随着科技的飞速发展,人工智能的发展也越来越快。不确定性推理作为人工智能核心研究领域,在人工智能发展中有着不可替代的作用。模糊语言信息模型由于贴近人类的自然语言,在处理不确定性推理问题时存在数值无法比拟的优势。因此,本文结合语言值有序对三元组和形式概念分析,提出了基于语言值有序对三元组概念格的不确定性推理模型。本文的主要研究成果如下:本文在语言值二元组的基础上,提出一种语言值有序对三元组表示模型,研究语言值有序对三元组及其性质,给出语言值有序对三元组的相似度算子,并讨论语言值有序对三元组加权平均聚合算子。由于进行决策和推理时,获取的初始数据类型复杂,为解决这一问题。构造模糊集、直觉模糊集、犹豫模糊集、语言真值直觉模糊集与语言值有序对三元组之间的标准化转化模型。结合语言值有序对三元组之间的相似度,将标准化转化模型应用于模式识别中,并通过实例说明该方法的合理性。语言值有序对三元组表示模型能够有效地减少信息缺失,从正、反两个方面表达信息,使计算机在模拟人类思维进行推理时,更容易识别人类自然语言。本文将语言值有序对三元组与形式概念分析相结合,提出语言值有序对三元组形式背景,并在标准化转化模型基础上,进一步讨论形式背景、模糊形式背景、语言值直觉模糊形式背景与语言值有序对三元组形式背景之间的转化。为了削弱不确定性推理中,直接由专家给出的推理规则所具有的主观性,研究语言值有序对三元组决策形式背景及其规则提取的算法。基于语言值有序对三元组决策形式背景得到的规则,构建语言值有序对三元组概念格的推理模型,增加了语言值有序对三元组推理的可靠性。最后,给出基于语言值有序对三元组概念格的推理方法和步骤,并通过实例说明基于语言值有序对三元组概念格的推理模型的有效性。