On the Multiple Roles of Ontologies in Explainable AI
University of Padua(帕多瓦大学);University of Twente(特文特大学)
该研究梳理了本体在可解释AI中可发挥作用的三个核心视角,对现有相关方法进行分类定位,并指出了基于本体的解释方法待解决的挑战与评估方向。
2023-11-08 cs.AI
A Framework for Evaluating Agricultural Ontologies
Tel-Aviv University(特拉维夫大学);Ben Gurion University of the Negev(本·古里安大学内盖夫分校)
本体是领域知识的一种形式化表示,它可以被机器解释。近年来,本体已经成为领域知识表示的主要工具,并且是许多知识管理系统、决策支持系统和其他智能系统的核心组成部分,特别是在农业背景下。然而,对现有农业本体论文献的回顾表明,大多数提出农业本体论的研究都缺乏明确的评价程序。这是不希望的,因为没有结构良好的评估过程,很难考虑本体的研究和实践的价值。此外,它是很难依赖于这样的本体,并共享它们的语义Web或语义感知应用程序之间。随着越来越多的基于本体的农业系统和语义网的日益普及,它成为必要的,这样的发展和评价方法,提出了指导未来的努力本体发展。我们的工作有助于农业本体的文献,提出了一种方法来评估农业本体,这似乎是从大多数现有的研究农业本体缺失。该框架支持匹配适当的评价方法为一个给定的本体的基础上本体的目的。
2019-06-26 cs.AI
InBiodiv-O: An Ontology for Indian Biodiversity Knowledge Management
为了表达生物多样性信息,需要一个语义模型来连接生物及其栖息地的各种数据。模型必须能够编码人类知识,以便机器理解。本体提供了最丰富的机器可解释(而不仅仅是机器可处理)和显式的语义,被广泛用于生物多样性领域。生物多样性领域开发了各种本体论,但对当前景观的审查表明,这些本体论无法定义印度的生物多样性信息,尽管印度是megadiversity国家之一。为了从语义上分析印度生物多样性信息,建立一个本体来描述网络上非结构化格式数据中的所有基本术语是至关重要的。由于本体的管理在很大程度上取决于这些实现的领域,因此还没有定义理想的方法论以供普遍使用。本文的目的是开发一个本体,语义编码的所有条款的印度生物多样性信息的所有方面的基础上提出的方法。对所提出的本体的综合评价表明,该本体在特定领域中构建得很好。
2022-10-28 cs.AI
On the Complexity of Learning Description Logic Ontologies
University of Bergen(卑尔根大学)
本体是表示领域知识,特别是与生命科学相关的领域中的知识的流行方式。构建本体的过程(半)自动化吸引了来自不同社区的研究人员进入一个称为“本体学习”的领域。我们提供了一个正式规范的准确和可能近似正确的学习模型从计算学习理论。然后,我们从文献中回顾了在这些模型中学习轻量级描述逻辑(DL)本体的复杂性结果。最后,我们强调其他方法在文献中提出的学习DL本体。
2021-03-25 cs.AI cs.CC cs.LG
Towards a Cyber Information Ontology
National Center for Ontological Research(国家本体论研究中心);U.S. Customs & Border Protection(美国海关与边境保护局);University at Buffalo(布法罗大学);Institute for Artificial Intelligence and Data Science(人工智能与数据科学研究所)
本文提出一组术语作为网络本体与顶层、中层本体间的接口,围绕信息复制行为、副本集合及忠实代表成员展开,聚焦网络信息管理的独特性。
2024-08-16 cs.AI
Tagging multimedia stimuli with ontologies
情绪刺激的成功管理是情感计算及其相关研究的一个关键问题。作为人工智能的一个分支,AC不仅关注计算机系统的设计以及能够识别、解释和处理人类情感的硬件,还关注能够以有序和受控的方式触发人类情感反应的系统的开发。这需要在从情感注释的数据库中提取数据时可达到的最大精度和效率。虽然这些数据库确实使用关键字或标签来描述语义内容,但它们不提供有效提取相关情感内容所需的必要灵活性或杠杆作用。因此,在某种程度上,我们建议引入本体作为描述情感注释数据的新范式。基于语义属性选择和排序数据的能力对于任何涉及元数据、语义和本体排序(如语义Web或社会语义桌面)的研究都是至关重要的,本文中描述的方法也有助于这些领域的重用。
2009-03-04 cs.AI
On the Eve of True Explainability for OWL Ontologies: Description Logic Proofs with Evee and Evonne (Extended Version)
Technische Universität Dresden(德累斯顿工业大学)
当使用描述逻辑本体时,理解由描述逻辑推理器导出的蕴涵并不总是简单的。到目前为止,标准本体编辑器Protégé提供了两种服务来帮助:OWL 2 DL本体的(黑盒)证明,以及轻量级OWL EL本体的(玻璃盒)证明,后者利用了推理机ELK的证明设施。由于理由往往不足以解释推理,因此只有很少的工具支持解释推理更有表现力的DL。在本文中,我们介绍了EVEE-LIBS,一个Java库计算证明DL ALCH,和EVEE-PROTEGE,收集Protégé插件显示这些证明在Protégé。我们还简要介绍了最新版本的EVONNE,这是一个更高级的独立应用程序,用于显示和交互使用EVEE-LIBS计算的证明。
2022-06-15 cs.AI cs.LO
The Logical Difference for the Lightweight Description Logic EL
University of Liverpool(利物浦大学)
