本体学习的许多方法也已经被国内外许多科研人员提出并应用,而对于本体学习任务中概念间非分类关系的获取,却被研究的较少,它也是本体学习中的难点。随着网络的发展,越来越多的针对某一特定领域的信息系统产生,其包含的数据也越来越复杂,这些数据有可能是结构完整、内容完备的,也可能是结构不完整、内容不完备,也可能是不精确不确定的多值的,并且数据量比较大,又是动态的,又需要分布式存储。本文研究对象就是这种或完备或不完备或多值的领域信息系统。粒计算在处理不完备、不确定信息以及复杂问题中拥有明显的优势,所以针对领域信息系统,通过研究面向本体构建的非分类关系获取的粒计算方法不仅可以扩展数据挖掘的研究内容和方法,而且也可以为复杂数据源下本体中非分类关系学习提供一些指导。　　 本文通过研究本体非分类关系学习和粒计算的相关理论,提出了面向本体构建的非分类关系学习粒计算方法,主要包括以下四个方面:　　 (1)给出了属性值基本粒、概念粒、粒层、粒度空间等用来表示具体信息的形式化定义,以及概念粒间的运算、概念粒相容关系等。　　 (2)针对领域信息系统的特点详细介绍了领域信息系统上的概念粒度空间的构建算法,并用具体流程图说明。　　 (3)针对两个领域信息系统上的概念粒度空间中的概念粒进行关联分析来获取概念粒间的非分类关系,并用准确率和覆盖率来评价获取的非分类关系概念粒对。　　 (4)针对所提出的面向本体构建的非分类关系粒计算方法设计实现测试系统,并用具体数据集进行了测试,验证了算法的有效性。　　 最后对全文的研究工作进行了总结概括,阐述了所研究内容的可取和不足之处,并确定了下一步的工作方向。