Benutzerhandbuch - Formal Concept Analyser v15.1

⬆Inhaltsverzeichnis

⬆Neue Features in Version v18.5

Bekannte Fehler / Known Bugs

⬆1. Schnellstart

⬆1.1 Erste Schritte

1. 1Öffnen Sie die Hauptseite des Tools
2. 2Klicken Sie auf "TSV-Datei auswählen"
3. 3Wählen Sie eine TSV-Datei mit Ihren Daten
4. 4Klicken Sie auf "Compute Formal Concepts (FC)"
5. 5Generieren Sie ein Liniendiagramm mit "Liniendiagramm generieren"

⬆1.2 Dateiformate

Das Tool unterstützt verschiedene Dateiformate mit folgender Struktur:

Unterstützte Formate:

• TSV (Tab-Separated Values): Tabulator-getrennte Werte
• CSV (Comma-Separated Values): Komma-getrennte Werte
• SSV (Semicolon-Separated Values): Semikolon-getrennte Werte
• CXT (Connexp): Standard-Format für Formal Concept Analysis

CXT-Format (Connexp):

Das CXT-Format ist ein Standard-Format für Formal Concept Analysis, das von vielen Tools verwendet wird:

⬆2. Detaillierte Anleitung

⬆2.1 Kontext-Datei importieren

Methode 1 - Datei auswählen:

1. Klicken Sie auf den Bereich "Kontext-Datei auswählen" oder den Datei-Button
2. Wählen Sie eine Datei (TSV, CSV oder SSV) von Ihrem Computer aus
3. Das Tool erkennt automatisch das Dateiformat und zeigt eine Vorschau an

Methode 2 - Beispiel-Kontext verwenden:

1. Wählen Sie aus der Dropdown-Liste "Beispiel Kontext auswählen" eine vorgefertigte Datei
2. Klicken Sie auf "Kontext importieren"
3. Die ausgewählte Beispiel-Datei wird automatisch geladen

⬆2.2 Algorithmus auswählen

Das Tool bietet zwei verschiedene Algorithmen zur Formal Concept Analysis:

Bense Algorithm (Standard):

• Klassischer Algorithmus zur Formal Concept Analysis
• Ermittelt alle formalen Begriffe durch systematische Analyse
• Geeignet für kleinere bis mittlere Datensätze

Ganter Algorithm:

• Optimierter Algorithmus basierend auf Next Closure
• Effizienter für größere Datensätze
• Generiert die gleichen Ergebnisse wie der Bense Algorithm

Verwendung: Wählen Sie den gewünschten Algorithmus durch Klick auf die entsprechenden Buttons.

⬆2.3 Formal Concepts berechnen

Nach dem Import Ihrer Daten und der Algorithmus-Auswahl:

1. Der "Compute Formal Concepts" Button wird aktiviert
2. Klicken Sie auf den Button, um die Analyse zu starten
3. Das Tool identifiziert automatisch formale Begriffe
4. Die Ergebnisse werden im Textbereich angezeigt
5. Ein detailliertes Log zeigt die einzelnen Schritte des Algorithmus

Ergebnis-Format:

• FB1, FB2, etc.: Formale Begriffe mit Nummerierung
• Gegenstände: Liste der Objekte im Begriff
• Merkmale: Liste der Merkmale des Begriffs
• Unterbegriffe: Hierarchische Beziehungen

⬆2.4 Visualisierungstool auswählen

Das Tool bietet zwei verschiedene Visualisierungstools:

D3.js (Standard):

• Interaktive SVG-basierte Visualisierung
• Zoom- und Drag-Funktionalität
• Responsive Darstellung
• Top-down Hierarchie-Darstellung

Graphviz:

• Klassische Graphviz-basierte Visualisierung
• Statische PNG-Ausgabe
• Optimierte Layout-Algorithmen
• Geeignet für komplexe Strukturen

⬆2.5 Container-Größe anpassen

Sie können die Größe des Visualisierungs-Containers anpassen:

• 640x640px: Kompakte Darstellung
• 800x800px: Standard-Größe (empfohlen)
• 1200x1200px: Große Darstellung
• 1600x1600px: Sehr große Darstellung

⬆2.6 Liniendiagramm generieren

Nach der Berechnung der Formal Concepts und der Tool-Auswahl:

1. Der "Liniendiagramm generieren (Tool)" Button wird aktiviert
2. Klicken Sie auf den Button
3. Das Tool erstellt ein Diagramm mit dem gewählten Visualisierungstool
4. Das Diagramm wird im Container angezeigt
5. Status-Informationen zeigen die Diagramm-Größe an

Diagramm-Features:

• Rechteckige Knoten für jeden formalen Begriff
• Anzeige von Gegenständen und Merkmalen in den Knoten
• Pfeile zeigen Hierarchie-Beziehungen
• Top-down Darstellung der Begriffsstruktur
• Interaktive Funktionen (D3.js)

