星型模型的识别主要基于ER关系的主外键识别。要想自动建立星型模型，实际上是找到事实表与维表间字段的关联关系。
第一步：字段筛选
理论上事实表的每个字段需要与维表的每个字段进行一一匹配，看是否关联。实际操作中，为减少计算量，先从命名上过滤明显不可能是主外键的字段（比如选取命名中带“码”、“ID”、“key”的字段，其它的不考虑）。其次在为事实表字段找可能与之关联的字段时，只考虑相同在相同数据类型的字段之间做匹配。
实际应用中，可能存在把数字、字符、文本等内容均保存为数据库中的String类型数据，因此直接根据数据库中标识的列类型判断不准确。因此我们还定义了根据字段值特征自动识别数据类型的规则。
第二步：找出字段间的包含依赖关系
根据字段数值对事实表与维表中筛选后的字段进行两两匹配，得到包含共同数据字段对，我们称它们有包含依赖关系。
第三步：提取出1：n主外键
在有依赖关系的字段对中选出1：n关系的，1表示主键每个字段值的重复个数，n表示外键每个字段值的重复个数。理论上主键包含的不同字段值要全些，外键去重后的所有字段值来自于主键字段值得一部分。如果外键中有太多超出主键的字段值，它们主外键的关系将不成立。我们用主外键共同字段值占有率（即主外键共同拥有的字段值个数除以外键的所有字段值个数），来衡量它们主外键关系成立的程度。
对于一些字段数值表示相同，但字段实际含义不同的情况。比如有时候性别的数值会用“1,2”来表示，交易；类型也会用“1,2”表示。这时候，在原有判断的基础上还会考虑字段命名的匹配度来进行筛选验证。用字段数值匹配的权重更高些。最终计算出字段两两匹配的概率，输出多对候选值。
第四步：识别联合主外键
如果两张表中同时有多对字段存在n：m包含依赖关系。说明这些字段很可能是联合主键，将这些字段对进行两两或三三（所有可能组合）合并。合并后再进行匹配，看他们是否满足1：n情况，再根据上诉1：n的判断标准来判断哪个组合是联合组件。最后再用字段名进行验证。
