引。我们使用FCA的可视化功能来探索文献，发现并从概念上表示FCA社区中的主要研究主题。作为案例研究，我们放大了140篇关于在知识发现和数据挖掘中使用FCA的论文，并对本文的内容进行了广泛概述。}，添加至={2012-02-06T17:42:47.000+0100}，地址={柏林/海德堡}，author={波尔曼斯、乔纳斯和埃尔津加、保罗和维亚尼、斯提恩和德登、圭多}，biburl={https://www.bibsonomy.org/bibtex/29694689a034cc02aae1e27114ca26a94/jaeschke}，booktitle={概念结构：从信息到智能}，doi={10.1007/978-3-642-14197-3_15}，editor={克罗伊托鲁、马达利纳和费雷、塞巴斯蒂安和卢科塞、迪克森}，interhash={713d63f847ff4b2cbf613fc0508eb31b}，内部散列={9694689a034cc02aae1e27114ca26a94}，isbn={978-3-642-14196-6}，关键词={分析概念发现fca正式kdd知识调查}，页数={139--153}，publisher={Springer}，series={计算机科学讲稿}，时间戳={2014-07-28T15:57:31.000+0200}，title={知识发现中的形式概念分析：综述}，url={http://dx.doi.org/10.1007/978-3-642-14197-3_15}，体积=6208，年份=2010}@第{条遗嘱1995基本，abstract={概念格的应用经验和Ch.S.创立的语用哲学。皮尔士建议采用三元方法进行形式概念分析。它从三元上下文的概念开始，将对象、属性和对象可能具有某些属性的条件组合在一起。三元概念分析的基本定理阐明了由三元上下文的三元概念构成的结构类：这些结构正是直到同构为止的完整三元格。}，添加至={2012-02-02T14:43:39.000+0100}，隶属关系＝{德国达姆施塔特大学，64289达姆施塔特}，author={Wille，Rudolf}，biburl={https://www.bibsonomy.org/bibtex/223959c014b9b6d46c93f45cf68e52294/jaeschke}，doi={10.1007/BF01108624}，interhash={c5223bed0a0995c5f3cd8962a9d54212}，intrahash＝{23959c014b9b6d46c93f45cf68e52294}，issn={0167-8094}，日志={Order}，关键词={数学和统计}，keywords={分析概念fca形式三元}，数字=2，页数={149--158}，publisher={Springer Netherlands}，时间戳={2014-07-28T15:57:31.000+0200}，title={三元概念分析的基本定理}，url={http://dx.doi.org/10.1007/BF01108624}，体积=12，年份=1995}@进行中{大庆2011提取，abstract={随着链接数据的兴起，越来越多的语义描述信息正在根据语义网（尤其是RDF和SPARQL）的原理和技术在线发布。使用这些标准技术意味着这些数据应该是可开发的、可集成的和可重用的。然而，一旦发现了一个潜在的有趣数据集，就需要付出巨大的努力来理解它的模式、内容、查询方法以及它能回答什么。本文提出了一种方法和工具，用于自动发现RDF数据集可以回答的问题。我们使用形式化概念分析从数据集中构建有意义的实体集的层次结构。这些实体集合代表答案，其共同特征代表相应问题的子句。然后可以将此层次结构用作查询界面，向用户提出不同粒度和特定性级别的问题。然而，一个主要问题是，这个层次结构中可以包含数千个问题。基于实证分析，并使用从形式概念分析和本体总结中得到启发的度量，我们设计了一种识别相关问题的方法，作为问题层次导航的起点。}，acmid={1999698}，添加至={2012-01-20T10:30:56.000+0100}，address={美国纽约州纽约市}，author={d'Aquin、Mathieu和Motta、Enrico}，biburl={https://www.bibsonomy.org/bibtex/245374b975834248c0cd87022fc854e25/jaeschke}，booktitle={第六届知识获取国际会议记录}，doi={10.1145/199676.199698}，interhash={7794150f2b42c21956eb7fb419ca0248}，内部散列={45374b975834248c0cd87022fc854e25}，isbn={978-1-4503-0396-5}，关键词={分析概念fca形式本体rdf语义web}，location={加拿大阿尔伯塔省班夫市}，数值={8}，页面＝{121-128}，publisher={ACM}，时间戳={2014-07-28T15:57:31.000+0200}，title＝{使用形式概念分析将相关问题提取到RDF数据集}，url={http://doi.acm.org/10.1145/199676.199698}，年份=2011}@进行中{tilley2007引文，abstract={在本文中，形式概念分析（FCA）作为一种手段，使用已发表的学术论文作为输入来分析研究领域。特别是，结果是基于对科学研究领域47篇学术论文的案例研究得出的。分析包括基于ISO12207软件工程标准衍生的领域背景知识对研究领域的推断。此外，还介绍了一些基于目标应用程序语言和报告的应用程序大小的替代分类。FCA揭示了关于主题性质的有用见解：确定富有成果的研究领域，并提供有关受试社区特征的详细信息。}，添加至={2011-12-20T13:31:35.000+0100}，author={Tilley，T.和Eklund，P.}，biburl={https://www.bibsonomy.org/bibtex/25544eac0fd55b4862dde20cad8edc11a/jaeschke}，booktitle={第18届数据库和专家系统应用国际研讨会（DEXA）}，doi={10.1109/DEXA.2007.59}，interhash={52fc9589299b48707ab9f22f995ecd17}，内部散列={5544eac0fd55b4862dde20cad8edc11a}，issn={1529-4188}，关键词={分析引文fca}，月=9月，页数={545--550}，publisher={IEEE计算机学会}，时间戳={2014-07-28T15:57:31.000+0200}，title={使用形式概念分析进行引文分析：软件工程中的一个案例研究}，url={http://ieeexplore.ieee.org/xpls/abs_all.jsp？