FCA 是利用數學方法從資料集合中尋找概念結構的一種資料分析理 論。最早由 Birkhoff(1940)所提出，利用「概念分析」定義出共同概念之 物件分群方法，發展出物件與概念間二者的二元關係。另外，Wille(1982) 提出一種以點陣理論(lattice theory)為基礎用於資料分析的數學方法，FCA
可以從資料集(data set)中發現概念結構，這些結構能透過概念點陣 (concept lattices)作圖形化的呈現，能夠分析複雜的結構及發現資料中的相 依性。Wille(1992)後來提出以概念矩陣為中心而發展的 FCA 方法，對資 料數據加以分析，也是具代表性的概念知識方法，概念矩陣由三個部分，
物件、概念及二者之間的二元關係所組成。Jiang, Ogasawara, Endoh &
Sakurai(2003) 認為 FCA 是透過數學模式進行資料分析的理論，透過資料 數據的分析讓概念結構能夠容易被發現，以方便研究人員找出數據之間 的模式、規則和界限，進而對有共同特徵物件的屬性進行分群。
二、正規化概念的相關應用
FCA 經常被使用在資料分析中，Dau & Klinger(2005)認為 FCA 主要 的目的是它支援合理的溝通及知識的呈現及處理。Formica(2006)指出 FCA 提供概念化的架構來建造(structure)、分析(analyze)與視覺化(visualize) 資料，使得資料更容易被理解，並透過概念矩陣來定義物件與屬性之間 的二元關係，找出具有相似屬性的物件群。Formica(2008)認為 FCA 是透 過語義來顯示資料間有趣的概念關係，也就是透過內容分析法來找出不 同資料間相似概念(屬性)的方法，而非只是依靠人們的專業知識來判斷資 料間的關聯性。FCA 也廣泛應用在很多不同的領域，像是心理學、社會 學、人類學、醫學、生物學、語言學、計算機科學、數學和工業工程等 領域(Wolff, 1993)。
Jiang et al. (2003) 提出 FCA 是一種以點矩陣理論為基礎進行資料 分析的方法，從資料集合中發現概念結構的資料分析理論，能根據物件 的概念做分群動作。Priss(2006) 認為使用正規化概念分析用於分析資料 與資訊管理上，是非常有潛力的方式，正規化概念的特色在於能夠用概 念矩陣產生圖形化的點矩陣圖，探討物件與概念間的二元關係。另外，
Arévalo, Ducasse, Gordillo & Nierstrasz(2010)研究使用正規化概念分析方 法去鑑定軟體中不明的結構關係，找出在軟體架構中分類行為和子類別 間的依存關係，有助於開發人員在開發初期能建構軟體的系統行為模式。
FCA 也使用於醫療方面，Jiang, Pathak & Chute(2009)的研究使用正規 化概念分析檢視國際疾病分類編號的完整性，以 FCA 為基礎開發檢查國 際疾病的編碼規則的稽核方法。
正規化概念分析的方法能夠將資料結構化，容易了解資料間概念關 係，使研究者可以更方便了解資料之間概念的關係，而本研究中所使用 的就是正規化概念分析方法，本研究針對 Mobile01 中所討論之蘋果公司 產品 iPod、iPhone、iPad 的討論內容作資料分析，並瞭解 3C 虛擬社群所 討論內容的知識特性，其結果可做為企業在不同產品週期階段提供更精 確的資訊給予消費者。並可作為日後企業行銷策略之參考。
本研究透過 Concept Explorer 免費軟體將資料建立成矩陣表，如表 2-4 所示，首行即是文章物件集合，首列具是所有文章討論內容類型的概念
集合，文章物件與討論內容類型的概念如果有關聯性，則在表格中以「X」
從圖 2-3 可知第一層先歸納出所有文章中最重要之概念，節點 A 表 示「產品價格」之概念是所有文章(T1,T2,T3)中都有討論的概念。第二層 節點 B 表示「產品價格」、「產品品質」是二篇文章(T1,T2)中有討論的概 念，同時繼承節點 A 之「產品價格」的概念，節點 C 表示「產品價格」、
「特色規格」是二篇文章(T2,T3)中有討論的概念，與節點 B 同樣繼承節 點 A 之「產品價格」之概念。由此可知節點 B、C 皆各自繼承節點 A 的
「產品價格」概念。節點 D 繼承 B、C「產品價格」、「產品品質」、「規格 特色」之概念，同時也表示是所有屬性的集合，在此層並沒有文章同時 擁有所有的概念。如上所述，我們把從 Mobile01 社群網站蒐集成的資料 結構化，建構出蘋果產品在不同產品週期的知識結構，進而瞭解文章物 件與討論內容概念之間的關係。
第參章 研究方法
本研究從 Mobile01 論壇中蒐集資料，透過內容分析及 FCA，探討蘋 果產品在不同產品週期下，文章與其討論內容概念之關係，研究過程分 述如下：