在 正 規 化 概念 分 析定 義 中 ， Wolff (1993) 認 為 正 規化 概 念 分析 (Formal Concept Analysis, FCA)是一個表現知識結構非常基本的方法，無 需使用正式的數學定義，FCA 以圖形化的方式表達知識結構，即概念點 陣圖。正規化概念分析應用的兩個主要方式：概念數據分析和概念知識 體系，包括知識表示、獲取和推論。另外有學者在研究中提到正規化概 念分析是用於數據分析，知識表示和資訊管理及評估不同概念點陣的概 念 相 似 性 ， 讓 資 訊 能 更 充 分 及 全 面 性 的 解 釋 (Priss, 2006; Formica, 2006)。
在 FCA 的分析中，He, Rümmer & Kroening (2011) 研究顯示 FCA 是 以屬性的方式分類物件，透過建立階層式結構可更有效地定義相似和相 異的物件。Pei, Ruan, Meng & Liu (2013) 認為正規化概念分析涉及一組二 元關係的層次結構，其主要挑戰為計算所有複雜性指數的正規化概念。
FCA 已經應用在許多學科，如語言學、軟體系統、心理學、人工智慧、
醫學和資訊檢索等領域。本研究將各學者對於正規化概念分析的定義彙
- 12 -
- 13 -
二、正規化概念分析方法使用
在 FCA 方法使用上， -Agudo & González-Calero (2001) 認為 FCA 應被理解為引發型態和規律之間的一種方法屬於一般領域模型的具體情 況下，用於簡要概述數據表示和分析背後理論。從給定的表格輸入數據 這種方法，發現所有正規化概念並計算概念點陣。在 Poelmans, Ignatov, Kuznetsov & Dedene (2013) 研究中提到 FCA 結構如一個概念點陣，而且 更可能描述複雜的結構，包括圖案結構。其次 Belohlavek, De Baets &
Konecny (2014) 認為概念點陣代表正規化概念分析使用的基本結構。它 們的結構是輸入數據分析和理解的重要方向。在 Škoplj n c-M čin &
Bl šković (2014) 研究中提到 FCA 方法的主要優點是具備輸入數據進行 分析的簡易性，並且 FCA 分析結果可清楚顯示輸入值域圖形概述和具有 重要意義的屬性列表及屬性所佔比率。
正規化概念分析分為兩個階段，主要為正規化概念矩陣及正規化概 念點陣圖，說明如下：
(一) 正規化概念矩陣
在 Ganter, Stumme & Wille (2002) 研究中提出 FCA 是以三種元素(G，
M，I)表示，其中 G 元素表示為物件，M 表示為屬性，I 則是物件與屬性 之間的二維關係，而(g , m)∈ I 表示物件 g 含有屬性 m。上述三項元素是 以二維矩陣表的方式呈現，若在某一物件中具有某個屬性時，則在二維
- 14 -
矩陣表中相對位置處標記，若在某一物件中不具有屬性時，則不標記以 空白表示，下列將以範例的方式說明：
本研究以楊程文（2015）範例做說明，以個人所具備的語言能力為 例，正規化概念矩陣表 2-4 如下：
表 2-4 正規化概念矩陣（楊程文，2015）
屬性 物件
華語 英語 日語 法語 西班牙語
成員 1 ╳ ╳ ╳ ╳
成員 2 ╳ ╳
成員 3 ╳ ╳
成員 4 ╳
成員 5 ╳ ╳ ╳
由表 2-4 顯示正規化概念二維矩陣由物件、屬性和物件及屬性間之關 係所組成，首欄為物件，每個物件代表一位成員即成員 1 至成員 5；首列 為屬性，即「華語」、「英語」、「日語」、「法語」和「西班牙語」；而以「╳」
表示的部分為某成員具備之語言能力，如：成員 1 具備「華語」、「英語」、
「日語」和「西班牙語」四種語言能力，則於相對位置處以「╳」標示。
(二) 正規化概念點陣圖
正規化概念矩陣表建立完成後，可將其轉換為正規化概念點陣圖以
- 15 -
FCA 可應用在不同領域，如 Jiang, Ogasawara, Endoh & Sakurai (2003)
{φ} {成員 1,成員 2,成員 3,成員 4,成員 5}
- 16 -
將 FCA 應用在醫療資訊領域，以臨床診斷訊息作為知識來源建造資訊系 統，幫助臨床醫生能夠檢索患者有關的數據。Formica (2008) 認為正規化 概念分析可應用於詞彙數據庫評估概念相似性，因為它允許不同的概念，
在語義上接近的標識。Jiang & Chute (2009) 也提到以 FCA 為基礎的分析 檢索語義完整性。以 FCA 為基礎的方法可以幫助審核內容的語義完整性，
此方法可應用於多個領域。而 Jiang, Pathak & Chute (2009) 研究中提到 FCA 技術可以幫助特定領域評估知識的完整性，未來發展方向可能集中 在 語 義 模 型 到 正 規 化 流 程 中 ， 支 援 領 域 專 家 完 成 領 域 知 識 。 在 Valverde-Albacete, González-Calabozo, Peñas & Peláez-Moreno (2015) 研 究中提到正規化概念分析能幫助建構科學知識，支持科學假說的決策且 能夠概念化研究不同類型的現象。而 Kumar, Ishwarya & Loo (2015) 將正 規化概念分析用於數據和知識處理的數學框架，來表示記憶和執行一些 人腦的認知功能。而 Yao (2016) 在研究中提到正規化概念可以解釋一項 方案所代表的概念，不同方案可能會導致對於概念不同的描述，因此正 規化概念可以幫助理解方案對於概念的表達與解釋。
由上述文獻了解 FCA 可適用於概念相似性及相關知識的建構，因此 本研究採用 FCA 分析虛擬社群在知識分享上之知識結構，而本研究為探 討 FCA 主概念下之網絡狀態，故使用社會網絡分析法了解各概念下成員 的互動狀態。
- 17 -
第四節 社會網絡分析