⬆2.7 Export-Funktionen

Kontext exportieren:

Sie können den aktuell geladenen Kontext in verschiedenen Formaten exportieren:

1. Klicken Sie auf "Kontext exportieren"
2. Wählen Sie das gewünschte Format (CSV, TSV, SSV, CXT)
3. Wählen Sie den Speicherort aus
4. Die Datei wird im UTF-8 Format gespeichert

PDF herunterladen:

Nach der Generierung des Liniendiagramms:

1. Der "PDF herunterladen" Button wird aktiviert
2. Klicken Sie auf den Button
3. Das PDF wird automatisch heruntergeladen
4. Der Dateiname entspricht dem Namen Ihrer Kontext-Datei

⬆3. Häufig gestellte Fragen (FAQ)

⬆4. Tipps und Tricks

⬆4.1 Optimale Dateistruktur

• Verwenden Sie aussagekräftige Namen für Objekte und Merkmale
• Vermeiden Sie Sonderzeichen in den Namen
• Stellen Sie sicher, dass alle Spalten die gleiche Anzahl Zeilen haben
• Entfernen Sie leere Zeilen am Ende der Datei

⬆4.2 Interpretation der Ergebnisse

• Top-Begriffe: Begriffe ohne Oberbegriffe (maximale Allgemeinheit)
• Bottom-Begriffe: Begriffe ohne Unterbegriffe (maximale Spezifität)
• Mittlere Begriffe: Begriffe mit sowohl Ober- als auch Unterbegriffen

⬆4.3 Fehlerbehebung

• Datei wird nicht geladen: Überprüfen Sie das TSV-Format
• Keine Ergebnisse: Stellen Sie sicher, dass nicht alle Zellen leer sind
• Diagramm wird nicht angezeigt: Warten Sie auf die vollständige Generierung

⬆5. Technische Details

⬆5.1 Algorithmus

Das Tool verwendet einen optimierten Algorithmus zur Formal Concept Analysis:

1. Identifikation von Objekten mit identischen Merkmalsmustern
2. Gruppierung in formale Begriffe
3. Ermittlung der Hierarchie-Beziehungen
4. Generierung der Liniendiagramm-Struktur

⬆5.2 Datenschutz

⬆6. Algorithmen und Performance

Das Formal Concept Analyser bietet zwei verschiedene Algorithmen zur Berechnung formaler Begriffe. Dieses Kapitel erklärt die Unterschiede und hilft bei der Wahl des optimalen Algorithmus für Ihre Daten.

⬆6.1 Detaillierter Algorithmus-Vergleich

Bense-Algorithmus

Grundprinzip: Der Bense-Algorithmus ist ein eigener, intuitiver Ansatz zur Formal Concept Analysis.

Funktionsweise:

1. Attribut-Gruppierung: Objekte mit identischen Attributmengen werden gruppiert
2. Begriffsbildung: Jede Gruppe bildet einen formalen Begriff
3. Hierarchie-Erkennung: Beziehungen zwischen Begriffen werden durch Attribut-Inklusion ermittelt
4. Bereinigung: Duplikate werden entfernt und die Hierarchie optimiert

Technische Details:

• Datenstruktur: Binärmatrix (2D-Array mit 0/1 Werten)
• Speicherverbrauch: O(n × m) wobei n = Objekte, m = Attribute
• Implementierung: Direkte Array-Vergleiche und Gruppierung

Ganter-Algorithmus (Next Closure)

Grundprinzip: Der Ganter-Algorithmus basiert auf dem wissenschaftlich etablierten Next Closure Verfahren.

Funktionsweise:

1. Closure-Operationen: Systematische Generierung aller möglichen Attributmengen
2. Next Closure: Lexikographische Enumeration der formalen Begriffe
3. Extent-Intend-Paare: Jeder Begriff wird als (Extent, Intent)-Paar dargestellt
4. Vollständigkeit: Garantierte Ermittlung aller formalen Begriffe

Technische Details:

• Datenstruktur: Inzidenzmatrix (Hash-Maps/Sets für effiziente Suche)
• Speicherverbrauch: O(n × m) für die Matrix + O(2^m) für die Enumeration
• Implementierung: Optimierte Set-Operationen und Closure-Berechnungen

⬆6.2 Komplexitätsanalyse und Performance

Theoretische Komplexität

Praktische Performance

Wichtiger Hinweis: Die theoretische Komplexität ist nur ein Anhaltspunkt. Die tatsächliche Performance hängt von vielen Faktoren ab:

• Datencharakteristika: Verteilung der Attribute, Anzahl der formalen Begriffe
• Implementierungsdetails: Optimierungen, Datenstrukturen, Speicherzugriff
• Hardware: Prozessor, Speicher, Browser-Optimierungen
• Frühe Terminierung: Algorithmen können bestimmte Pfade früh abbrechen

