Semantic interoperability based on the European Materials and Modelling Ontology and its ontological paradigm: Mereosemiotics
High Performance Computing Center Stuttgart(斯图加特高性能计算中心);UK Research and Innovation(英国研究与创新署);STFC Daresbury Laboratory(STFC达斯伯里实验室)
欧洲材料和建模本体(EMMO)最近在计算分子工程和多尺度建模社区中作为顶级本体得到了发展,旨在支持语义互操作性和数据集成解决方案,例如,用于研究数据基础设施。目前的工作探讨如何顶级本体论的基础上相同的范式-相同的一套基本假设-作为EMMO可以应用到物理系统的模型和它们在计算工程实践中的使用。这种范式结合了部分论(扩展为部分拓扑学)和符号学(遵循皮尔士的方法),在这里被称为部分符号学。多个可以想象的方式实现mereosemiotics进行了比较,和设计空间组成的可能类型的顶级本体遵循这种范式的特点。
2021-02-11 cs.AI
The IFF Foundation for Ontological Knowledge Organization
The Haworth Press Inc.(霍沃斯出版社)
本文讨论了一种公理化的本体集成方法,这种方法将以前基于信息流的方法(Kent 2000)扩展到一阶逻辑。这种公理化方法在信息流框架(IFF)中得到了体现,IFF是一个元级框架,用于组织出现在数字图书馆、分布式数据库和本体中的信息(Kent 2001)。本文认为,本体的整合是一个对齐和统一两步走的过程。本体对齐包括通过中介本体共享公共术语和语义。本体统一集中在社区连接的虚拟本体中,是参与者社区本体的对齐图的融合-参与者门户的总和模本体对齐结构的商。
2018-10-10 cs.AI cs.DL
Design and software implementation of subsystems for creating and using the ontological base of a research scientist
创建支持科学研究和发展的信息系统和工具一直是计算机科学发展的中心方向之一。科学研究和发展的现代演变的主要特点是跨学科的方法和科学问题的制定和解决的生存周期的所有阶段的深度智能化。本文讨论了复杂知识导向信息系统及其组成部分的理论和实践问题。现有的科学信息系统(或当前的研究信息系统,CRIS)的分析和研究人员及其组件的研究和开发工作站环境的设计的一般原则的合成进行的工作。设计了面向知识的信息系统研发工作站环境的功能组件。设计并开发了面向知识的信息系统开发研究与开发工作站环境的功能组件,包括用于创建和使用科研人员出版物本体知识库的软件子系统的功能模型和软件实现,作为科研人员个性化知识库的一部分。电子科学范式的现代条件下的研究需要汇集科学界和密集交流研究成果,这可以通过使用科学信息系统来实现。研究和开发工作站环境允许解决在研究过程和集体参与者交互期间获得的知识表示的构造和形式化的问题。
2018-02-21 cs.AI
Applying Second-Order Quantifier Elimination in Inspecting Gödel's Ontological Proof
University of Potsdam(波茨坦大学)
近年来,哥德尔的本体论证明及其变体被形式化,并以各种方式使用自动化工具进行分析。我们补充这些分析与建模的基础上扩展谓词量化的一阶逻辑在自动化环境中。公式宏用于构造复杂的公式和任务。分析作为一个生成的类型集文件,其中非正式的解释穿插着漂亮的打印公式和输出的推理机的一阶定理证明和二阶量词消去。以前未被注意或模糊的方面和细节哥德尔的证明变得明显。二阶量词消去的实际应用的可能性和遇到的消除任务可以作为基准。
2021-10-21 cs.AI cs.LO
AI Pluralism and the Worlds It Misses
Rashid Mushkani
本文提出AI系统施加本体论,导致本体论扁平化,并引入多元生命周期治理框架以记录本体开放性和问责条件。
2026-06-16 cs.AI
Ontological Trajectory Forecasting via Finite Semigroup Iteration and Lie Algebra Approximation in Geopolitical Knowledge Graphs
Department of Industrial and Systems Engineering, The Hong Kong Polytechnic University(香港理工大学工业及系统工程学系)
