13、迈向iStar语义知识库的创建与运营研究本体的构建

迈向iStar语义知识库的创建与运营研究本体的构建

1. 情境与问题分析

在当前的系统建模中，上下文模型（CM）的构建通常是手动且临时的过程，尽管已有相关指南，但仍缺乏高效的自动化方法。不过，一些研究提出了语义替代方案，通过模式来支持从头构建i*战略依赖（SD）CM并实现自动化。例如，通过识别通用参与者（如客户）的正交维度，每个维度有一组关联的值标签，代表潜在的参与者实例，且这些标签有一组通用依赖关系。以客户的频率/数量、分销渠道和支付方式这三个分类维度的前两个标签为例，可产生12种可能的参与者实例组合。若选择了“新批发商信用客户”，则其标签关联的所有依赖关系都将成为组织CM中潜在的依赖关系，从而实现依赖关系的识别自动化。然而，这种方法存在标签和关联依赖关系“静态”的问题，例如无法识别同义词标签，若出现“客户”的同义词“client”，则无法识别该标签，相应的潜在依赖关系也不会被纳入CM。

客户维度及关联依赖关系如下表所示：
| 通用参与者 | 维度 | 参与者实例 | 关联依赖关系 | 类型 | 方向 |
| — | — | — | — | — | — |
| 客户 | 频率或数量 | 潜在 | 广泛促销 | 目标 | → |
| 客户 | 频率或数量 | 潜在 | 促销样品 | 资源 | ← |
| 客户 | 频率或数量 | 新 | 提供会员卡 | 目标 | → |
| 客户 | 频率或数量 | 新 | 提供特别入门价格 | 软目标 | → |
| 客户 | 频率或数量 | 新 | 会员卡 | 资源 | → |
| 客户 | 频率或数量 | 新 | 个人信息注册 | 目标 | ← |
| 客户 | 频率或数