[论文解读] Engineering Conceptual Data Models from Domain Ontologies: A Critical Evaluation

Haya El-Ghalayini, Mohammed Odeh+1 more|ArXiv.org|Jan 28, 2006

Semantic Web and Ontologies参考文献 12被引用 12

一句话总结

本文提出了一种转换引擎，通过形式化的映射算法，能够自动从领域本体生成准确的概念数据模型。利用Bunge-Wand-Weber和OntoClean质量标准进行的评估证实，该方法在捕捉共识性领域语义中的实体、属性和关系方面具有高准确性，表明该方法在提升信息系统开发方面的潜力。

ABSTRACT

This paper studies the differences and similarities between domain ontologies and conceptual data models and the role that ontologies can play in establishing conceptual data models during the process of information systems development. A mapping algorithm has been proposed and embedded in a special purpose Transformation Engine to generate a conceptual data model from a given domain ontology. Both quantitative and qualitative methods have been adopted to critically evaluate this new approach. In addition, this paper focuses on evaluating the quality of the generated conceptual data model elements using Bunge-Wand-Weber and OntoClean ontologies. The results of this evaluation indicate that the generated conceptual data model provides a high degree of accuracy in identifying the substantial domain entities along with their attributes and relationships being derived from the consensual semantics of domain knowledge. The results are encouraging and support the potential role that this approach can take part in process of information system development.

研究动机与目标

• 探究在信息系统开发中直接从领域本体推导概念数据模型的可行性。
• 识别领域本体与概念数据模型之间的关键差异与相似之处。
• 开发并评估一种系统化的转换过程，将本体构件映射到概念数据模型元素。
• 利用既定的本体质量框架评估生成的数据模型质量。
• 确定基于本体的数据建模是否能够提高早期系统设计阶段的准确性和一致性。

提出的方法

• 实现了一个自定义转换引擎，用于将领域本体元素（类、属性、公理）映射到概念数据模型构件（实体、属性、关系）。
• 定义了一个形式化的映射算法，基于语义对应规则将本体语义转换为概念模式组件。
• 采用Bunge-Wand-Weber和OntoClean本体质量标准，结合定量指标与定性分析对方法进行评估。
• 评估重点在于从本体的共识性语义中识别实体、推导属性以及建模关系的准确性。
• 在代表性领域上测试了转换过程，以验证其在模型生成中的一致性与完整性。
• 评估框架确保了从本体构件到相应概念模型元素的可追溯性。

实验结果

研究问题

• RQ1 领域本体在多大程度上可作为生成准确概念数据模型的基础？
• RQ2 本体构件与概念数据模型组件之间的关键语义映射是什么？
• RQ3 生成的概念数据模型在在多大程度上保留了源本体中定义的实体与关系？
• RQ4 生成的模型元素在本体论合理性与一致性方面质量如何？
• RQ5 该转换过程是否能够可靠地支持信息系统开发的早期阶段？

主要发现

• 转换引擎成功生成了高精度的概念数据模型，能够准确识别本体中的实质性领域实体。
• 该方法在Bunge-Wand-Weber标准下表现出良好一致性，尤其在正确识别实体及其属性方面表现突出。
• OntoClean分析证实，生成的模型保留了预期的本体类别，例如实体的具象与抽象之分。
• 评估结果表明，概念模型中的关系与原始本体的公理和约束在语义上保持一致。
• 结果表明，该转换过程保留了领域知识的共识性语义，最大限度减少了语义损失。
• 整体评估结果支持将领域本体作为自动化概念数据模型生成来源的可行性。