随着互联网大数据的不断发展,网络形式背景的概念认知学习成为了人工智能领域的一个重要研究方向。形式概念分析作为概念认知学习的一个有效方法,结合网络背景的研究对数据进行处理,很大程度上提高了形式概念分析在网络数据方面的应用。通过网络形式背景刻画形式概念,可以进一步挖掘形式背景数据对网络结构的影响。以图论为理论基础可以进行分析与表示相关网络数据。传统的形式背景可以用网络分析中的关联矩阵表示,网络节点之间的一些显性结构或者主要结构可以用邻接矩阵来表示。这样通过结合邻接矩阵和关联矩阵来描述网络的结构,从而进一步表示出相关的网络数据。本文利用邻接矩阵和关联矩阵表示形式背景,提出网络形式背景的框架,并在此基础上进行网络特征参数的描述和刻画。另外,三支概念分析是对经典形式概念分析的推广,主要思想是把对象域或属性域划分为三个不相交的部分:正域,负域和边界域。该理论将对象共同拥有某种属性和共同不具有某种属性两种情况结合起来,进一步通过三支概念分析进行建模和分析。本文尝试把网络形式背景和三支概念分析理论结合起来,研究这一新的数据进行分析方法。通过将复杂网络分析和形式概念分析结合到一个框架下,进而根据两者自身的优势进行深入研究。以网络形式背景为基础,结合概念认知学习的方法研究网络背景下的对象在内涵中共有的属性,以及某些属性是外延中的所有对象所共同拥有的这两种情况是一个非常重要的研究课题。网络三支概念分析同时结合了网络形式背景、三支概念分析和形式概念三者的特点,不仅可以解决网络形式背景下基于传统形式概念分析的问题,还可以提高对数据提取的效率。本文的具体工作如下:（1）将复杂网络分析推广到三支概念分析下,从而能够更深刻地研究网络背景下三支概念的生成问题。首先,定义了网络形式背景下的节点的中心度、节点的相对中心度以及节点的中心势的算法,通过计算代数值来讨论节点的网络影响力。本文主要考虑的是节点相对中心度,以反映网络总体的影响力的大小。进一步,给出相关节点网络影响力的定义,提出网络三支概念,研究了网络三支强概念和网络三支弱概念。（2）在给出网络三支概念后,进一步探讨网络三支概念的重要性和内部差异。通过研究网络三支强概念和网络三支弱概念的相关性质,给出了生成网络概念算子的方法。同时分析了强概念和弱概念在网络中的影响力以及概念内部的特征。进而通过网络特征值的代数性质分析网络结构情况。（3）给出了网络三支概念分析的案例分析。针对实际案例,根据网络三支概念的定义,计算相关的网络三支强概念和网络三支弱概念,给出网络特征值。通过计算研究分析可以发现网络形式背景下三支概念分析对挖掘相关网络数据信息具有重要意义。