我们研究了一种基于逻辑的本体版本化方法。在这种观点下,本体提供了对一些感兴趣的词汇表的查询的答案。本体的两个版本之间的差异由接收不同答案的查询集给出。我们调查这种方法中的描述逻辑EL扩展与角色的包容性和域和范围的限制,为三种不同类型的查询:包容,实例和合取查询的术语。在所有这三种情况下,我们提出了多项式时间算法,决定是否两个术语给出相同的答案,查询一个给定的词汇表和计算的差异,如果它是非空的简洁表示。我们提出了一个实现,CEX2,包容和实例查询的算法,并将其应用到不同版本的Snomed CT和NCI本体。
2014-01-23 cs.AI cs.LO
An Embedding-based Approach to Inconsistency-tolerant Reasoning with Inconsistent Ontologies
School of Computer Science;Engineering, Southeast University Nanjing China;School of Mathematics, Southeast University Nanjing China;School of Modern Posts \& Institute of Modern Posts, Nanjing University of Posts;Engineering, Southeast University;School of Mathematics, Southeast University
本文提出一种基于公理嵌入的方法,用于处理不一致本体的推理,通过语义向量计算提升推理能力。
2026-03-09 cs.AI
From Field Data to Global Food Systems Intelligence: A Semantic Graph Framework for Sustainable Wheat Production
Kansas State University(堪萨斯州立大学);University of Missouri(密苏里大学);University of Nebraska-Lincoln(内布拉斯加大学林肯分校)
本文提出可持续小麦生产数据中心,采用KNARM开发养分与病害管理本体构建知识图谱,可准确回答农艺问题、跨源查询,为全球粮食系统数据中心奠定基础。
2026-08-17 cs.AI
A review of ontologies for smart and continuous commissioning
Ryerson University(瑞尔森大学)
建筑物的智能和连续调试(SCCx)可以显著缩小设计和运营性能之间的差距。本体在SCCx中起着重要的作用,因为它们有助于机器的数据可读性和推理。为了在SCCx中开发和整合本体,需要更好地理解本体。本文通过基于构建数据类型、一般方法和应用程序对SCCx领域中自2014年以来构建数据本体的最新研究进行了批判性回顾。建筑信息建模和建筑管理系统这两个主要领域的数据类型已经被大多数现有本体所考虑。通过对现有本体的批判性分析,可以明显看出三个主要应用:(1)关键性能指标计算,(2)建筑性能改进,以及(3)故障检测和诊断。在文献综述中发现的主要差距是SCCx的整体本体论和对如何评估这些方法的见解。基于这些发现,本研究为未来必要的研究,包括:SCCx相关的数据类型的识别,本体性能的评估,并创建开源方法提供了建议。
2022-08-25 cs.AI cs.DB
Query Inseparability for ALC Ontologies
KRDB Research Centre, Free University of Bozen-Bolzano(博岑-博尔扎诺自由大学KRDB研究中心);Fachbereich Informatik, University of Bremen(不来梅大学计算机系);Department of Computer Science and Information Systems, Birkbeck, University of London(伦敦大学伯贝克学院计算机科学与信息系统系);Department of Computer Science, University of Liverpool(利物浦大学计算机系)
我们调查的问题是否两个ALC本体是不可区分的(或不可分割的)通过查询在一个给定的签名,这是本体工程任务,如本体版本化,模块化,更新和遗忘的基础。我们认为知识库(KB)和TBox不可分离。对于知识库,我们给出了模型理论的标准(有限部分)同态和产品,并证明了这个问题是不可判定的合取查询(CQ),但2 ExpTime-complete工会的CQ(UCQ)。如果(U)CQ被替换为根(U)CQ,其中每个变量都连接到一个答案变量,则同样的结果也成立。我们还表明,不可分性的CQ仍然是不可判定的,如果一个KB是在轻量级DL EL,如果没有限制的CQ签名。我们还考虑的问题是否两个ALC TBox给出相同的答案,任何查询的任何ABox在一个给定的签名,并表明,对于CQ,这个问题是不可判定的。然后,我们开发模型理论的标准霍恩-ALC TBoxes和使用树自动机,相比之下,不可分割性成为可判定的和2 ExpTime完整,甚至ExpTime完整时,限制(工会)根CQ。
2019-01-31 cs.AI
Improving the portability of predicting students performance models by using ontologies
Escuela Superior Politécnica Agropecuaria de Manabí (ESPAM MFL)(马纳比农业高等理工学院(ESPAM MFL));University of Córdoba (UCO)(科尔多瓦大学(UCO))
针对教育数据挖掘中预测模型因依赖低级属性导致可移植性差的问题,提出利用基于动作分类法的本体总结学生与Moodle交互,证明该方法能提升模型跨课程可移植性且不损失预测准确性。
2024-10-09 cs.AI
AutoRD: An Automatic and End-to-End System for Rare Disease Knowledge Graph Construction Based on Ontologies-enhanced Large Language Models
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);University of Illinois College of Medicine Peoria(伊利诺伊大学皮奥里亚医学院)
