形式概念分析是数据分析与规则提取的一种有效工具,已经在机器学习、数据挖掘、软件工程等领域得到了广泛的应用。然而传统的形式概念分析理论不能处理模糊信息,随着海量数据的出现,信息的不确定性增加,如何用形式概念分析理论处理这些模糊信息成为一个重要的研究内容。近年来,个性化推荐系统也受到了众多的关注和研究,协同过滤推荐系统的发展进一步促进了个性化推荐系统的广泛运用,如何有效的提高协同过滤推荐算法在处理模糊数据、稀疏数据以及不完备数据时的推荐准确度,将对提升系统的性能有很大帮助。本文基于不完备模糊形式背景,对形式概念分析基本理论与规则提取方法进行了研究,并应用到了协同过滤算法中。论文的主要工作如下:1、定义了相似模糊概念和相容模糊概念,构建了相似模糊概念格,并建立了在不完备模糊形式背景下相容模糊概念之间的偏序关系,进而设计出面向不完备模糊形式背景下关联规则的提取算法。实验结果表明了算法的有效性。2、通过对目标用户行为记录进行分析确定数据集的稀疏度,对于稀疏的数据集,提出了部分填充的方法,然后利用提取出的关联规则和模糊概念将相似的用户都汇聚到同一概念中,最后找出与被推荐客户相类似的k最近邻,为客户进行协同推荐,给出了一种采用相容模糊概念进行协同过滤推荐的方法。总之,本文对基于不完备模糊信息的形式概念分析方法进行了研究,并将其应用到协同过滤推荐系统中,有效的解决了数据缺失、稀疏和数据模糊带来的问题,但是算法也具有一定局限性,如何提高推荐效率、解决协同过滤冷启动和可扩展性都是今后的研究工作。