arnumber=4312953&tag=1}，年份=2007}@书籍{ganter2005formal，添加至={2011-12-01T11:53:14.000+0100}，地址={柏林/海德堡}，biburl={https://www.bibsonomy.org/bibtex/218ace92c8d892a1d0f0e0fbd72bd71832/jaeschke}，doi={10.1007/978-3-540-31881-1}，editor={甘特、伯恩哈德和斯图姆、格尔德和威勒、鲁道夫}，interhash={171ebaf9a115bc54c00bf293d4fa75ed}，intrahash＝{18ace92c8d892a1d0f0e0fb72bd71832}，isbn={978-3-540-27891-7}，issn＝{1611-3349}，keywords={分析概念fca形式概述}，publisher={Springer}，series={计算机科学讲稿}，时间戳={2014-07-28T15:57:31.000+0200}，title＝{形式化概念分析：基础和应用}，url={http://dx.doi.org/10.1007/978-3-540-31881-1}，体积=3626，年份=2005}@诉讼{valtchev2011formal，abstract={本卷精选了第九届国际形式概念分析会议（ICFCA 2011）上发表的论文。多年来，ICFCA系列会议已发展成为传播形式概念分析（FCA）主题研究的主要论坛理论和应用，以及格和偏序结构的相关领域。FCA是一个多学科领域，其根植于偏序和格的数学理论，其工具源自计算机科学和人工智能。FCA诞生于20世纪80年代初，它致力于重构格理论，以促进格理论学家和基于格的数据管理方法的潜在用户之间更好的沟通。最初，中心主题是概念和概念层次的数学形式化。此后，该领域发展成为一个不断壮大的研究领域，理论界蓬勃发展，在数据和知识处理方面的应用越来越多，包括数据可视化、信息检索、机器学习、软件工程、数据分析、数据挖掘、，社交网络分析等。2011年ICFCA于2011年5月2日至6日在塞浦路斯尼科西亚举行。项目委员会收到了49份高质量的提交文件，这些文件都经过了高度竞争的筛选过程。每篇论文都由三名裁判员审核（例外情况下是两名或四名）。在第一轮投票后，一些论文获得了最终的接受状态，而另一些则得到了有条件的接受，以改进其内容。后者进入了第二轮审查。总的结果是接受了16篇论文作为常规论文在会议上提交并在本卷中出版。另外七份文件仍被评估为会议上有价值的讨论文件，因此被收集在补充会议记录中。下文介绍的定期论文涵盖了FCA和相关领域广泛学科的进展。第一组论文涉及FCA领域的数学问题。其中一个子集侧重于关联关系或其格表示中的因子识别（Glodeanu和Krupka的论文）。小组的其余成员提出了特定类别有序结构的特征描述（Doerfel和Meschke等人的论文）。第二组论文讨论了FCA和相关领域的算法问题。两篇论文从算法复杂性的角度探讨了他们的问题（由Distel和Babin及Kuznetsov撰写的论文），而这组论文的最后一篇论文则采用基于FCA的方法（由Balcázar和Tìrnîuc工作）解决了一般格的算法问题，即不表示为形式上下文。第三组研究了扩展核心FCA表达能力的替代方法，例如，通过将标准单值属性推广到代数环中的属性（Gonz？lez Calabozo等人的工作），通过引入类指针属性即链接（kötters的论文），或者用模态逻辑表达式代替集形概念意图（Soldano和Ventos的论文）。第四组专注于FCA面向数据挖掘的方面：结构化数据挖掘中的协议格（Nedjar等人的论文）、三元关联规则挖掘（Missaoui和Kwuida的工作）和数值数据的双聚类（Kaytoue等人）。另一篇论文对基于FCA的数据分析和挖掘的一个关键方面进行了初步探讨，即筛选感兴趣的概念（Belohlavek和Macko的论文）。最后，描述了基本和增强的FCA框架在实际问题中的一组令人兴奋的应用：基因表达数据分析（Gonz？lez Calabozo等人已经提到的工作）、web服务组合（Azmeh等人的论文）以及结构化数据的浏览和检索（Wray和Eklund的工作）本卷还包含会议特邀发言者提交的三篇主题论文。所有这些贡献构成了一本高质量的书，这是作者、受邀演讲人和审稿人辛勤工作的结果。因此，我们要感谢节目委员会和编辑委员会的成员，他们的稳定参与和专业精神为我们提供了很大帮助。我们还要感谢所有外部评审员的参与，他们发表了许多宝贵的意见。EasyChair也为自己的审查/编辑过程感到高兴。特别感谢塞浦路斯旅游组织赞助这次会议，并感谢尼科西亚大学主办这次会议。最后，我们要感谢会议主席弗洛伦特·多梅纳赫及其来自组织委员会的同事，他们从一开始就为会议组织进程投入了大量精力，以使其取得圆满成功。我们还要感谢尼科西亚大学校长佩里斯蒂安尼斯博士的个人支持。}，在={2011-03-15T17:00:57.000+0100}处添加，地址={柏林/海德堡}，biburl={https://www.bibsonomy.org/bibtex/2afd54a24a2eeca1a07f811bd89800d28/jaeschke}，description={2011年5月2-6日在塞浦路斯尼科西亚举行的第九届国际形式概念分析会议记录}，doi={10.1007/978-3-642-20514-9}，editor={Valtchev，Petko and Jäschke，Robert}，编辑，interhash={a7fd7ebbb14eacc605ff61cf2759cb06}，内部散列={afd54a24a2eeca1a07f811bd89800d28}，isbn={978-3-642-20513-2}，keywords={2011年分析概念塞浦路斯fca正式icfca myown nicosia}，月=5月，publisher={Springer}，series={人工智能课堂讲稿}，时间戳={2018-08-08T20:32:37.000+0200}，title={形式概念分析}，url={http://www.springer.com/computer/ai/book/978-3-642-20513-2}，vgwort={452}，体积=6628，年份=2011}@文章{ganter2005伪模型，abstract={一个众所周知的结果是，命题Horn公式的推理问题可以在线性时间内得到解决。我们证明，即使存在任意（静态）的情况，这一点仍然成立命题背景知识。我们的主要工具是累加分句的概念，它是命题逻辑中常用分句的一个轻微概括。我们证明了每个命题理论都有一个累积子句的标准无冗余基，并给出了计算该基的算法。