针对LLM罕见病专业知识不足、难以处理最新信息及管理数据的问题,本文提出端到端系统AutoRD,通过整合最新结构化知识自动抽取罕见病实体与关系,并在实验中超越常见LLM和传统方法。
2024-10-25 cs.AI cs.CL
Ontology alignment repair through modularization and confidence-based heuristics
LaSIGE, Faculty of Sciences of the University of Lisbon(里斯本大学科学学院LaSIGE)
本体匹配的目的是找到一组语义对应,称为对齐,相关的本体之间。近年来,有越来越多的兴趣,高效和有效的匹配方法,大型本体。然而,大多数大型本体产生的对齐在逻辑上是不连贯的。直到最近,使用修复技术来提高本体对齐的质量才被探索。在本文中,我们提出了一种新的技术,用于检测不连贯的概念本体模块化的基础上,和一个新的修复算法,最大限度地减少不连贯的结果对齐和匹配的数量从输入对齐。一个实现完成的一部分,一个轻量级的版本的ProximementMaker系统,一个成功的本体匹配平台,并使用一组四个基准生物医学本体匹配任务进行评估。我们的研究结果表明,我们的实施是有效的,并产生更好的对齐方面的连贯性和f-措施比国家的最先进的修复工具。他们还表明,我们的实现是一个更好的替代方案,产生连贯的银标准的路线。
2013-07-19 cs.AI
Semantic-ontological combination of Business Rules and Business Processes in IT Service Management
FH JOANNEUM University of Applied Sciences(FH JOANNEUM应用科技大学)
IT服务管理涉及管理与复杂系统环境相关的广泛项目。由于两者都有,与商业利益和IT基础设施的密切联系,语义表达的应用程序可以无缝地集成在管理ITSM环境的应用程序中,可以帮助提高透明度和盈利能力。本文重点介绍了ITSM环境中的语义和本体集成的挑战。它将描述复杂服务树中的关系和继承的范例,并将提出一种本体表达它们的方法。此外,将讨论基于SBVR的规则作为可执行SQL触发器的应用。最后,将提出从调查结果中得出的进一步研究的广泛主题。
2011-07-11 cs.AI
Shiva++: An Enhanced Graph based Ontology Matcher
Banasthali University(巴纳斯达利大学);Center for Development of Advanced Computing(先进计算发展中心)
随着网络变得越来越大,吸收了关于不同概念和领域的知识,简单的数据库驱动的应用程序捕获某个领域的数据变得非常困难。因此,开发人员已经提出了基于本体的系统,可以存储大量的信息,并可以应用推理和产生及时的信息。从而促进有效的知识管理。虽然这种做法使我们的生活更容易,但同时也产生了另一个问题。两种不同的本体论在吸收同一知识的同时,往往会对同一概念使用不同的术语。这在知识工程师和工作人员中造成了混乱,因为他们不知道哪个术语比另一个更好。因此,我们需要合并工作在同一领域的本体,使工程师可以开发一个更好的应用程序在it.This本文显示了这样的匹配器的发展,合并的概念,在两个层次上的两个本体:1)在字符串级别和2)在语义级别,从而产生更好的合并本体。我们使用了一个图形匹配技术的工作在系统的核心。我们还评估了系统,并测试了它的性能与它的前身,它只适用于字符串匹配。因此,目前的做法产生了更好的结果。
2014-04-19 cs.AI
Executable Ontologies: Synthesizing Event Semantics with Dataflow Architecture
本文提出boldsea架构及形式化语言BSL,通过将事件语义与数据流架构结合,利用可执行本体直接控制过程执行,克服了传统BPM系统的局限,实现运行时模型修改与数据及业务逻辑的无缝融合。
2025-09-16 cs.AI cs.CL cs.FL
IEDM, an Ontology for Irradiation Experiment Data Management
MINES ParisTech, PSL University(巴黎文理研究大学巴黎矿业学院);CERN(欧洲核子研究组织)
辐照实验(IE)是高能物理(HEP)粒子加速器和探测器发展的重要步骤。他们通过在短时间内模拟由于高能粒子轰击而导致的常见长期降解效应,评估HEP实验设备中使用的材料的辐射硬度。IE还用于其他科学和工业领域,例如医学(例如,用于癌症治疗、医学成像等),空间/航空电子设备(例如,用于有效载荷设备的辐射测试)以及在工业中(例如,用于食品杀菌)。这些复杂的过程通常使用电离辐射进行,需要高度专业化的基础设施:辐照设施。目前,全世界有数百个这样的设施。为了帮助开发最佳实践和促进计算机辅助处理和管理的IE,我们介绍IEDM,一个新的基于OWL的辐照实验数据管理本体。本文概述了IEDM的类和属性。由于IEDM的关键设计选择之一是最大限度地重用现有的基础本体,如科学实验本体(EXPO),测量单位本体(OM)和朋友的朋友本体(FOAF),我们讨论了IEDM与这些进口本体集成的方法问题。我们说明了IEDM的使用,通过一个实际的IE最近在IRRAD,欧洲核子研究中心的质子辐照设施。最后,我们讨论这项工作的其他动机,包括使用IEDM的IE管理的用户界面的生成,以及它们对我们的方法的影响。
2019-01-16 cs.AI cs.SE
Knowledge management for enterprises (Wissensmanagement fuer Unternehmen)
虽然知识是企业最宝贵的资源之一,是重要的生产和竞争因素,但这种智力潜力往往被企业利用(或保持)得不够。因此,在全球化和不断增长的市场中,现有知识的最佳利用是未来企业的关键因素。在这方面,知识管理系统应提供便利。然而,由于地理上遥远的分布式设施的原因,分布式系统,本文应该揭示与它连接的频谱,并提出了一种可能的基本方法,这是基于本体和现代的,平台无关的技术。最后但并非最不重要的是,这种尝试,以及知识管理的一般问题,进行了讨论。
2002-08-01 cs.AI cs.IR
Efficient Computation of General Modules for ALC Ontologies (Extended Version)
