形式概念分析（FCA）是一种用于从数据中识别和组织概念结构的数学框架。它将数据集视为一个形式背景，由一组对象、一组属性以及一个指示哪些对象拥有哪些属性的二元关系定义。从这个背景出发，FCA 推导出所有形式概念，，即在该关系下相互封闭的对象集和属性集对，，并将它们排列成一个概念格，这是一种揭示泛化与特化关系的偏序结构。
FCA 由德国数学家鲁道夫·维勒于 1982 年提出，其根源在于格理论和序理论。它为探索性数据分析提供了一种严谨且人类可解释的替代方案，区别于统计或神经方法。与需要训练和概率推断的机器学习方法不同，FCA 是确定性的，并产生数据内在结构的完整、精确表示。其应用涵盖人工智能、软件工程、生物学和社会网络分析，在这些领域中，它支持本体构建、特征选择和规则挖掘等任务。
形式背景与概念
形式背景是一个三元组 (G, M, I)，其中 G 是对象集，M 是属性集，I 是 G × M 的子集。对于对象 g 和属性 m，(g, m) ∈ I 表示 g 具有 m。对于任何对象集 A ⊆ G，派生算子 A' 返回 A 中所有对象共有的属性集。类似地，对于 B ⊆ M，B' 返回共享 B 中所有属性的对象集。形式概念是一对 (A, B)，使得 A' = B 且 B' = A。集合 A 称为外延，B 称为内涵。这种封闭性确保概念是极大的，，在不破坏对应关系的情况下，无法添加额外的对象或属性。
例如，考虑一个对象为 {猫, 狗, 鲸} 且属性为 {哺乳动物, 宠物, 水生} 的背景。对 ({猫, 狗}, {哺乳动物, 宠物}) 是一个概念，因为猫和狗都是哺乳动物和宠物，且集合中没有其他对象同时具有这两个属性。对 ({鲸}, {哺乳动物, 水生}) 是另一个概念。概念格通过包含关系对这些概念进行排序：如果一个概念的外延是另一个概念外延的子集，且其内涵是另一个概念内涵的超集，则前者是后者的子概念。这产生了一个层次结构，其中顶层概念具有所有对象且无属性，底层概念具有所有属性且无对象。
算法与计算方面
背景中形式概念的数量可能随输入大小呈指数增长，因此高效枚举是一个核心问题。经典算法称为 Next Closure，由伯恩哈德·甘特于 1984 年开发。它按字典序生成所有概念且无重复，使用一个可在每个概念的多项式时间内计算的闭包算子。最坏情况下的时间复杂度为每个概念 O(|G|^2 |M|)，但实际性能随数据密度而变化。
其他值得注意的算法包括 Lindig 算法（增量构建格）和 CbO（Close by One）系列（优化闭包计算）。对于大型数据集，已提出并行和分布式实现，通常利用亚马逊云服务或谷歌云基础设施。近年来，研究人员探索了与深度学习和神经网络方法的联系，使用 FCA 来解释或正则化学习到的表示，尽管这些仍是小众应用。
知识发现中的应用
FCA 广泛用于本体工程和形式本体学习。在语义网背景下，它帮助从关系数据中推导概念层次结构，这些结构随后可以用描述逻辑表达。例如，埃里克·霍罗克斯及其同事研究了 FCA 如何通过识别缺失的包含关系来支持 OWL 本体的设计。在软件工程中，FCA 应用于特征建模和程序理解，从源代码或配置空间中提取类层次结构。
在生物学中，FCA 已被用于分析基因表达数据，识别共表达基因组及其共享的功能注释。在社会网络分析中，它基于共享属性或交互揭示社区。该方法还支撑属性探索技术，这是一种通过查询领域专家来完善形式背景的技术，已应用于诺基亚贝尔实验室的通信协议研究和巴巴原子研究中心的安全分析。
与其他方法的关系
FCA 与关联规则挖掘等数据挖掘技术共享概念基础。从形式背景推导出的蕴含关系，，即“如果对象具有 X 中的所有属性，则它具有属性 y”形式的规则，，与数据库中的函数依赖和逻辑中的形式蕴含密切相关。然而，FCA 强调完整的格结构，而不仅仅是频繁模式。
与聚类方法相比，FCA 产生重叠的、层次化的簇，而非不相交的分区。它是确定性的，不需要参数调整，但对噪声和缺失数据敏感，这可能导致格碎片化。相比之下，机器学习模型如大型语言模型或变换器能更优雅地处理噪声和高维数据，但缺乏 FCA 的明确逻辑保证。一些混合方法使用 FCA 从神经网络激活中提取符号规则，旨在结合两种范式的优势。
局限性与未来方向
概念的指数增长限制了在非常大背景上的可扩展性。冰山格等技术仅保留支持度高于阈值的概念，缓解了这一问题。另一个挑战是处理数值或模糊属性，这需要离散化或模糊 FCA 等扩展。近期工作探索将 FCA 与生成式人工智能集成，以自动从非结构化文本生成形式背景，尽管这仍处于实验阶段。
截至 2025 年，FCA 在人工智能和知识表示领域仍是一个活跃的研究方向，拥有年度会议和专门的社区。其概念形成的原则性方法继续激发新的算法和应用，特别是在可解释人工智能和形式验证领域。