当今社会已经进入了网络信息时代，计算机与网络信息技术的飞速发展使得各个领域的数据和信息急剧增加(信息爆炸)，同时人类的参与使数据与信息系统中的不确定性更加显著。如何有效地实现对数据的分析和处理，如何快速地从数据中提取出隐含的知识，长期以来一直是人工智能领域的研究热点。 概念格(Concept Lattice)，以其完备的结构和坚实的理论基础成为数据挖掘过程中的主要模型之一。由于造格是一个繁杂的过程，如何构造概念格成了制约概念格得到广泛应用的瓶颈。面对这个挑战，各种造格算法随这个难题而产生。目前已经提出了构造概念格的多种算法，归纳一下可以分为两大类：渐进式造格算法和批处理的造格算法。目前绝大多数的渐进式算法只适用于单个对象的逐个插入更新的情况，然而在大多数的数据库中，更新操作往往是同时插入多个对象。为了适应这种情况，根据概念的覆盖关系，提出了一种新的渐进式概念格构造算法，这种算法可以一次性地加入一个对象集合，而且在生成概念的以后，能够构造出概念格的Hasse图，从而加快了概念格的构造速度。 在概念格的构造过程中，首先对形式背景进行约简处理，同时记下删除的行和列，然后把形式背景切分为属性集含有四阶或四阶以下形式背景基的形式，再次约简形式背景，根据形式背景同构进行子概念格构造，子格构造完成以后，为了概念格的完整性，重新添加第二次约简的信息，最后合并生成的子概念格，完成概念格的构造。 实验表明，本文提出的算法模型是可行的，也是非常有效的，且不仅可以使子概念格得到了重用，同时对于概念格多机处理和形式背景经常变动的情况，具有很好的灵活性特点。其中，概念格的合并算法在该模型中处于关键的位置，其性能的优劣直接影响概念格构造的速度。 本文的主要贡献如下： (1)设计了一种基于覆盖关系的概念格构造算法。这种算法在子概念格合并的过程中减少了比较的次数，从而提高了造格的工作效率。 (2)定义了两个映射函数，并用相关定理证明了嵌套线图和概念格所对应的Hasse图之间的映射关系。 (3)设计了一种概念格构造模型，并与CLIF-A算法和Godin算法进行比较。