LISN(LISN实验室);CNRS(法国国家科学研究中心);Université Paris-Saclay(巴黎萨克雷大学);Vrije Universiteit Amsterdam(阿姆斯特丹自由大学)
针对描述逻辑ALC本体,提出基于均匀插值的通用模块提取方法,能生成比经典模块和现有均匀插值更小且计算更快的模块,并改进了二者的计算。
2023-05-16 cs.AI cs.LO
MedTQ: Dynamic Topic Discovery and Query Generation for Medical Ontologies
University of Missouri-Kansas City(密苏里大学堪萨斯城分校)
生物医学本体是指通过开放数据运动极大地改善了数据管理和数据共享的感兴趣的生物医学领域的共享概念化。生物医学数据的快速增长和可用性使得对大规模本体进行手动分析和查询处理变得不切实际且计算昂贵。缺乏能力,从这样的各种来源的本体分析,并支持临床实践和生物医学研究的知识发现,应克服新技术。在这项研究中,我们开发了一个医学主题发现和查询生成框架(MedTQ),这是由一系列的方法和算法组成。介绍了一种基于谓词邻域模式的方法,该方法能够计算本体中谓词(关系)的相似性。给定谓词相似性度量,机器学习算法已经被开发用于自动主题发现和查询生成。通过扩展已有的有监督聚类算法(K-means clustering)来构造主题层次结构,设计了一种主题发现算法--层次K-means算法。在分层K-Means算法中,针对主题元素之间的强关联性,采用逐层优化策略。自动查询生成的主题,可以引导用户进行交互式查询设计和处理。评价进行生成主题层次的DrugBank本体作为一个案例研究。结果表明,MedTQ框架可以通过从特定领域的数据和本体中捕获底层结构来增强知识发现。
2018-02-12 cs.AI cs.DB cs.IR
Semantics-based services for a low carbon society: An application on emissions trading system data and scenarios management
Italian National Agency for New Technologies, Energy and Sustainable Economic Development (ENEA)(意大利新技术、能源与可持续经济发展局(ENEA))
低碳社会旨在通过激励政府、工业和科学界的协同努力来应对全球变暖。应采用决策支持系统,为政策制定者提供可能的情景,在低碳社会政策对环境、经济和社会产生副作用的情况下及时采取对策的选择,以及信息管理的选择。实现这一议程的一个必要前提是面对这一多学科领域的复杂性,并就其作为正式规范达成共识。本体论是一种被广泛接受的共享知识的方法。与语义规则一起,它们使高级语义服务能够以更智能的方式管理知识。在这里,我们解决欧洲排放交易系统(EU-ETS),我们提出了一个知识库组成的EREON本体和规则的目录。然后,我们描述了两个创新的语义服务来管理ETS的数据和信息ETS的情况。
2015-02-09 cs.AI
Semantic Sensor Network Ontology based Decision Support System for Forest Fire Management
Indian Institute of Information Technology Allahabad(印度理工学院阿拉哈巴德分校);National Institute of Technology Patna(印度国立理工学院巴特那分校)
森林是每个国家的重要资产。当它被破坏时,它可能会对环境产生负面影响,森林火灾是主要原因之一。火灾天气指数被广泛用于衡量火灾危险性,并用于发布火灾预警。它还可以用来预测应急管理资源的需求。传感器网络在数据汇集和处理能力方面越来越受欢迎,用于医疗、环境监测、家庭自动化等行业的各种应用。语义传感器网络可以收集各种气候情况,如风速、温度和相对湿度。然而,估计火灾天气指数是具有挑战性的,由于处理传感器产生的数据流所涉及的各种问题。因此,森林火灾探测的重要性日益增加。底层的语义传感器网络(SSN)本体的建立,使开发人员能够创建计算火灾天气指数的规则,并将数据集转换为资源描述框架(RDF)。本研究描述了制定火灾天气指数计算规则的各个步骤。此外,这项工作提出了一个基于Web的映射界面,以帮助用户可视化火灾天气指数随时间的变化。在推理规则的帮助下,设计了一个基于SSN本体的决策支持系统,并通过SPARQL查询SSN本体。提出的火灾管理系统根据情况采取行动,支持推理和开放世界的一般语义,所有本体都遵循
2022-07-13 cs.AI cs.CY
Tractable Diversity: Scalable Multiperspective Ontology Management via Standpoint EL
TU Dresden(德累斯顿工业大学)
本文提出 Standpoint EL,一种 EL 的多模态扩展,用于集成表示多视角领域知识,并证明其保持 PTime 可推理性,而额外特性会导致不可处理。
2023-02-25 cs.AI
An Ontology for Defect Detection in Metal Additive Manufacturing
University of Pavia(帕维亚大学);Free University of Bozen-Bolzano(博尔扎诺自由大学)
工业4.0应用的一个关键挑战是为自动化制造服务开发控制系统,这些系统能够解决数据集成和语义互操作性问题,以及监控和决策任务。为了解决先进制造系统中的这一问题,基于形式本体的原则性知识表示方法已经被提出作为异构数据源存在下的信息管理和维护的基础。此外,本体提供推理和查询能力,以帮助领域专家和最终用户在约束验证和决策的上下文中。最后,基于本体的先进制造服务的方法可以支持基于黑盒机器学习算法的监视、控制和仿真系统的行为的可解释性和可解释性。在这项工作中,我们提供了一种新的本体论的金属增材制造文献中已知的工艺引起的缺陷的分类。再加上一个正式表示的特征和来源的缺陷,我们整合了我们的知识库与国家的最先进的本体在该领域。我们的知识库旨在通过添加进一步的缺陷分析术语和诊断推理功能来增强增材制造本体的建模能力。
2022-09-29 cs.AI cs.LO