本文提出EL-DRUIN系统,结合形式本体、有限半群代数和李代数近似,预测地缘政治长期关系轨迹,通过半群操作和李代数空间向量嵌入实现可解释的概率预测。
2026-04-11 cs.AI
da Costa and Tarski meet Goguen and Carnap: a novel approach for ontological heterogeneity based on consequence systems
Centre for Logic Epistemology and the History of Science(逻辑、知识论和科学史中心);Universidade Estadual de Campinas (Unicamp)(坎皮纳斯州立大学)
本文提出了一种基于推理系统的新型本体异质性方法,结合达科斯塔和塔尔斯基的思想,通过扩展推理系统和图结构来处理本体关联问题。
2026-02-16 cs.AI cs.IR math.LO
OntoAct: Hypothesis-Based Neuro-Symbolic Agents through Ontological Abstraction
Seoul National University(首尔大学)
本研究提出基于本体抽象的神经符号框架OntoAct,结合LLM与符号验证器,在Tacit-FLE、Mars、ALFWorld基准中实现领先任务性能,可用于工厂故障诊断修复等场景。
2026-10-16 cs.AI cs.LG
Applying Ontological Modeling on Quranic Nature Domain
International Islamic University Chittagong(吉大港国际伊斯兰大学);Universiti Sains Islam Malaysia(马来西亚伊斯兰理科大学);Zarqa University(扎尔卡大学)
《古兰经》是穆斯林的圣书。它包含有关许多域的信息。人们经常根据概念之间的关系来寻找古兰经的特定概念。在这种情况下,古兰经的本体论建模可能是有用的。在本文中,我们使用OWL(Web本体语言)/ RDF(资源描述框架)的古兰经自然相关的概念建模。我们的方法包括确定古兰经中提到的与自然有关的概念,并确定这些概念之间的关系。这些概念和关系表示为OWL本体的类/实例和属性。稍后,在结果部分中显示,使用本体模型,SPARQL查询可以检索感兴趣的诗句和概念。因此,这种建模有助于对古兰经进行语义搜索和查询。在这项工作中,我们使用了Sahih International,Protege OWL编辑器对古兰经的英文翻译,并使用SPARQL进行查询。
2016-04-12 cs.AI cs.CL
Detecting Ontological Conflicts in Protocols between Semantic Web Services
Indian Institute of Technology Kharagpur(印度理工学院卡拉格普尔分校)
验证交互Web服务之间的兼容性的任务传统上限于检查交互协议在消息序列和交换的数据类型方面的兼容性。由于Web服务主要是以不协调的方式开发的,因此不同的服务通常使用独立开发的本体来用于相同的领域,而不是坚持单个本体作为标准。在这项工作中,我们调查的方法,可以采取的服务器来验证的可能性,以达到一个状态与语义不一致的结果,在执行协议与客户端,如果客户端本体发布。数据库通常用于存储实际数据以及本体,而不是将实际数据存储为本体描述的一部分。重要的是要注意,在数据库的当前状态下,即使服务器所做的验证指示可能达到冲突状态,也可能不会达到语义冲突状态。一个基于关系代数的决策过程也被开发,将客户端和服务器数据库的当前状态的整体验证过程。
2010-11-03 cs.AI
Ontological Multidimensional Data Models and Contextual Data Qality
Carleton University(卡尔顿大学);McMaster University(麦克马斯特大学)
数据质量评估和数据清理是依赖于上下文的活动。基于这一观察,我们提出了本体多维数据模型(OMD模型),它可以用来建模和表示上下文作为基于逻辑的本体。被评估的数据被映射到上下文中,以进行额外的分析,处理和质量数据提取。由此产生的上下文允许维度的表示,多维数据质量评估成为可能。在多维上下文的核心,我们包括一个广义的多维数据模型和一个Datatron +/-本体,具有可证明的良好属性的查询回答。这些主要组件用于表示维度层次结构、维度约束、维度规则,并定义质量数据规范的谓词。查询应答依赖于维度层次结构并触发维度层次结构中的导航,成为提取质量数据的基本工具。OMD模型本身很有趣,不仅仅是数据质量的应用。它允许多维数据的基于逻辑的、计算上易于处理的表示,用额外的表达能力和功能扩展了以前的多维数据模型。
