形式概念分析（FormalConceptAnalysis）这一兴起的数据挖掘理论，最早是由德国学者Wille提出的，概念格结构模型是它的核心数据结构。他的这一思想主要来源于哲学，在哲学中，概念是由外延和内涵两部分组成的思想单元。而在形式概念分析中，概念的外延被理解为属于这个概念的所有对象的集合，内涵则被认为是所有这些对象所共有的特征（或属性）集。概念和概念间的泛化和例化关系可以构成一个概念格，而与其相应的Hasse图则实现了概念格中概念及概念间层次关系的可视化。目前形式概念分析已被广泛地研究，并应用到机器学习，软件工程和信息获取等领域。　　本文跟踪国际学术前沿，主要对形式概念分析中的偏序知识进行深入研究，所获研究成果不仅从理论上丰富和发展了形式概念分析，而且提升了形式概念分析在实际应用方面的探讨价值。　　本文获得了以下主要成果:　　1.对形式背景上的G偏序集、M偏序集和GM偏序集的偏序关系作了进一步讨论，提出了对象上邻，对象下邻，属性上邻，属性下邻，对象上界，对象下界，属性上界，属性下界和极大对象下界等概念，讨论了它们之间的联系并给出了相关的结论。文中根据上下邻之间的关系给出了G偏序图、M偏序图和GM偏序图的构建算法，以及在GM偏序集上直接进行规则提取的算法，并通过实例验证了算法的有效性。本文的研究从偏序角度为形式概念分析提供了新的研究手法，有利于形式概念分析的进一步理解及扩展。　　2.在形式背景上定义了基于G偏序集、M偏序集和GM偏序集的衍生背景，利用衍生背景对原形式背景中的概念、内涵、外延、可约对象、可约属性及蕴含规则等一些基本概念进行了刻画。　　3.将基于GM偏序集的规则提取算法，应用于彩铃增值业务。文中完整的阐述了整个项目的开发过程，重点说明了规则提取算法和规则应用算法，从实际应用方面验证了算法的应用意义。