[目的/意义]为有效解决基元学习器和集成模型对单形态特定模式的依赖和局限，本文通过加大观察粒度将分类器拓展为可适应多形态混合模式的分类器，以期提升模型理解能力和分类能力。[方法/过程]本文以概念集替代原始特征，引入互斥概念集和正交样本集的概念，对样本进行分离、归纳和融合，构建概念格融合模型，并从模型特质、模型能力、模型品质及过拟合4个方面对模型进行评价。[结果/结论]以亚马逊23 971条评论为样本集的测算结果表明，概念格融合模型在准确性、稳定性、抗干扰性等方面都有较大提升，且模型评价结果表明该模型具有更佳的内在品质。