Mapping Patterns for Virtual Knowledge Graphs
Free-University of Bozen-Bolzano(博尔扎诺自由大学);Umeå University(于默奥大学);Technion – Israel Institute of Technology(以色列理工学院);Northeastern University(东北大学)
本文针对虚拟知识图谱中数据源与本体映射的管理难题,提出一个全面的映射模式目录,并通过基准和实际用例验证其覆盖绝大多数模式。
2023-08-11 cs.AI cs.DB
IfcWoD, Semantically Adapting IFC Model Relations into OWL Properties
ACTIVe3D;CNRS(法国国家科学研究中心);ENSAM(法国国立高等工程技术学校);Univ. Bourgogne Franche-Comté(勃艮第-弗朗什-孔泰大学)
在建筑信息建模的背景下,本体已被确定为在实现信息互操作性的兴趣。关于建筑和设施管理领域,已经开发了几个基于IFC(工业基础类)的本体,例如IfcOWL。在本体建模的上下文中,可以利用优化基于IFC STEP的文件的大小的约束。在本文中,我们提出了一个适应的IFC模型到OWL,利用所有的建模约束所需的面向对象的结构的IFC模式。因此,我们不仅提出了一个语法,但也是一个语义适应IFC模型。我们的模型考虑了IFC标准定义的实体,关系,属性和属性的含义。我们的方法提出了几个优势相比,其他举措,如查询执行时间的优化。每一个优势都通过实际的例子和基准来捍卫。
2015-11-12 cs.AI
SOSA: A Lightweight Ontology for Sensors, Observations, Samples, and Actuators
University of California, Santa Barbara(加利福尼亚大学圣巴巴拉分校);Australian National University(澳大利亚国立大学);CSIRO(澳大利亚联邦科学与工业研究组织);Ecole des Mines de Saint-Etienne(圣艾蒂安国立高等矿业学校)
传感器、观察、采样和致动器(SOSA)本体提供了一个正式但轻量级的通用规范,用于对观察、致动和采样行为中涉及的实体之间的交互进行建模。SOSA是基于范围和目标受众的变化,技术发展和过去几年的经验教训重新思考W3C-XG语义传感器网络(SSN)本体的结果。SOSA还可以替代SSN的刺激传感器观察(SSO)核心。它由开放地理空间联盟(OGC)和万维网联盟(W3C)关于\emph{Spatial Data on the Web}的第一个联合工作组开发。在这项工作中,我们激发了对SOSA的需求,提供了主要类和属性的概述,并简要讨论了它与新版本的SSN本体的集成以及与OGC的观测和测量(O\&M),Dolce-Ultralite(DUL)和其他突出本体等规范的各种其他对齐。我们还将触及常见的建模问题和应用领域有关的发布和搜索的观察,采样和驱动数据在Web上。SOSA本体和标准可以在\url{https://www.w3.org/TR/vocab-ssn/}上访问。
2018-12-25 cs.AI
Ontology Refinement with Embeddings and LLMs: A Case Study on CASTON
University of Manchester(曼彻斯特大学);Jönköping University(延雪平大学);National University of Singapore(新加坡国立大学);COMPtech i Skillingaryd AB(COMPtech i Skillingaryd AB公司)
本文以铸造领域本体CASTON为研究对象,提出结合微调本体嵌入模型与LLMs的轻量可扩展本体优化工作流,经评估其修复效果获领域专家认可。
2026-10-16 cs.AI
Blockchains through ontologies: the case study of the Ethereum ERC721 standard in OASIS (Extended Version)
University of Catania(卡塔尼亚大学);The Sicilian Wheat Bank S.p.A(西西里小麦银行股份有限公司)
本文提出利用 OASIS 本体对区块链上的智能合约进行语义表示,并以以太坊 ERC721 标准下的 NFT 管理为案例,展示如何为去中心化交易活动提供清晰、无歧义的描述。
2024-02-20 cs.AI cs.CR
Lattice-preserving $\mathcal{ALC}$ ontology embeddings with saturation
King Abdullah University of Science and Technology(阿卜杜拉国王科技大学)
针对$\mathcal{ALC}$描述逻辑本体,利用范畴论构建概念格并采用保序嵌入方法,在知识库补全任务中超越现有方法,并引入饱和化增强信息。
2024-11-06 cs.AI cs.LO
TIO-SHACL: Comprehensive SHACL validation for TMF Intent Ontologies
Ericsson Research(爱立信研究)
本文提出TIO-SHACL框架,为TMF意图本体提供全面的SHACL验证,包含56个节点形状和69个属性形状,支持100%词汇覆盖和三引擎兼容,验证了133个测试用例。
2026-04-30 cs.AI cs.CL
Advancing Multi-Context Systems by Inconsistency Management
Vienna University of Technology(维也纳工业大学)
多上下文系统是一种表达形式主义模型(可能)异构知识库之间的非单调信息交换。然而,这样的信息交换往往会带来不可预见的副作用,导致违反约束,使系统不一致,从而无法使用。虽然有许多方法来评估和修复一个单一的不一致的知识库,多上下文系统的异质性提出了尚未以令人满意的方式解决的问题:如何识别和解释一个不一致,蔓延在多个知识库与不同的逻辑形式(例如,逻辑程序和本体论)?如果推理/信息交换是非单调的(例如,信息缺失是原因)。如果对知识库的访问受到限制,如何处理不一致性(例如,各公司交换信息,但不允许对其知识库进行任意修改)?许多传统的方法只针对一致的系统,但不一致的自动删除并不总是可取的。因此,必须支持人类操作员找到导致不一致的错误部件。在我的论文中,这些问题将主要从基础的角度来解决,而我们的研究项目也提供了算法和原型实现。
