语义网旨在使互联网中的数据信息具有机器可以识别和处理的语义,从而可以为人类提供更智能的服务和更便捷的渠道。本体是特定领域中概念及概念间关系的明确表述,是表达和处理语义的重要工具,因此可以作为实现语义网的基石。然而物质世界中的信息多数是不确定的,不确定性主要包括模糊性和粗糙性两种基本表现形式,因此将模糊性引入本体所构成模糊本体是处理现实世界中模糊对象的有效工具。可见,构建模糊本体是一项意义深远的研究工作。模糊本体构建方法主要包括手工构建和半自动构建两种。手工构建模糊本体不仅耗费较大,而且容易出错。为此,半自动构建模糊本体的核心技术——模糊本体学习技术应运而生。模糊本体学习的目的是半自动地从数据源中提取模糊概念或关系,从而新建或改善已有模糊本体,由此构建出目标模糊本体。模糊形式概念分析(FFCA)由模糊集理论与形式概念分析结合而成,是一种基于模糊形式背景表示形式概念的模型,其主要表现形式是模糊概念格。这种图型层次结构可以有效地分析处理数据和更好地表达概念及概念之间的关系。本文基于FFCA模型和模糊本体学习技术,提出一种基于FFCA的模糊本体学习方法：首先将源模糊本体解析成模糊形式背景,同时收集和解析领域文档,获取模糊概念和关系,并将其导入模糊形式背景中,再通过扩展的模糊概念格渐进式构造方法生成模糊概念格并分簇,最后通过映射规则,将模糊概念格转化为目标模糊本体。根据上述提出的模糊本体学习方法,本文设计了基于FFCA的模糊本体学习系统(FFCA-FOLS)。继而以特定领域的模糊本体和非结构化文档为数据源对该系统进行验证,并与传统的本体学习工具进行比较。实验结果表明,本文设计的FFCA-FOLS系统能够有效地实现模糊本体的学习与完善。