}，添加至={2011-01-29T16:44:52.000+0100}，address={荷兰阿姆斯特丹}，author={甘特、伯恩哈德和克劳，吕迪格}，biburl={https://www.bibsonomy.org/bibtex/2bd3394df55a858ed1a516a6999788c25/jaeschke}，doi={10.1016/j.dam.2004.06.019}，interhash={75396eab79cd8133f85c88794ac80a61}，内部散列={bd3394df55a858ed1a516a6999788c25}，issn={0166-218X}，journal={离散应用数学}，keywords={属性子句探索fca-horn模型伪}，月份=4r，数字=1，页码＝{43-55}，publisher={Elsevier Science Publishers B.V.}，时间戳={2014-07-28T15:57:31.000+0200}，title＝{伪模型和命题Horn推理}，url={http://www.math.tu-dresden.de/~ganter/psfiles/pseudo.ps}，体积=147，年份=2005}@书籍{jaeschke2011formal，抽象={随着Web 2.0的出现而出现的最引人注目的创新之一，也是本论文的重点，是协作标记系统。它们允许用户使用自由选择的关键字（称为标记）注释任意资源。标记用于导航、查找资源和偶然浏览，从而提供了一个即时消息为用户调解利益。到目前为止，一些用于标记照片、网络链接、出版物参考、视频等的系统吸引了数百万用户，这些用户反过来注释了无数资源。标记变得如此流行，以至于它扩展到了其他应用程序，如web浏览器、软件包管理器，甚至文件系统。因此，本文中提出的方法的相关性超出了Web2.0。协作标记系统的概念结构称为大众分类法。它可以表示为带有用户、标记和资源节点的三部分超图。图的每一条边都表示用户用标签注释资源的事实。这个社交网络构成了一个轻量级的概念结构，它不是形式化的，而是隐含的，因此需要使用知识发现方法进行提取。本文提出了一种新的数据挖掘任务——所有频繁三概念的挖掘，以及一种发现此类隐式共享概念的有效算法。我们的方法将发现所有封闭项集的数据挖掘任务扩展到三维数据结构，以便挖掘大众分类法。我们扩展了三元形式概念分析的理论，给出了问题的形式化定义，并给出了求解该问题的有效算法。我们在三个大型现实世界示例上展示了我们的方法的适用性，从而对两个协作标记系统进行了概念聚类。最后，我们介绍了三元概念的邻域，作为轻量级三参数可视化的基础。我们的研究小组开发了社交书签和出版物共享系统BibSonomy，它是目前最流行的三个此类系统之一。除了对许多科学家来说是一个有用的工具外，它还为感兴趣的研究人员提供了评估和整合其知识发现方法的基础。本文介绍了BibSonomy作为一个示例性的协作标记系统，并概述了其体系结构和一些特性。此外，BibSonomy被用作评估和集成所讨论的一些方法的基础。协作标记系统通常包括标记推荐机制，简化了为资源查找好标记的过程，但也整合了跨用户的标记词汇表。在本论文中，我们评估并比较了几种针对大规模真实数据集的推荐算法：基于用户的协作过滤的改进算法、基于FolkRank算法的基于图形的推荐算法以及基于标签共现计数的简单方法。我们表明，FolkRank和Collaborative Filtering提供了比非个性化基线方法更好的结果。此外，由于基于计数标记共现的方法计算成本低，因此通常更适合实时场景，因此我们讨论了改进此类方法性能的简单方法。我们演示了一个基于计算用户和资源标签数的简单推荐器是如何与最佳推荐器表现一样好的。此外，我们通过描述我们为BibSonomy开发的标签推荐框架，展示了如何将推荐方法集成到实际的标签系统中，记录并评估其性能。为了开发、测试和评估推荐算法并支持与研究人员的合作，我们将框架设计为易于扩展、对各种方法开放，并且可以独立于BibSonomy使用。我们还对该框架进行了评估，以证明其威力。民俗分类图显示了特定的结构属性，这些属性解释了它的增长和偶然发现的可能性。网络搜索引擎的点击日志可以表示为大众分类法，其中查询是对点击的URL的描述。由此产生的网络结构，我们将其称为logsonomy，与大众分类法非常相似。为了了解它的性质，我们分析了大型大众分类快照和两个大型搜索引擎的查询日志上查询、用户和书签三部分超图的拓扑特征。我们发现，所有三个数据集都表现出相似的结构特性，因此得出结论，搜索引擎用户基于显示的搜索结果的点击行为和协作标记用户的标记行为是由相似的动力学驱动的。在本论文中，我们进一步将民俗学范式转换为社会语义桌面，这是一种新的计算机桌面模型，使用语义Web技术更好地链接信息项。在那里，我们将社区支持方法应用于社会语义桌面网络中的大众分类法。因此，我们将大众分类法的知识发现与语义技术联系起来。总之，本论文的研究是围绕协同标签系统及其底层数据结构——大众分类法展开的，从而为这一成功的知识管理范式的进一步传播铺平了道路。},添加至={2011-01-27T15:14:23.000+0100}，地址={德国海德堡}，作者={Jäschke，Robert}，biburl={https://www.bibsonomy.org/bibtex/29db90c2ff04f514ada9f6b50fde46065/jaeschke}，interhash={dcb2cd1cd72ae45d77c4d8755d199405}，内部散列={9db90c2ff04f514ada9f6b50fde46065}，isbn={978-3-89838-332-5}，keywords={2011年分析协作概念fca folksonomy formal myown recommender tag}，月=一月，publisher={Akademische Verlagsgesellschaft AKA}，series={Dissertationen zur Künstlichen Intelligenz}，时间戳={2014-07-28T15:57:31.000+0200}，title={协同标记系统中的形式化概念分析和标记建议}，url={http://www.aka-verlag.com/de/detail？ean=978-3-89838-332-5}，vgwort={413}，体积=332，年份=2011}@书籍{ganter1999formal，抽象={这是第一本关于形式概念分析的教科书。它系统地介绍了数学基础及其与计算机科学应用的关系，特别是在数据分析和知识处理方面。最重要的是，它提出了表示概念系统的图形方法，这些概念系统已在通信领域得到证明学习知识。因此，理论和图形表示紧密结合在一起。数学基础得到了彻底的处理，并通过许多例子加以说明。