本研究解决了在软件产品线背景下生成用户故事集的需求缺口，提出了一种结合三元概念分析和大语言模型的新方法。该方法通过计算3维变异性和提供设计选项，帮助设计师选择并验证所需的用户故事集，进而实现更高效的系统开发。

本研究解决了对语义注释活动评估的需求，提出了一种基于形式概念分析的方法。该方法使领域专家能够通过概念格可视化他们的本体使用情况，从而为注释者提供改进建议，并优化本体以更好地满足语义注释的需求。研究结果显示，这一方法能有效改善注释质量和本体的实用性。

本文探讨了大型语言模型（LLMs）在图像分类、主题提取和深度学习中的应用潜力。研究提出了一种结合专家反馈的交互式框架，以平衡自动化与手动编码。实验验证了LLMs在生成标签、关键词提取和文本挖掘中的有效性，显示出其在提高准确性和效率方面的优势。

本文探讨了可解释人工智能（XAI）在深度伪造检测中的应用，提出了Adversarial XAI算法以防御对抗攻击。研究表明，通过微调输入图像，可以操控模型生成特定解释，并总结了提高深度神经网络鲁棒性的方法及概念分析在XAI中的应用与未来研究方向。

BERT4FCA是一种使用FCA和BERT进行链接预测的新方法，实验证明其在双分图网络上优于之前的FCA方法和经典方法。

该研究探讨了干预模拟程序的概念分析条件推理，并将其应用于概率仿真模型。研究者定义了条件语言中的概率，并证明了基本结果。他们还提出了概率线性不等式推理的公理化方法。研究者证明了该逻辑的可满足性问题的正确性、完备性和NP-完全性。