随着计算机技术和互联网的快速发展,社交网络、智能设备、传感器设备、云计算中心实时生成大量的信息数据,如何从中提取有价值的知识已成为一个巨大的挑战。形式概念分析由德国学者Wille.R于1982年提出,是数据挖掘、数据分析的一种重要研究方法。作为形式概念分析的核心数据结构,概念格通过外延和内涵直接描述一个概念,由偏序关系表示概念之间的联系,并使用Hasse图实现数据信息的可视化。模糊概念格是经典概念格的扩展,能够描述现实中不确定信息,具有更广泛的应用范围。形式概念分析应用的前提是概念格的构造,而且随着数据规模逐渐增大和模糊概念格本身的复杂性,如何高效的构造模糊概念格成为一个新的研究课题。针对这种情况,本文对模糊概念格的构造问题进行分析研究。先对形式概念分析问题给以描述,对目前存在的经典概念格和模糊概念格构造理论、方法进行总结和阐述,指出当前模糊概念格构造所存在的问题,从而提出本论文的研究内容。本文提出一种模糊概念格并行构造算法Para Fu La,弥补了串行模糊概念格构造算法的不足,能更好的满足模糊概念格应用的需求。首先,本文基于已有的模糊概念格构造算法,综合考虑模糊概念格结构特点和构造任务的要求,定义模糊概念格中模糊概念节点的层次和同层模糊概念节点集合,该方法不仅清楚的描述模糊概念的性质,更能体现模糊概念格的结构特点。其次,对同层模糊概念格节点进行分析,得到同层模糊概念节点构造任务相互独立的重要性质,在模糊概念格构造时按照参与计算节点数目进行任务分配,并行计算各个任务。最后,在结果集成时引入映射函数简化搜索空间的遍历,提高搜索模糊概念格的效率,集成计算结果。该算法通过同层模糊概念节点构造任务并行计算,为模糊概念格构造的提高了效率。在数据集上的实验结果表明该算法在面对大规模构造任务时具有良好的效果。