Performance-Empfehlungen

⬆6.3 Praktische Performance-Beispiele

Beispiel-Berechnungen

Für einen Kontext mit 100 Objekten und 10 Attributen:

Für einen Kontext mit 200 Objekten und 20 Attributen:

Optimierungsstrategien

• Datenvorbereitung: Entfernen Sie redundante Attribute und Objekte
• Algorithmus-Wahl: Testen Sie beide Algorithmen mit Ihren Daten
• Browser-Optimierung: Schließen Sie andere Tabs, verwenden Sie moderne Browser
• Datenaufteilung: Teilen Sie sehr große Datensätze in kleinere Teile auf

⬆6.4 Algorithmus-Auswahl

⬆7. Support und Kontakt

Bei Fragen oder Problemen wenden Sie sich an:

• E-Mail: support@fca-analyzer.de
• Website: www.fca-analyzer.de

⬆8. Implementierung

Dieses Kapitel dokumentiert die technischen Details und Entwicklungszeiten des Formal Concept Analyser Projekts.

⬆7.1 Projektübersicht

Projektname: Formal Concept Analyser (FCA)
Entwickler: Hermann Bense (Dortmund)
KI-Assistent: Claude Sonnet 4 (Anthropic)
Projektstart: 08. Juli 2025
Projektende: 13. Juli 2025
Gesamtdauer: 6 Tage

⬆7.2 Entwicklungszeiten

Entwicklungsphasen:

• Phase 1 (08.07.2025): Grundstruktur und Basis-Funktionalität (ca. 8 Stunden)
• Phase 2 (09.07.2025): Algorithmus-Implementierung und Bugfixes (ca. 6 Stunden)
• Phase 3 (10.07.2025): Visualisierung und UI-Verbesserungen (ca. 7 Stunden)
• Phase 4 (11.07.2025): Erweiterte Features und Integration (ca. 8 Stunden)
• Phase 5 (12.07.2025): Algorithmus-Optimierung und Logging (ca. 5 Stunden)
• Phase 6 (13.07.2025): Manual, Navigation und Finalisierung (ca. 6 Stunden)

Gesamtaufwand: ca. 40 Stunden verteilt über 6 Tage

⬆7.3 Iterationen und Bugfixes

Versionshistorie:

• Versionen v1.0 - v10.0: Grundlegende Implementierung und Basis-Features
• Versionen v11.0 - v13.0: Algorithmus-Optimierung und Bugfixes
• Versionen v14.0 - v14.8: UI-Verbesserungen, Manual und Finalisierung

Gesamte Iterationen: 48 Versionen (basierend auf Backup-Dateien)
Bugfix-Iterationen: ca. 25 Versionen (52%)
Feature-Iterationen: ca. 23 Versionen (48%)

Zusammenarbeit und Workflow

Entwicklungsprozess: Die Zusammenarbeit erfolgte über den KI-Assistenten Claude Sonnet 4 in der IDE Cursor. Hermann Bense formulierte die Anforderungen in der todos.txt, der KI-Assistent implementierte die Lösungen und dokumentierte die Änderungen in den entsprechenden Dateien.

Verwendete Dateien:

• todos.txt: Zentrale Aufgabenverwaltung mit detaillierten Anforderungen und Status-Tracking
• project.mdc: Projektregeln und Entwicklungsrichtlinien für den KI-Assistenten
• backups.mdc: Backup-Strategie und automatische Backup-Erstellung nach Code-Änderungen

Request-Statistiken:

• Gesamte Requests an KI-Assistenten: ca. 35-40 Anfragen über 6 Tage
• Durchschnittliche Umsetzungsschritte pro Request: 3-5 Einzelschritte
• Komplexe Requests (mehr als 5 Schritte): ca. 8 Requests (20%)
• Einfache Requests (1-2 Schritte): ca. 15 Requests (40%)

Wartezeiten und Response-Zeiten:

• Durchschnittliche Response-Zeit: 30-60 Sekunden pro Request
• Komplexe Implementierungen: 2-5 Minuten für umfangreiche Code-Änderungen
• Bugfix-Sessions: Mehrere aufeinanderfolgende Requests mit kurzen Intervallen (5-10 Minuten)
• Entwicklungspausen: Über Nacht und zwischen den Arbeitstagen

Gründe für Missverständnisse:

• Terminologie: Unterschiedliche Begriffsverwendung zwischen Hermann Bense (Fachbegriffe der Formal Concept Analysis) und KI-Assistent (allgemeine Programmierbegriffe)
• Kontext-Übertragung: Manchmal fehlende Übertragung des vollständigen Projektkontexts zwischen Requests
• Implementierungsdetails: Unterschiedliche Vorstellungen über die konkrete Umsetzung von UI-Elementen oder Algorithmen
• Priorisierung: Abweichende Einschätzung der Wichtigkeit bestimmter Features oder Bugfixes
• Technische Einschränkungen: KI-Assistent konnte manchmal nicht alle Projektdateien gleichzeitig einsehen

