概念模型中频繁结构的挖掘

使用结构化方法表示知识的问题在概念建模领域已为人所知，并且已研究了许多年。已证明采用建模模式是有效的结构方法。模式确实是可泛化的、可重复出现的结构，可作为设计问题的解决方案。它们有助于理解和改进创建模型的过程。使用模式在概念建模中的价值已在多个实验研究中得到证明。然而，在概念模型中发现模式被广泛认识为高度复杂的任务，且目前缺乏系统化的模式识别解决方案。本文提出了解决概念建模语言中发现频繁结构的通用方法。作为概念验证，我们通过聚焦于两种广泛使用的概念建模语言来实现该方法。该实现包括一个探索性工具，将频繁子图挖掘算法与图操作技术集成。该工具处理多个概念模型，并基于各种标准识别循环结构。我们使用两个领先的精选数据集进行验证：一个由OntoUML编码的模型组成，另一个由ArchiMate编码的模型组成。我们方法的主要目标是为语言工程师提供支持工具。该工具可用于识别有效和无效的建模实践，从而支持概念建模语言的精炼和演化。此外，它促进了已积累expertise的复用，最终支持在给定语言中创建更高质量的模型。