在智能计算机辅助工艺规划（CAPP）系统中，数据挖掘技术的应用一直受到门槛高、需要领域专家和知识工程师共同协作的限制。郭渊和周敬勇两位研究者通过集成本体和案例基推理（CBR）技术提出了一种新的数据挖掘建模方法，旨在降低数据挖掘技术的应用门槛，并解决智能CAPP系统知识获取难题。
数据挖掘是一种通过分析大量的数据来发现数据中隐藏的模式和知识的过程。在机械科学与技术领域，数据挖掘技术可以用于工艺规划，即产品设计与制造之间的桥梁工作。工艺规划是现代制造业的基础，也是智能化制造的重要组成部分。由于其在信息获取和处理方面的能力，数据挖掘成为了提高工艺规划效率和质量的关键技术之一。
在本文中，作者首先提出了建立基于本体语义的工艺规划数据挖掘事例库。本体是一种形式化的概念模型，它描述了某一领域内相关的概念和概念之间的关系，本体语义的运用可以使数据挖掘模型更加精确地理解工艺规划的上下文环境。本体的建立为数据挖掘提供了丰富的语义信息，使算法可以更好地理解数据内容。
研究者确立了本体语义理解型推理机制和相应的概念相似度算法。推理机制可以基于本体的语义信息进行智能推理，而概念相似度算法则用于评价和比较不同的案例。这些方法有助于自动化地进行数据挖掘，使得普通用户即使不具备深入的数据挖掘知识，也能有效地使用该技术。
接着，文章初步探讨了数据挖掘事例的综合评价方法及修改技术。在数据挖掘过程中，评价挖掘出的事例对工艺规划的实际帮助程度是非常重要的。通过对挖掘结果的综合评价，可以确定哪些事例是更有价值的，哪些可能需要进行修改或调整。此外，随着新数据的不断加入，对已有事例的修改同样需要智能化的支持，这能够保证数据挖掘模型的持续更新和优化。
为了验证所提出的模型和方法，作者以典型的机加工零件为应用实例进行了实验。试验结果证明了本文建议的方法不仅显著降低了数据挖掘技术的应用门槛，还通过智能化建模控制数据挖掘过程实现了自动化，解决了传统数据挖掘建模需要领域专家和知识工程师协作的局限。
关键词数据挖掘建模、工艺规划、本体和案例基推理（CBR）是本文研究的核心内容。数据挖掘建模是指使用数据挖掘技术构建模型的过程，其中涉及到了从大量数据中发现有用信息和知识的算法。工艺规划是指在产品设计完成后，根据设计要求制定如何加工出产品的一系列步骤和方法。本体是构建和处理知识、语义信息的框架，它在数据挖掘中扮演着重要角色，帮助理解和描述复杂的概念及其关系。案例基推理（CBR）是一种基于以前经验（案例）来解决新问题的方法，它可以在数据挖掘中帮助找到与新情况相似的历史案例，并提供解决方案。
本文的研究得到安徽高校自然科学基金重点项目(KJ2017A538)与中国博士后基金项目(2015M571920)的资助，显示了其在国家和地区层面的重视程度。作者郭渊是一位研究方向为智能化制造的博士讲师，通过***邮箱与外界交流。
文章最后指出，工艺规划在现代制造业中起着至关重要的作用，而数据挖掘技术的集成应用为其带来了前所未有的智能化处理能力。通过本体和CBR技术，数据挖掘过程的自动化和智能化得到了实质性的提升，这也代表了未来在工业智能化道路上的一步重要进展。
