作为语义网基础的本体是共享概念模型的明确的形式化规范说明,它的作用是获取、描述和表达相关领域的知识,提供对该领域知识的共同理解,确定该领域内共同认可的词汇,并从不同层次的形式化模式上给出这些词汇和词汇间相互关系的明确定义。那么,构建本体成为本体应用的关键问题,但目前该领域研究还处于探索阶段,没有形成成熟、统一的方法作为指导。目前本体的构建方法主要分为两大类:一类是采用手工方式来构建,该类方法的问题是:(1)、遇到复杂的领域就费时费力;(2)、在建立各自的本体时均采用不同的标准、建模方法,所以构建的本体不通用;(3)、具有很大的主观性,针对某个领域,不同的领域专家会采用不同的观点以至构建的本体不统一。最重要的是在寻找领域概念和概念之间的关系时,所采取的方法和手段有较大差异,而且也只能找到一些已知的概念(从辞海或叙词表中)。为了降低手工构建本体时的开销,研究如何利用知识获取技术自动或半自动地获取本体是很有意义的。这就是第二类方法—本体学习技术(Ontology Learning),采用本体学习技术,虽然可以简化手工构建本体的工作量。但这些技术不能寻找到领域内所有隐含的概念和概念间关系,而且不能明确地以形式化方式表达所形成的概念及概念模型。形式概念分析作为应用数学的一个分支,来源于哲学领域对概念的理解。从外延和内涵两方面对概念进行符号形式化描述,实现计算机可以理解的语义信息。根据用二元关系来表达领域中的形式背景,从中提取所有隐含的概念和概念之间的相互关系,形成概念层次结构,即概念格,从数据集中生成概念格的过程实际上是一种概念聚类的过程。而且概念格的三维可视化形式使概念格的展现更加直观生动,为了简化概念格的显示,可以识别并折叠其中存在的子概念格。从本体的目标来看,构建本体的关键问题是在确定了领域后,从领域中找到概念以及概念间的关系,然而对于现实生活中的某一领域,与该领域相关的概念以及概念之间的关系是隐含在人们头脑中,或者是存在领域文档中。那么本文研究的主要内容是:利用形式概念分析技术在不受开发者的主观影响下,帮助从给定的数据里自动获取所有隐含的概念以及概念之间的层次关系,并且用符号表示所有概念,达到了形式化概念模型的效果,为构建本体提供一种方法指导。同时,为了知识的共享与重用,可以基于概念格的合并理论来进行本体的合并。并且在展现本体时,结合几率模式来表达非层次关系概念之间的相似性和概念与对象的相关度。本文的主要贡献如下:(1)提出了形式概念分析在基于非结构化数据的本体学习中的应用方法。(2)提出两种展现本体的方法,一、结合几率模式来表达本体中非层次关系概念之间的相似性以及属性概念与对象之间的相关度;二、基于概念格的三维可视化形式来展现,为了简化显示,提出子概念格的判定方法及其折叠与打开算法。(3)提出了基于形式概念分析的本体合并方法。依据以上理论,设计并实现了基于FCA的本体原型系统。并且,结合实例构建一个领域本体,通过本体所具有的良好概念层次结构、语义信息来进行概念查询和检索,从而有效地提高了本体信息查找的效率。