伴随着用户标签使用行为的盛行,Folksonomy的系统功能也被赋予了更高的要求。如何为用户提供满足其个性化信息需求的服务作为Folksonomy重要的研究领域之一,受到学术界的广泛关注。形式概念分析作为一种概念聚类技术,在识别数据集中概念的同时,能通过概念格形式进行可视化的呈现,为Folksonomy分析提供了形式化工具和理论支撑。基于形式概念分析的Folksonomy研究受到图书情报及计算机科学等领域部分研究者的关注。现阶段基于形式概念分析对Folksonomy用户兴趣的相关研究主要集中在从用户群的整体兴趣结构出发,识别具有共同兴趣的好友以及由标签使用频次情况计算用户对标签的兴趣度,并没有考虑用户兴趣在层级结构上的差异和关系,结合用户群标签使用的关联情况挖掘用户潜在兴趣的研究更是鲜见。基于这一现状,本研究展开了基于形式概念分析的Folksonomy用户兴趣识别一系列问题的研究。在形式概念分析理论知识的学习以及概念格结构分析的基础上,本研究提出了基于形式概念分析的Folksonomy用户兴趣识别的方法,具体包括：①基于单用户R-T概念格的分析,提出了基于单用户的兴趣度计算方法,该方法在考虑标签概念出现频次的同时,还考虑了概念所处的层级结构,从而使兴趣度计算过程更符合用户的认知；②提出基于单用户兴趣概念格结构进行兴趣概念推荐的具体策略。该策略在考虑用户对标签概念兴趣度的同时,结合了概念格具体层次结构,从而使推荐兴趣概念的内涵更加适中；③基于用户群U-T概念格的分析,提出通过用户兴趣间的关联规则来挖掘用户潜在兴趣的思路；④就概率因素导致关联规则失真问题进行探讨,提出关联规则判断依据置信度的改进方法,从而消除由于概率因素对关联规则造成的影响；⑤提出通过用户群间的关联规则识别用户的潜在兴趣并形成综合兴趣的方法。本研究通过豆瓣电影中标签、用户及资源数据的收集和标签、资源数据的预处理,采用案例分析、数理统计、问卷调查等多种方法,分别对所提出的基于单用户R-T概念格的兴趣识别方法和基于用户群U-T概念格的潜在兴趣关联性挖掘方法进行了原理分析和方法验证。实验结果表明：从总体上看,用户对通过单用户概念格识别出的推荐概念的兴趣度确实要高于其他标签概念的兴趣度;大量的用户调查显示,用户兴趣在一定程度上呈现出了如用户群U-T概念格提取的关联规则所示的兴趣关系；而修正置信度在一定程度上消除了概率因素对关联规则造成的影响,确保了兴趣概念关联规则提取的可靠性,为用户潜在兴趣的挖掘提供了支持。通过实证研究,验证了本研究所提出方法的有效性,从而为用户兴趣识别及推荐提供了新的思路。