2011-07-11 cs.AI
Decision support system for Forest fire management using Ontology with Big Data and LLMs
Indian Institute of Information Technology Allahabad(阿拉哈巴德印度信息技术学院)
本文提出一种结合SSN本体、SWRL规则、大语言模型与Apache Spark的森林火灾管理决策支持系统,实现早期火灾检测、实时警报与风险预测,并通过多种指标验证其有效性。
2025-07-21 cs.AI
A Hybrid AI Methodology for Generating Ontologies of Research Topics from Scientific Paper Corpora
University of Cagliari(卡利阿里大学);The Open University(开放大学);University of Milano Bicocca(米兰-比科卡大学)
本文提出Sci-OG半自动化方法论,通过主题发现、关系分类和本体构建生成研究主题本体,在21,649个三元组数据集上取得F1分数0.951,优于SciBERT和GPT4-mini等基线,并成功应用于扩展CSO网络安全本体。
2025-08-06 cs.AI cs.DL cs.IR
Ontology Creation and Management Tools: the Case of Anatomical Connectivity
Institute of Informatics, University of Amsterdam, The Netherlands(阿姆斯特丹大学信息学院);Auckland Bioengineering Institute, University of Auckland, New Zealand(奥克兰大学生物工程研究所);Department of Neuroscience, University of California, CA, USA(加州大学神经科学系)
本文提出 ApiNATOMY 框架,结合知识表示模型与知识管理工具,支持多尺度生理回路图谱的拓扑和语义表示,以辅助研究人员映射周围神经系统等生理系统数据。
2025-09-19 cs.AI cs.DL
Guidelines for a Dynamic Ontology - Integrating Tools of Evolution and Versioning in Ontology
University of Bourgogne - Dijon(勃艮第-第戎大学)
本体论建立在概念上随时间演变的系统上。此外,构建本体的技术和语言也在发展。这导致了本体版本化和本体进化领域的大量研究。本文提出了一种新的方法来管理生命周期的本体结合版本化工具和演化过程。这个解决方案,称为VersionGraph,自创建以来就集成在源本体中,以便能够发展和版本化。变更管理与表示本体的模型密切相关。因此,我们专注于OWL语言,以考虑到的变化的影响,如OWL DL中指定的本体的逻辑一致性。
2012-08-08 cs.AI cs.SE
SHACL-SKOS Based Knowledge Representation of Material Safety Data Sheet (SDS) for the Pharmaceutical Industry
Purdue University(普渡大学);Merck & Co., Inc.(默克公司);MRL(默克研究实验室)
针对制药行业SDS文档集中访问难的问题,开发基于混合SHACL-SKOS本体的KRR系统,构建受控词汇与条件并链接领域知识,实现SDS标准化表示,提升化学安全沟通与合规性。
2025-02-11 cs.AI
APOLO: Automatic Prompt Optimization for Ontology Learning
Bosch Center for Artificial Intelligence(博世人工智能中心);Bosch Research North America(博世北美研究院);University of Mannheim(曼海姆大学);University of Würzburg(维尔茨堡大学)
本文提出APOLO,将本体学习转化为提示优化问题,利用多智能体生成训练数据,并采用贪婪与自回归两种学习器,经GEPA优化后在生物医学和植物本体上均获提升,证明提示优化是微调的轻量级替代方案。
2026-10-21 cs.AI
'Just Enough' Ontology Engineering
University of Strathclyde(思克莱德大学)
本文介绍了“刚刚好”的原则和“系统工程”的方法,本体开发的实践,提供一个最小的但完整的,轻量级的,敏捷的和集成的开发过程,支持利益相关者管理和实现的独立性。
2011-08-06 cs.AI
A Survey on Semantic Modeling for Building Energy Management
LASIGE, DI, Faculdade de Ciências, Universidade de Lisboa, Portugal(里斯本大学科学学院激光工程与信息研究所)
综述建筑运行阶段语义建模,分析60个模型和20多个用例,提出本体证据完备性指标,发现物理结构覆盖好而动态概念覆盖不足,指出提升互操作性和泛化能力的方向。
2026-09-07 cs.AI
Semantic Matching of Security Policies to Support Security Experts
University Hassan II(哈桑二世大学)
考虑到要管理的域的数量,并考虑到其范围和复杂性,安全策略的管理变得越来越困难。安全专家必须处理可能属于任何云计算或分布式系统的不同域中使用的各种框架和规约语言。这些丰富的框架和语言使得管理任务和安全策略的解释变得非常困难。每种方法都提供了自己的冲突管理方法或工具,安全专家将被迫管理所有这些工具,这使得现场维护和时间消耗昂贵。为了隐藏这种复杂性,并促进一些安全专家的任务和自动化的人,我们提出了一个基于本体的安全策略对齐过程,这个过程能够检测和解决安全策略冲突,并支持安全专家在管理任务。