⬆7.4 Code-Statistiken

Lines of Code (LoC):

• HTML-Dateien: 2.088 Zeilen
• JavaScript-Dateien: 5.040 Zeilen
• CSS-Dateien: 1.028 Zeilen
• Gesamt: 8.156 Zeilen

Dateien:

• HTML: index.html, user-manual.html, upload.html, impressum.html, datenschutz.html
• JavaScript: formal-concepts.js, bense.js, ganter.js, sftp-backend.js, sftp-upload.js
• CSS: styles.css
• Daten: contexts/ (Beispiel-Kontexte), ganter/ (Algorithmus-Entwicklung)

⬆7.5 Verwendete Tools und Technologien

Entwicklungsumgebung:

• IDE: Cursor (AI-gestützte Entwicklungsumgebung)
• KI-Assistent: Claude Sonnet 4 (Anthropic)
• Versionskontrolle: Lokale Backup-Systematik mit Zeitstempel

Frontend-Technologien:

• HTML5: Semantische Struktur und Accessibility
• CSS3: Responsive Design, Flexbox, Grid, Animationen
• JavaScript (ES6+): Moderne JavaScript-Features, Async/Await
• D3.js: Interaktive Datenvisualisierung
• Vanta.js: Hintergrund-Animationen (Globe-Effekt)

Backend/Server:

• XAMPP: Lokale Entwicklungsumgebung
• Node.js: SFTP-Upload-Funktionalität
• Graphviz: Statische Diagramm-Generierung

Datenformate:

• TSV/CSV/SSV: Tabellenbasierte Kontext-Dateien
• JSON: Konfigurationsdateien und Datenstrukturen
• PDF: Export-Funktionalität für Diagramme

⬆7.6 Implementierte Algorithmen

Bense Algorithm: Klassischer Formal Concept Analysis Algorithmus
Ganter Algorithm: Optimierter Algorithmus basierend auf Next Closure
Visualisierung: Top-down Hierarchie-Darstellung mit D3.js und Graphviz

⬆9. Credits

Das Tool Formal Concept Analyser wurde entwickelt mit freundlicher Unterstützung von Thomas Zeh, Darmstadt. Insbesondere hat er mich bei dem Verständnis der Formalen Begriffs Analyse (FBA) begleitet und wertvolle Hinweise bei der Umsetzung des Projektes beigetragen.

⬆10. Referenzen

⬆10.1 Wissenschaftliche Grundlagen

Das Formal Concept Analyser basiert auf etablierten wissenschaftlichen Methoden und Theorien der Formal Concept Analysis. Folgende Publikationen bilden die theoretische Grundlage:

• Ganter, Bernhard. Begriffe und Implikationen. In: Gerd Stumme, Rudolf Wille (edt.), Begriffliche Wissensverarbeitung: Methoden und Anwendungen, Springer 2000. ISBN: 3-540-66391-6:1–24
• Ganter, Bernhard and Wille, Rudolf. Formal Concept Analysis - Mathematical Foundations. 2nd Edition, Springer Berlin Heidelberg 2024. ISBN: 978-3-031-63421-5
• Lübbert, Christoph and Zeh Thomas. Skizze eines Verfahrens zur Erstellung von Ontologien mittels Formaler Begriffsanalyse. Informatik Spektrum (2022) 45 2021 :3–12. Available from: https://link.springer.com/content/pdf/10.1007/s00287-021-01397-1.pdf
• Priss, Uta. The Formalization of WordNet by Methods of Relational Concept Analysis. WordNet: An Electronic Lexical Database and Some of its Applications, MIT press 1998 :179–96. Available from: https://www.upriss.org.uk/papers/mitpaper.pdf
• Bense, Hermann. The Unique Predication of Knowledge Elements and their Visualization and Factorization in Ontology Engineering. Kutz O, Garbacz P (eds.), Proceedings of the Eighth International Conference (FOIS 2014), Rio de Janeiro, Brazil, Sept. 22-25 2014 :241–50. DOI: 10.3233/978-1-61499-438-1-251. Available from: https://ebooks.iospress.nl/publication/37972

⬆9.2 Uta Priss - FCA Ressourcen

Uta Priss hat sehr viel Informationen zur FBA bereitgestellt. Ihre Website ist zu finden unter https://www.upriss.org.uk/. Ihre Website unter https://upriss.github.io/fca/fcasoftware.html enthält eine Vielzahl von weiterführenden Links zu dem Thema.

⬆10. Begriffsverzeichnis