}，添加至={2011-01-27T13:46:01.000+0100}，地址={柏林/海德堡}，author={甘特、伯恩哈德和威尔、鲁道夫}，biburl={https://www.bibsonomy.org/bibtex/2ae14b00b5489de8da6e4578ac3062bfc/jaeschke}，doi={10.1007/978-3-642-59830-2}，interhash={1b0bf49069eadcdfac42e52addf4eb9d}，内部散列={ae14b00b5489de8da6e4578ac3062bfc}，keywords={分析书概念fca形式数学}，publisher={Springer}，时间戳＝{2024-03-11T16:52:25.000+0100}，title={形式概念分析：数学基础}，url＝{https://link.springer.com/book/10.1007/978-3-642-59830-2}，年份=1999}@进行中{jaeschke2006trias，摘要={在本文中，我们提出了挖掘频繁三概念的基础，将封闭项集的概念扩展到三维数据，以允许挖掘民谣。我们提供了该问题的形式化定义，并提出了一个有效的算法来解决该问题，以及在一个大型真实示例上的实验结果。}，添加至={2011-01-27T12:14:52.000+0100}，地址={华盛顿特区，美国}，作者={Jäschke、Robert and Hotho、Andreas and Schmitz、Christoph and Ganter、Bernhard and Stumme、Gerd}，biburl={https://www.bibsonomy.org/bibtex/2797d40e05a48f4343d7695dac87b5870/jaeschke}，booktitle={ICDM’06：第六届数据挖掘国际会议论文集}，doi={10.1109/ICDM.2006.162}，interhash={b4964c3bdd2991a80873d7080ef6a73e}，内部散列={797d40e05a48f4343d7695dac87b5870}，isbn={0-7695-2701-9}，keywords={2006年fca冰山myown ol_tut2010三方三方}，页数={907--911}，publisher={IEEE计算机学会}，时间戳={2014-07-28T15:57:31.000+0200}，title={TRIAS-冰山三格采矿算法}，url={http://www.kde.cs.uni-kassel.de/pub/pdf/jaeschke2006trias.pdf}，年份=2006}@文章{jaeschke2008发现，抽象={网络上迅速出现了社交书签工具。在这样的系统中，用户正在建立轻量级的概念结构，称为folksonomies。与本体不同，共享概念化不是形式化的，而是隐含的。我们提出了一个新的数据挖掘任务，即挖掘所有频繁的三个概念，以及一个有效的算法发现这些隐含的共享概念。我们的方法将发现所有封闭项集的数据挖掘任务扩展到三维数据结构，以便挖掘大众分类法。我们给出了该问题的形式化定义，并给出了求解该问题的有效算法。最后，我们展示了我们的方法在三个大型现实世界示例中的适用性。}，添加至={2011-01-27T11:59:50.000+0100}，address={纽约}，作者={Jäschke、Robert and Hotho、Andreas and Schmitz、Christoph and Ganter、Bernhard and Stumme、Gerd}，biburl={https://www.bibsonomy.org/bibtex/2efffa7d10ad61f785ad75ec2e1481af7/jaeschke}，booktitle={语义Web和Web 2.0}，doi={10.1016/j.websem.2007.11.004}，editor={Finin，T.和Mizoguchi，R.和Staab，S.}，interhash={cfca594f9dbe30694bfbcdeb40dc4e88}，intrahash＝{efffa7d10d61f785ad75ec2e1481af7}，issn={1570-8268}，journal={网络语义期刊}，keywords={2008分析概念fca folksonomy形式l3s myown ol_tut2010标记顶级trias}，月=2月，数字＝1，页数={38--53}，publisher={Elsevier}，时间戳={2023-05-12T11:51:56.000+0200}，title={发现民族学中的共享概念}，url={http://www.kde.cs.uni-kassel.de/pub/pdf/jaeschke2008discovery.pdf}，vgwort={59}，体积=6，年份=2008}@文章{cerf2009已关闭，abstract={从二元关系中发现集合模式在过去的十年中得到了广泛的研究。特别是，现在有许多完整而有效的频繁闭集挖掘算法。将这样的任务推广到n元关系（n≥2）似乎是一个及时的挑战。对于许多应用程序来说，这可能很重要，例如，当将时间维度添加到流行对象×特征二进制情况时。任务的通用性（没有对关系性或其属性域的大小进行假设）使其在计算上具有挑战性。我们介绍了一种称为Data-Peeler的算法。它从一个n元关系中提取出满足给定分段（反）单调约束的所有闭n集。这类新的约束推广了单调约束和反单调约束。考虑到三元关系的特殊情况，Data-Peeler在数量级上优于最先进的算法CubeMiner和Trias。这些良好的性能必须归功于一种新的智能枚举策略，该策略允许有效地强制实施紧密性属性。提取的闭n集的相关性根据实际的3元和4元关系进行评估。除了自然的3元或4元关系之外，使用附加属性扩展关系有助于实施相当抽象的约束，例如二进制化的健壮性。此外，闭n集集合被证明是计算数据集平铺的一个很好的起点。}，添加至={2010-07-12T11:10:30.00+0200}，address={美国纽约州纽约市}，author={Cerf、Loíc和Besson、Jérémy和Robardet、céline和Boulicaut、Jean-François}，biburl={https://www.bibsonomy.org/bibtex/24685da7a801c274eb4e51693ca5a2adc/jaeschke}，doi={10.1145/1497577.1497580}，interhash={b67a66b57f8a6c61a9099bc1c3b407a9}，内部散列={4685da7a801c274eb4e51693ca5a2adc}，issn={1556-4681}，journal={ACM从数据中发现知识的事务}，keywords={fca模式ol_tut2010三个三元trias}，数字=1，页数＝{1-36}，publisher={ACM}，时间戳＝{2014-07-28T15:57:31.000+0200}，title={闭合模式满足n元关系}，体积=3，年份=2009}@正在进行{cerf2008dataspeeler，abstract={从二元关系中发现集合模式在过去的十年中得到了广泛的研究。