FCA能为人工智能做什么？

一般信息

FCA4AI研讨会之前的十一个版本（从ECAI 2012年到IJCAI 2023年）表明，许多从事人工智能工作的研究人员确实对形式概念分析提供的强大的分类和数据挖掘技术感兴趣。第十二届FCA4AI将再次与ECAI会议同期举行，因此将在圣地亚哥德孔波斯特拉举行。

形式概念分析（FCA）是一种数学基础完善的理论，旨在进行数据分析和分类。FCA允许用户构建概念格和依赖系统（含义和关联规则），可用于许多人工智能需求，例如知识处理、知识发现、知识表示和推理、本体工程以及信息检索、推荐、社交网络分析和文本处理。因此，FCA和AI之间有许多“天然联系”。

近年来，围绕FCA的科学活动不断增加，特别是出现了一系列旨在扩展普通FCA知识处理可能性的工作，例如模式结构和关系上下文分析以及与其他形式主义的混合。这些扩展旨在使FCA能够处理比二进制数据更复杂的数据，解决数据分析、分类、知识处理等方面的复杂问题。随着FCA能力的扩展，FCA框架中出现了新的可能性。

像往常一样，FCA4AI研讨会专门讨论特别是：
-FCA如何支持AI活动在知识发现、知识表示和推理、机器学习、自然语言处理等方面？
-反之亦然，如何在FCA中采用AI的当前发展帮助人工智能研究人员解决其领域的复杂问题？
-FCA在AI的新趋势中可以发挥什么作用尤其是在ML、XAI、算法公平性以及结合符号和次符号方法的“混合系统”中？

感兴趣的话题

感兴趣的主题包括但不限于：

• 概念格和相关结构:
  模式结构、关系结构、分配格。
• 知识发现和数据挖掘:
  模式挖掘、关联规则、属性含义、子组发现、异常模型挖掘、数据依赖性、属性探索、稳定性、投影、兴趣度度量、MDL原理、复杂数据挖掘、三元和多元分析。
• 知识和数据工程:
  知识表示、推理、本体工程、数据挖掘、文本挖掘、数据质量检查。
• 分析FCA在支持混合系统方面的潜力:
  如何将FCA和数据挖掘算法相结合，例如构建混合知识发现系统的深度学习、生成解释和评估系统公平性。
• 分析FCA在人工智能任务中的潜力
  例如分类、聚类、双聚类、信息检索、导航、推荐、文本处理、可视化、模式识别、社交网络分析。
• FCA和大型语言模型（LLM）.
• 实际应用
  在农学、天文学、生物学、化学、金融、制造业、医学等领域。

研讨会将包括观众讨论的时间，目的是更好地理解所提出的问题、挑战和想法。

提交详细信息

研讨会欢迎按照CEURART风格的1栏以pdf格式提交
（下载地址：https://ceur-ws.org/Vol-XXX/CEURART.zip).

提交内容可以是：
-8至12页的技术论文，
-描述正在进行的工作的系统描述或立场文件，不超过6页。

通过EasyChair提交https://easychair.org/conferences/？conf=fca4ai2024
研讨会论文集将作为CEUR论文集出版（参见CEUR文献集第3489卷、第3233卷、第2972卷、第2529卷、第2149卷、第1703卷、第1430卷、第1257卷、第1058卷和第939卷的先前版本）。