Naukowcy opublikowali analizę problemu konwergencji w Relacyjnej Analizie Konceptualnej (RCA) opartej na AOC-posetach zamiast tradycyjnych sieci pojęć. RCA to rozszerzenie Formalnej Analizy Konceptualnej (FCA) umożliwiające przetwarzanie wielorelacyjnych danych - zamiast prostej tabeli opisującej obiekty atrybutami, RCA operuje na danych z relacjami między grupami obiektów, pozwalając na odkrycie bogatszych wzorców i reguł.
Problem polega na tym, że podczas gdy pełna sieć pojęć gwarantuje zbieżność algorytmu iteracyjnego RCA (oznaczającą stabilność wyników), AOC-posety tej gwarancji nie dają. AOC-posety to optymalizacja zawierająca tylko pojęcia wprowadzające nowe obiekty lub atrybuty, co czyni je znacznie mniejszymi i łatwiejszymi do obliczenia niż pełne sieci pojęć. W praktyce są preferowane ze względu na wydajność obliczeniową, ale artykuł pokazuje, że ta optymalizacja może prowadzić do braku konwergencji w ogólnym przypadku.
Znaczenie tej pracy leży w tym, że wskazuje ona fundamentalną słabość w stosowaniu RCA do dużych, złożonych zbiorów danych. Jeśli AOC-posety nie gwarantują zbieżności, może to oznaczać nieprzewidywalne rezultaty lub nieskończone pętle w algorytmach wykorzystujących tę strukturę. Artykuł otwiera drogę do znalezienia warunków, pod którymi konwergencja jest możliwa, lub opracowania modyfikacji AOC-posetów zapewniających stabilność wyników.