特别是，现在已有许多完整而有效的提取频繁闭集的算法。将这样的任务推广到n元关系（n≥2）似乎是一个及时的挑战。对于许多应用程序来说，这可能很重要，例如，当将时间维度添加到流行对象×特征二进制情况时。任务的通用性——没有对关系性或其属性域的大小进行假设——使其在计算上具有挑战性。我们介绍了一种称为Data-Peeler的算法。它从一个n元关系中提取出满足给定分段（反）单调约束的所有闭n集。这类新的约束推广了单调约束和反单调约束。考虑到三元关系的特殊情况，Data-Peeler在数量级上优于最先进的算法CubeMiner和Trias。这些良好的性能必须归功于一种新的智能枚举策略，该策略允许进行有效的紧密性检查。一个实际四元关系的原始应用程序用于评估基于闭n集约束挖掘的相关性。}，添加至={2010-07-12T11:07:33.000+0200}，author={Cerf、Loíc和Besson、Jérémy和Robardet、céline和Boulicaut、Jean-Francois}，biburl={https://www.bibsonomy.org/bibtex/253172260ef12c237ecf4d032a97e0434/jaeschke}，booktitle={Proc.SIAM数据挖掘国际会议SDM'08}，interhash={ec08ad149182185a9f2348f9b1e351c0}，内部散列={53172260ef12c237ecf4d032a97e0434}，keywords={fca模式ol_tut2010三个三元trias}，月=四月，页数={37--48}，时间戳={2014-07-28T15:57:31.000+0200}，title={Data-Peeler：n元关系中基于约束的闭合模式挖掘}，url={http://www.siam.org/processes/datamining/2008/dm08_04_Cerf.pdf}，年份=2008}@正在进行{baader2004申请，abstract={给定描述逻辑概念的有限集$\mathcal{C}:=\{C_1，\ldots，C_n}$，我们感兴趣的是计算$\mathcal{C{C}$子集的所有最小公共子数的包含层次，以及$\matchcal{C}$s子集的所有连词的层次。这些层次结构可用于支持自底向上构建描述逻辑知识库。关键是计算第一个层次结构，而不必计算$\mathcal{C}$的所有子集的最不常见的subsumer，第二个层次结构则不必显式检查所有可能的此类连词对是否包含。我们将证明，为计算概念格而开发的形式概念分析方法可以用于此目的。}，添加至={2010-06-30T10:40:21.000+0200}，地址={柏林/海德堡}，author={Baader，Franz和Sertkaya，Baris}，biburl={https://www.bibsonomy.org/bibtex/2a61b258d2724c3cb17f5dfdd6db185cb/jaeschke}，booktitle={概念格}，doi＝{10.1007/978-3-540-24651-0_24}，editor={Eklund，Peter W.}，interhash={bf9599a95577070ddd4097d63d4b6cb8}，intrahash＝{a61b258d2724c3cb17f5dfdd6db185cb}，isbn={3-540-21043-1}，keywords={分析概念描述dl-fca形式逻辑}，页数={261--286}，publisher={Springer}，series={计算机科学讲稿}，时间戳={2014-07-28T15:57:31.000+0200}，title={将形式概念分析应用于描述逻辑。}，url={http://springerlink.metapress.com/openurl.asp？gener=article&issn=0302-9743&volume=2961&spage=261}，体积=2961，年份=2004}@第{stumme2002条计算，抽象={我们介绍了冰山概念格的概念，并展示了它们在数据库知识发现中的应用。冰山格是一种概念聚类方法，非常适合分析大型数据库。它们还作为频繁项集的浓缩表示，作为计算关联规则基础的起点，以及d作为关联规则的可视化方法。冰山概念格基于形式概念分析理论，这是一种应用于数据分析、信息检索和知识发现的数学理论。我们提出了一种新的计算（冰山）概念格的算法TITANIC。它以数据挖掘技术为基础，采用分级方法。事实上，TITANIC可以用于更一般的问题：当闭包算子带有所谓的权重函数时，计算任意闭包系统。迄今为止，文献中尚未讨论使用权重函数计算闭合系统。提供这种权重函数的应用包括关联规则挖掘、数据库中的函数依赖性、概念聚类和本体工程。对该算法进行了实验评估，并与Ganter的Next-Closure算法进行了比较。该评估显示了效率的重要提高，尤其是对于弱相关数据。}，添加至={2010-06-30T09:35:22.000+0200}，address={荷兰阿姆斯特丹}，author={Stumme、Gerd和Taouil、Rafik和Bastide、Yves和Pasquier、Nicolas和Lakhal、Lotfi}，biburl={https://www.bibsonomy.org/bibtex/2fc31933f0eec502e305b6aecb9ef6e8a/jaeschke}，doi={10.1016/S0169-023X（02）00057-5}，interhash={d500ac8a249ca8bf0fb05f382799d48f}，内部散列={fc31933f0eec502e305b6aecb9ef6e8a}，issn={0169-023X}，journal={数据与知识工程}，关键词={分析概念fca正式冰山晶格泰坦尼克}，月=八月，数字=2，页数={189--222}，publisher={Elsevier Science Publishers B.V.}，时间戳＝{2014-07-28T15:57:31.000+0200}，title={使用TITANIC}计算冰山概念格，url={http://portal.acm.org/citation.cfm？id=606457}，体积=42，年份=2002}@在过程{lw95triadic，添加至={2008-11-14T12:20:14.000+0100}，地址={英国伦敦}，作者={Lehmann，F.和Wille，R.}，biburl={https://www.bibsonomy.org/bibtex/2e258039867e231fc56bb933950e02f1b/jaeschke}，booktitle={概念结构：应用、实现和理论}，editor={Ellis，G.和Levinson，R.和Rich，W.和Sowa，J.F.