2013-03-28 cs.AI cs.CR
Knowledge Technologies
Knowledge Technologies(知识技术公司);Polimetrica(波利梅特里卡公司)
正在出现的若干技术为获取、储存、呈现和使用知识提供了新的途径。这本书是第一本全面介绍这些技术中最重要的五种:知识工程,基于知识的工程,知识网,本体和语义网。对于每一个问题,都给出了一些关键问题的答案(它是什么?它是如何运作的?一个系统是如何开发的?它能用来做什么?有哪些工具可用?主要问题是什么?)。这本书是针对学生,研究人员和从业人员感兴趣的知识管理,人工智能,设计工程和网络技术。在20世纪90年代,尼克在诺丁汉大学工作,研究人工智能技术在知识管理中的应用,以及各种知识获取项目,以开发军事应用的专家系统。1999年,他加入Epistemics,在那里他参与了许多知识项目,并帮助在工程,技术和法律部门的大型组织建立知识管理计划。他是《实践中的知识获取》一书的作者,该书描述了获取和实施专业知识的分步程序。他与致力于知识技术的领先研究机构保持着密切的联系,如基于知识的工程,本体论和语义技术。
2008-02-26 cs.AI cs.CY cs.LG
NEMA: Automatic Integration of Large Network Management Databases
University of Massachusetts, Amherst(马萨诸塞大学阿默斯特分校);Cisco(思科)
网络管理,无论是故障分析,故障预测,性能监控和改进,通常涉及大量的数据来自不同的来源。为了有效地集成和管理这些数据源,自动找到它们的模式或本体之间的语义匹配是至关重要的。现有的数据库匹配方法主要分为两类。一种是基于模式属性(如字段名、数据类型、约束和模式结构)的模式级匹配。网络管理数据库包含大量表(例如,网络产品、事件、安全警报和日志),这些信息来自不同的部门和组,具有不统一的字段名称和架构特征。通过这些模式属性来匹配它们是不可靠的。另一类是基于实例级的匹配,使用一般的字符串相似性技术,这是不适用于大型网络管理数据库的匹配。在本文中,我们开发了一个匹配技术,大型网络MANNETWORK数据库(NEMA)部署的实例级匹配有效的数据集成和连接。我们设计的数值和非数值字段的匹配指标和分数,并提出匹配这些字段的算法。通过在大型网络管理数据库中进行基于地面真值字段对的实验,对NEMA的有效性和效率进行了评估。我们对包含1,458个字段的大型数据库进行了测量,每个字段包含超过1000万条记录,结果显示NEMA的准确率高达95%。与基线方法相比,它实现了2%-10%的精度和5倍-14倍的加速。
2020-06-01 cs.AI cs.DB
Ontology Design Facilitating Wikibase Integration -- and a Worked Example for Historical Data
Kansas State University(堪萨斯州立大学);Michigan State University(密歇根州立大学)
Wikibase是Wikidata的基础软件,是一个强大的知识图谱创建和管理平台。然而,它是在考虑众包知识图谱创建场景的情况下开发的,这特别意味着它不是为用例场景而设计的,在这些场景中,将以本体的形式施加严格控制的高质量模式,并且实际上,独立开发的本体不一定无缝映射到维基库方法。在本文中,我们提供了所需的关键成分,以结合传统的本体建模与维基平台的使用,即一组\emph{axiom}模式,弥合范式的差距,连同使用说明和工作的历史数据的例子。
2022-05-27 cs.AI
CaosDB - Research Data Management for Complex, Changing, and Automated Research Workflows
Max Planck Institute for Dynamics and Self-Organization(马克斯·普朗克动力学与自组织研究所);Georg-August-Universität(格奥尔格·奥古斯特大学);German Center for Cardiovascular Research (DZHK)(德国心血管研究中心(DZHK));University Medical Center Göttingen(哥廷根大学医学中心);Northeastern University(东北大学)
在这里,我们提出CaosDB,一个研究数据管理系统(RDMS),旨在确保无缝集成的不均匀的数据源和存储库的遗留数据。其主要目的是管理生物医学科学的数据,包括完整研究数据生命周期中的模拟和实验数据。这个领域的RDMS面临着特殊的挑战:研究数据数量巨大,来自各种各样的来源,并穿过一个高度分支的进一步处理路径。为了被用户接受,RDMS必须围绕科学家和实践的工作流程建立,从而支持工作流程和数据结构的变化。然而,它应鼓励和支持标准的制定和遵守,并进一步促进数据采集的自动化和使用专门软件的处理。RDMS的存储数据模型必须用适当的语义和本体来反映这些复杂性,同时提供查找、检索和理解相关数据的简单方法。我们展示了CaosDB如何应对这些挑战,并概述了CaosDB服务器,其数据模型和易于学习的CaosDB查询语言。我们简要讨论了实现的状态,我们目前如何使用CaosDB,以及我们计划如何使用和扩展它。
2019-03-20 cs.AI cs.DB
Enterprise domain ontology learning from web-based corpus
University Politehnica Bucuresti(布加勒斯特理工大学)
企业知识是竞争和快速变化的企业环境中的一项关键资产。学习、储存和传播隐性和显性知识的能力可能是成功与失败的区别。虽然企业知识管理是一个定义明确的研究领域,但目前的实施缺乏对中小企业的定位。我们提出了一个语义搜索引擎,在企业中的相关文件,自动生成的领域本体的基础上。在本文中,我们专注于本体学习和人口的组成部分。
2021-01-29 cs.AI cs.SE
Ontology-Based Process Modelling -- Will we live to see it?
