数据分析中,从网络中进行概念认知学习是网络背景下的机器学习和人工智能领域的重要问题。在之前的研究中,人们发现许多数据背后都有其网络结构和概念背景,于是将二者结合,研究基于网络形式背景的概念认知学习,有其重要的理论意义和应用价值。本文首先提出了网络形式背景的概念,将复杂网络分析中反映网络结构的矩阵与形式背景相结合,提出网络形式背景。这样可以将复杂网络分析和形式概念分析的研究统一到一个框架中,并使得以上两种理论之间有了互通的桥梁,从而可以结合它们各自的优势进行更深入的研究。接着,以网络形式背景(NFC1)为基础,从网络概念认知学习的微观、中观、宏观三个层次出发,研究了以下内容:(1)网络概念认知学习的微观层面。通过定义节点的结构影响力和内涵影响力并将它们进行加权,定义了节点的网络影响力。它结合复杂网络分析和形式背景的信息,更精细地刻画了网络微观概念(个体)的网络特征。(2)网络概念认知学习的中观层面。通过定义网络概念,给出了网络概念的特征值:概念的势、概念平均度。这使得我们不仅可以挖掘出网络概念,还可以通过平均度和平均势两个特征值来描述网络概念在网络中的重要性和局部势差。接着还定义了强概念、弱概念,可以用于分析网络的扩散性与收缩性。(3)网络概念认知学习的宏观层面。研究了强(弱)概念的有关代数性质,为以后构造相应的代数系统,生成各种网络概念空间提供了理论基础。最后,给出了有向有权多关系网络形式背景(NFC8)的定义,研究了NFC8的节点影响力和网络概念及其特征值有关的定义和算法,并通过两个算例阐明了上述理论和研究对复杂网络与形式背景相结合研究的理论意义。