}，interhash={fa3e423ee0c5a9dadc3211c3f8a5e4a6}，内部散列={e258039867e231fc56bb933950e02f1b}，keywords={concept fca formal triadic}，页数={32-43}，publisher={Springer Verlag}，series={人工智能课堂讲稿}，时间戳={2014-07-28T15:57:31.000+0200}，title={形式概念分析的三元方法}，体积=954，年份=1995}@进行中{奥兰多02高效，abstract={由于可用数据库的数量和维度的巨大增加，计算频繁集的有效解决方案现在在数据挖掘社区中非常重要。提出了几种串行和并行算法，这些算法在许多情况下都具有良好的可扩展性。本文提出了一种分布式多线程算法ParDCI，用于计算事务数据库中频繁集的出现次数。ParDCI是DCI（Direct Count&Intersect）的并行版本，DCI是一种多策略算法，它不仅能够使其行为适应特定计算平台的特性（例如可用内存），还能够适应正在处理的数据集的特性（如稀疏或密集数据集）。ParDCI通过利用DCI高度优化的计数和交集技术，并依靠一种多级并行化方法，将SMP集群作为一种新兴的计算平台，从而增强了先前的建议。我们的工作重点是有效利用底层架构。节点内多线程有效地利用了每个SMP节点的内存层次结构，而节点间并行利用了旨在减少通信开销的智能分区技术。深入的实验评估表明，ParDCI在各种条件下都达到了近乎最佳的性能。}，添加至={2008-07-14T15:41:59.000+0200}，author={奥兰多、萨尔瓦多和帕尔梅里尼、保罗和佩雷戈、拉斐尔和西尔维斯特里、法布里齐奥}，biburl={https://www.bibsonomy.org/bibtex/2522c68b8bb5e28f1bf9f1e11e612f542/jaeschke}，booktitle={计算科学的高性能计算-VECPAR 2002}，description={SpringerLink-图书章节}，interhash={50c17d100341c01892f7dd8fbd7deb69}，intrahash＝{522c68bb5e28f1bf9f1e11e612f542}，keywords={算法fca频繁项集挖掘并行集}，页数＝{3-29}，时间戳={2014-07-28T15:57:31.000+0200}，title={一种高效的并行分布式频繁集计数算法}，url＝{http://dx.doi.org/10.1007/3-540-36569-9_28}，年份=2003}@文章{tkde06，添加至={2008-07-14T13:37:17.000+0200}，author={卢切斯、克劳迪奥和奥兰多、萨尔瓦多和佩雷戈、拉斐尔}，biburl={https://www.bibsonomy.org/bibtex/23aff1098bf9828a0c6683f07145d60bb/jaeschke}，interhash={33820f389bc1f6bdb96f5a8f925df879}，内部散列={3aff1098bf9828a0c6683f07145d60bb}，journal={IEEE知识与数据工程汇刊}，keywords={关联闭合fca频繁项集挖掘规则}，数字=1，页数={21--36}，时间戳={2014-07-28T15:57:31.000+0200}，title={频繁闭项集的快速内存高效挖掘}，体积=18，年份=2006}@进行中{jaeschke2007分析，抽象={BibSonomy是一个基于网络的社会资源共享系统，它允许用户以协作的方式组织和共享书签和出版物。在本文中，我们介绍了该系统，然后描述了通过应用我们在正式合作领域开发的技术获得的书目数据结构方面的见解ncept分析}，添加至={2008-01-17T13:49:53.000+0100}，地址={柏林/海德堡}，author={Jäschke、Robert和Hotho、Andreas和Schmitz、Christoph和Stumme、Gerd}，biburl={https://www.bibsonomy.org/bibtex/20c2b212b9ea3d822bf4729fd5fe6b6e1/jaeschke}，booktitle={第十五届概念结构国际会议论文集（ICCS 2007）}，doi={10.1007/978-3-540-73681-3_21}，editor={Priss，U.和Polovina，S.和Hill，R.}，interhash={4352d1142afa561460511b22d4ce5103}，内部散列={0c2b212b9ea3d822bf4729fd5fe6b6e1}，isbn={3-540-73680-8}，keywords={2007年分析bibsonomy书签fca folksonomy iccs l3s myown ol_tut2010社交trias}，月={7月}，页数={283--295}，publisher＝{Springer Verlag}，series={人工智能课堂讲稿}，时间戳＝{2017-07-05T14:50:28.000+0200}，title={对{BibSonomy}}中出版物共享行为的分析，url={https://link.springer.com/chapter/10.1007%2F978-3-540-73681-3_21}，vgwort＝{22}，体积=4604，年份=2007}@正在处理{DBLP:conf/iccs/GanterR01，添加至={2007-08-08T11:22:37.000+0200}，author={甘特、伯恩哈德和鲁道夫、塞巴斯蒂安}，bibsource={DBLP，http://DBLP.uni-trier.de}，biburl={https://www.bibsonomy.org/bibtex/2a25ab4987c25f31c9c7a69b9925ec8f9/jaeschke}，booktitle={第九届概念结构国际会议论文集（ICCS 2001）}，crossref={DBLP:conf/iccs/2001}，editor={德卢加赫，哈里·S·斯图姆，格德}，ee={http://link.springer.de/link/service/series/0558/bibs/2120/21200143.htm}，interhash={7e65d75d108c42ac5449e9a0f094cfca}，内部散列={a25ab4987c25f31c9c7a69b9925ec8f9}，isbn={3-540-42344-3}，keywords={分析概念动态fca形式图格}，页数={143-156}，publisher={Springer}，series={计算机科学讲稿}，时间戳={2015-12-02T13:54:38.000+0100}，title={动态概念图的形式概念分析方法}，体积=2120，年份=2001}@进展中{troy2007更快，abstract={我们介绍了一种构造概念格（MCA）的简单但有效的多级算法。