University of Koblenz-Landau(科布伦茨-兰道大学);University of Rostock(罗斯托克大学)
从理论上讲,基于本体的过程建模(OBPM)具有扩展业务过程管理的巨大潜力。许多作品都研究了OBPM,并且清楚地了解了潜在的便利设施,例如消除歧义或对公司流程进行高级推理。然而,尽管在学术界得到了认可,但广泛的行业采用仍然无处可见。这可以主要归因于这样的事实,即它仍然需要大量的手工劳动来最初创建过程模型的本体和注释。只要这些问题得不到解决,实施OBPM在实践中似乎是不可行的。因此,在这项工作中,我们确定了成功实施OBPM所需的要求,并评估研究w.r.t.本款规定而我们的研究结果表明,促进OBPM的方法的研究进展仍然令人震惊的低,需要在扩展现有的方法上进行紧迫的工作。
2021-07-12 cs.AI
Semiring Provenance for Lightweight Description Logics
University of Oslo(奥斯陆大学);University of Milano-Bicocca(米兰比可卡大学)
本文研究了半环溯源框架在描述逻辑中的应用,探讨了ontology公理的半环元素注释及其传播方式,并分析了不同注释类型下的语义关系及复杂性问题。
2026-03-30 cs.AI cs.DB cs.LO
Human-Aware Sensor Network Ontology: Semantic Support for Empirical Data Collection
Rensselaer Polytechnic Institute(伦斯勒理工学院);Universidade de Fortaleza(福塔莱萨大学)
为了解和记录与科学测量有关的知识作出了重大努力。这些努力中有许多产生了一个或多个高质量的本体,描述了科学测量的某些方面,但不是以全面和连贯的方式。例如,我们注意到,许多这些高质量的本体是不正确的对齐,更具有挑战性,他们有不同的,往往是相互冲突的概念和方法来编码知识的经验测量。由于缺乏综合的观点,科学家往往难以确定任何两个科学测量是否以语义兼容的方式进行,因此难以决定是否应该结合分析测量。在本文中,我们提出了人类感知传感器网络本体,这是一个全面的对齐和集成的传感基础设施本体和出处本体。HASNetO已经开发了一年多,并已被多个科学界审查、共享和使用。该本体已被用于支持一些大规模生态监测活动(观测)和实证实验的数据管理。
2017-04-06 cs.AI cs.CY
Competency Questions and SPARQL-OWL Queries Dataset and Analysis
Poznan University of Technology(波兹南理工大学);University of Cape Town(开普敦大学)
能力问题(CQ)是一种自然语言问题,它概括和约束了本体所表示的知识范围。尽管CQ是几种本体工程方法的一部分,但我们已经观察到,可用本体的CQ的实际发布非常有限,甚至更少的是它们各自形式化的发布,例如,SPARQL查询。本文旨在解决使用CQ在本体开发中的工程缺陷,以促进CQ的更广泛的使用。为了了解CQ和本体查询之间的关系,以测试本体上的CQ,我们收集,分析,并公开发布了一组234 CQ和他们的翻译SPARQL-OWL的几个本体在不同领域开发的不同团体。我们主要从两个方面分析了CQ。第一阶段集中于对自然语言文本本身的语言学分析,即,没有任何本体元素的前提的词汇-句法分析,以及随后的语义分析步骤,以便找到模式。CQ源的这种增加的多样性导致迄今为止公布的模式增加了5倍,达到106个不同的CQ模式,这些模式具有跨来自不同本体的CQ集共享的少数模式的有限子集。接下来,我们分析了所发现的CQ模式和46个SPARQL-OWL查询签名之间的关系,这表明一个CQ模式可以由多个SPARQL-OWL查询签名实现,反之亦然。我们希望我们的工作将有助于建立通用实践、模板、自动化和用户工具,以支持CQ制定、形式化、执行和一般管理。
2018-11-23 cs.AI cs.CL cs.DB
Conversational Control with Ontologies for Large Language Models: A Lightweight Framework for Constrained Generation
本文提出一种轻量级框架,通过对话相关本体定义实现对LLM输出的模块化和可解释控制,通过建模关键方面作为约束并微调LLM,提升对话生成的可控性和可解释性。
2026-04-06 cs.AI cs.CL
Development Of Ontology-Based Intelligent System For Software Testing
软件测试是软件产业的重要组成部分。除了了解测试的重要性外,只有有限的时间用于教授测试。如果测试与编程基础同时教授,效率会更高。这种测试技术和编程的综合学习允许程序员以更好的方式执行,这导致了行业进步的性能的提高。本文介绍了一种本体技术,该技术首先对测试过程进行层次化定义,并定义测试过程之间的关系,以实现知识的共享和重用,然后通过自然语言处理生成元数据,最后应用本体来支持测试管理。它作为多种环境的知识库,集成了编程基础和测试概念的教学。关键词:Meta Data,Ontology,软件测试,集成,编程基础.
2013-02-21 cs.AI cs.SE