概念格构造问题起源于哲学,如今已广泛应用于实际生产中,是对事物的共同本质特点进行抽取,加以概括,形成概念,并最终建立起概念之间相互关系的格状结构,即本文改进算法所要解决的问题。本文的研究目的是建立一个比目前的算法在时间和空间上实现双重压缩的概念格构造算法。首先按照批处理型、渐进构造型、并行构造型和模糊构造型对现阶段的构造算法进行了分类,并在每一类中挑选若干具有代表性的算法进行优缺点的分析,最终选择批处理型中的Chein算法作为本文改进算法的基础。Chein算法具备不依赖于形式背景的优势,且新概念的生成过程和概念之间层次关系的构造相互独立。因此提出了划分子形式背景的方式将新概念的生成过程根据交运算的左值进行子形式背景的划分,正文中给出了证明。从而相互独立的计算即可实现并行化。经过大量实验证明采用FP-Tree对概念进行存储不仅可以实现更高比例的存储空间压缩,同时极大优化了概念之间的交运算过程,效果明显优于其它算法所采用的位运算方式。本文另一个重要改进点是借助FP-Tree实现了冗余概念提早发现并直接删除,从子形式背景划分阶段就避免了冗余概念的产生,从而解决冗余概念对空间的浪费,正文中给出了详细证明。最后通过领域内通用的标准UCI数据集与其它算法进行了多维度对比,验证了改进算法的正确性和高性能的可行性,同时通过转置数据说明了批处理型算法相比于渐进构造型算法具备更好的实用性。正文也给出了实验数据,方便其它改进者进行算法类比。