概念格可以作为由属性概念（对偶对象概念）生成的闭包系统来获得。有两种策略可以将其用作算法的基础：（a）通过一次加入一个属性概念来形成交集，以及（b）从属性概念开始反复形成两两交集。将（b）直接转换为算法表明，在所有累积概念之间执行成对交集。MCA在形成两两交叉点时非常节省：它只在前一阶段新形成的概念之间执行此类操作，而不是累积操作。我们表明，这种节约的多级策略是完全的：它生成所有概念。要使这个策略真正起作用，必须克服消除重复的需要（并可能进一步节省时间），因为在后期生成的概念可能已经出现在早期的某个阶段。正如文献[5]中其他几个算法所考虑的那样，我们通过一个辅助搜索树来实现这一点，该树将所有现有概念作为从根到标记节点或叶的路径。搜索树的深度受属性总数的限制，因此概念查找的时间复杂性受概念总数的对数的限制。为了构造格图，我们采用Pritchard[9]的一种计算子集偏序的次二次算法来构造Hasse图。普里查德方法实现了最坏情况下的时间O（N2/log N），而不是标准的预期二次复杂度。我们的实验结果表明，与综合比较研究[5]中考虑的三种主要算法相比，各种输入配置文件的速度有了显著提高：Bordat、Chein和Norris。}，添加至={2007-08-01T18:23:34.000+0200}，地址＝{柏林，海德堡}，author={Troy，Adam D.和Zhang，Guo-Qiang和Tian，Ye}，biburl={https://www.bibsonomy.org/bibtex/294f0a8c1cb1719df010e74056193e6b4/jaeschke}，booktitle={第十五届概念结构国际会议论文集（ICCS 2007）}，editor={Priss，U.和Polovina，S.和Hill，R.}，interhash＝{f2dbcacf668b206e7020a9a5a3621daf}，内部散列={94f0a8c1cb1719df010e74056193e6b4}，keywords={算法分析概念快速fca形式}，页数={206--219}，publisher={Springer-Verlag}，series={人工智能课堂讲稿}，时间戳={2014-07-28T15:57:31.000+0200}，title={更快的概念分析}，url={http://newton.cwru.edu/papers/MCA.pdf}，体积=4604，年份=2007}@进行中{1244292，添加至={2007-07-05T14:56:08.000+0200}，address={美国纽约州纽约市}，作者={Kim，Hak Lae and Hwang，Suk Hyung and Kim，Hong Gee}，biburl={https://www.bibsonomy.org/bibtex/24440c3ca148004f3759456eac34e84fa/jaeschke}，booktitle={SAC'07:2007美国计算机学会应用计算研讨会论文集}，doi={http://doi.acm.org/10.1145/1244002.1244292}，interhash={d4452fdd3059336e6d18ef714bcf0f72}，内部散列={4440c3ca148004f3759456eac34e84fa}，isbn={1-59593-480-4}，关键词={concept fca folksonomy形式化挖掘标签分析网络sna social}，location={韩国首尔}，页数={1340--1345}，publisher={ACM出版社}，时间戳={2014-07-28T15:57:31.000+0200}，title={基于FCA的挖掘上下文化民俗学}的方法，url={http://portal.acm.org/citation.cfm？id=1244002.1244292&coll=GUIDE&dl=}，年份=2007}@正在进行{hotho03解释，abstract={常见的文本聚类技术提供了相当差的功能向用户解释为什么特定结果实现。他们有一个不相关的缺点语义相近的术语，并且它们无法解释生成的簇相互关联。在本文中，我们讨论了一种集成大型词库的方法以及将结果聚类的格计算为公共文本聚类为了克服这两个问题。作为其主要结果，我们的方法使用概念级的适当粒度级别以及解释格的适当大小和复杂性结果簇。}，添加至={2007-02-01T14:04:37.000+0100}，地址={海德堡}，author={Hotho、Andreas和Staab、Steffen和Stumme、Gerd}，biburl={https://www.bibsonomy.org/bibtex/253a943b6be4b34cf4e5329d0b58e99f6/jaeschke}，booktitle={数据库中的知识发现：PKDD 2003，第七届欧洲数据库知识发现原则与实践会议}，注释={alpha}，editor={Lavra\v{c}，Nada和Gamberger，Dragan和Todorovski，Hendrik BlockeelLjupco}，interhash={cf66183151a5d94a0941ac6d5089ae89}，内部散列={53a943b6be4b34cf4e5329d0b58e99f6}，关键词={聚类概念fca形式iccs_example本体文本trias_example}，页数={217-228}，publisher={Springer}，系列={LNAI}，时间戳={2014-07-28T15:57:31.000+0200}，title={使用语义结构解释文本聚类结果}，url={http://www.kde.cs.uni-kassel.de/stumme/papers/2003/hotho2003explained.pdf}，体积=2838，年份=2003}@进行中{hotho02概念聚类，添加至={2007-02-01T14:04:37.000+0100}，author={Hotho，A.和Stumme，G.}，biburl={https://www.bibsonomy.org/bibtex/2e253c44552a046fe90236274bcfeab13/jaeschke}，booktitle={Proc.Fachgruppentreffen Maschinelles Lernen（FGML 2002）}，注释={alpha}，editor={K’okai，G.和Zeidler，J.}，interhash={3dd4ce38d0de0ba8e167f8133cbb3e}，内部散列={e253c44552a046fe90236274bcfeab13}，keywords={分析聚类概念fca形式iccs_example文本trias_example}，页数={37-45}，时间戳={2014-07-28T15:57:31.000+0200}，title＝{文本聚类的概念聚类}，url={http://www.kde.cs.uni-kassel.de/stumme/papers/2002/FGML02.pdf}，年份=2002}@正在进行{stumme05finited，添加至={2007-02-01T14:04:37.000+0100}，作者＝{Stumme，Gerd}，biburl={https://www.bibsonomy.org/bibtex/2840d97c6873133e49d39b1207f762430/jaeschke}，booktitle={第三届形式概念分析国际会议论文集}，editor={甘特、伯恩哈德和戈丁、罗伯特}，ee={http://springerlink.metapress.com/openurl.asp？gener=article{\&}issn=0302-9743{\&{volume=3403{\&}spage=315}，interhash={7d85e1092613fd7c91d6ba5dfcf4a044}，内部散列={840d97c6873133e49d39b1207f762430}，isbn={3-540-24525-1}，keywords={context fca iccs_example olap triadic trias_example}，页数={315-328}，publisher={Springer}，series={计算机科学讲稿}，时间戳={2014-07-28T15:57:31.000+0200}，title={三元环境下在线分析处理的有限状态模型。}，体积=3403，年份=2005}@收集{ksog94tripat，添加至={2006-04-19T21:34:36.000+0200}，地址={柏林}，author={Krolak-Schwerdt，S.和Orlik，P.以及Ganter，B.}，biburl={https://www.bibsonomy.org/bibtex/22eaf7d1c43191097d5356753acfada2/jaeschke}，booktitle={分类、数据分析和知识组织研究}，editor={博克·H·H·和伦斯基·W·和里希特·M·}，interhash={7fd4d379f0b2f082f7f32444de4c56a6}，内部散列={2eaf7d1c43191097d5356753acfada2}，keywords={tripat三元形式概念fca}，页码={298--307}，publisher={Springer}，系列={信息系统和数据分析}，时间戳={2014-07-28T15:57:31.000+0200}，title={{TRIPAT}：分析三模式二进制数据的模型}，体积=4，年份=1994}@正在进行{fr01搜索，添加至={2006-04-19T21:31:37.000+0200}，author={Ferré，S.和Ridoux，O.}，biburl={https://www.bibsonomy.org/bibtex/2e0a72edfcc60115f447167dd4978017f/jaeschke}，booktitle={第九届概念结构国际会议论文集}，description＝{dblp}，editor={Delugach，H.S.和Stumme，G.}，ee={http://link.springer.de/link/service/series/0558/bibs/2120/21200187.htm}，interhash＝{32dc849f1afa1a0bc95e2fb9e8d9a200}，内部散列={e0a72edfcc60115f447167dd4978017f}，keywords={正式文件概念系统fca}，页码={187-201}，publisher={Springer}，series={人工智能课堂讲稿}，时间戳={2014-07-28T15:57:31.000+0200}，title={使用逻辑概念分析搜索对象和属性。}，url={http://dblp.uni-trier.de/db/conf/iccs/iccs2001.html#FerreR01}，体积=2120，年份=2001}@收集{ganter87算法，添加至={2006-04-19T21:29:18.000+0200}，author={Ganter，B.}，biburl={https://www.bibsonomy.org/bibtex/2298def2cb3fc83ae1ff185763548df53/jaeschke}，booktitle={Beiträge zur Begriffsanalysis}，editor={甘特，B.和威利，R.和沃尔夫，K.E.}，interhash={9774f54b5e5334ed781618385ded2e75}，内部散列={298def2cb3fc83ae1ff185763548df53}，keywords={闭包形式概念下一个算法fca}，页数={241-254}，publisher={B.I.Wissenschaftsverlag}，时间戳={2014-07-28T15:57:31.000+0200}，title={{Algorithmen zur Formalen Begriffsanalysis}}，年份=1987}@进行中的{1982年重组，abstract={今天的格理论反映了当前数学的总体状况：有丰富的理论概念、结果和发展成果，其中许多是通过精心设计的心理体操达到的；另一方面，该理论与周围环境的联系越来越弱，导致该理论甚至其许多部分变得更加孤立。重构格理论是一种尝试，通过尽可能具体地解释格理论来重振与我们一般文化的联系，并以此促进格理论学家和格理论潜在用户之间更好的沟通。}，添加至={2006-04-10T09:33:09.000+0200}，address={Dordrecht--波士顿}，author={Wille，Rudolf}，biburl={https://www.bibsonomy.org/bibtex/2e43626656aa7d98700fb4572b75bcbb1/jaeschke}，booktitle={有序集合}，editor={对手，Ivan}，interhash＝{1e021e8ace9683c92416cd882eb4c4d}，内部散列={e43626656aa7d98700fb4572b75bcbb1}，keywords＝{concept-fca形式格}，页数={445--470}，publisher={Reidel}，时间戳＝{2014-07-28T15:57:31.000+0200}，title={重构格理论：基于概念层次的方法}，年份={1982年}}