2017-08-13 cs.AI cs.DB
Towards solving ontological dissonance using network graphs
German Aerospace Center (DLR)(德国航空航天中心);Drucker School of Business, Claremont Graduate University(克莱蒙特研究生大学德鲁克商学院)
针对跨领域数据空间的本体失配与互操作性问题,研究整合13个领域的数据模型,用网络图识别核心模型与本体属性并定性分析语义异质性,为跨域数据空间连接提供支撑。
2023-08-28 cs.AI cs.SI
Know your exceptions: Towards an Ontology of Exceptions in Knowledge Representation
Free University of Bozen-Bolzano(波尔扎诺自由大学);Fondazione Bruno Kessler(布鲁诺·凯塞勒基金会)
针对可废止推理形式化体系的本体论适配选择难题,研究提出基于例外性与可废止性的比较框架,通过对四种系统的对比验证了框架可揭示不同体系的本体论差异。
2024-03-05 cs.AI
An Ontological Approach to Analysing Social Service Provisioning
Centre for Social Services Engineering(社会服务工程中心);University of Toronto(多伦多大学);HelpSeeker Technologies Inc.(HelpSeeker技术公司)
本文介绍了在智能城市环境中评估和管理社会服务覆盖范围所需的本体论概念。在这里,我们专注于关键利益相关者的观点,即社会目的组织及其服务的客户。这里介绍的Compass本体通过引入与关键维度相关的新概念来扩展公共影响数据标准:谁(利益相关者),什么(需求,需求满足者,结果),如何(服务,事件)和贡献(跟踪资源)。本文首先介绍了关键利益相关者,服务,成果,事件,需求和需求满足,以及他们的定义。其次,提出了一个能力问题的子集,以说明关键利益相关者提出的问题类型。第三,扩展的回答问题的能力进行评估,提出SPARQL查询执行基于指南针的知识图谱和分析其结果。
2022-06-24 cs.AI cs.DB cs.LO
Opinion Spam Recognition Method for Online Reviews using Ontological Features
现在,有很多人使用社交媒体的意见,使他们购买产品或服务的决定。垃圾意见检测是一个很难的问题,因为组织和个人可以出于不同的目的进行虚假评论。他们撰写虚假评论,通过推广或降级目标产品来误导读者或自动检测系统,以促进他们或损害他们的声誉。在本文中,我们提出了一种新的方法,使用基于知识的本体检测意见垃圾邮件的准确率高(高于75%)。关键词:垃圾意见,虚假评论,电子商务,本体论。
2018-07-29 cs.AI cs.CL cs.IR
Extracting Ontological Knowledge from Textual Descriptions
Indian Institute of Technology Madras(印度理工学院马德拉斯分校)
OWL-DL本体的创作在智力上是具有挑战性的,为了使这个过程更简单,许多系统接受自然语言文本作为输入。一个基于文本的本体创作方法只有与一种有效的从文本中提取本体公理的方法相结合才能取得成功。由于语言的丰富性,从不受限制的英语输入中提取公理是一项非常具有挑战性的任务。受控自然语言(CNLs)已经在这种情况下提出,这些往往是高度限制性的。在本文中,我们提出了一个新的CNL称为TEDEI(文本描述标识符),其语法的灵感来自不同的方式OWL-DL结构表示在英语中。我们建立了一个系统,将TEDEI语句转换为相应的OWL-DL公理。现在,由于句子的不同可能的词汇化和句子中存在的语义歧义,在这种情况下是一个挑战。我们发现,处理这些挑战的最佳方法是构建公理对应的替代形式化的句子,使最终用户可以做出适当的选择。将输出与人类创作的公理进行比较,并且在大量情况下,人类创作的公理确实是系统给出的替代方案之一。所提出的系统大大提高了类型的句子结构,可用于本体创作。
2017-09-28 cs.AI cs.CL
OntoTKGE: Ontology-Enhanced Temporal Knowledge Graph Extrapolation
Northeastern University(东北大学)
OntoTKGE通过整合本体与时间知识,提升稀疏实体的外推性能,实验表明其优于现有基线方法。
2026-09-30 cs.AI
eXpath: Explaining Knowledge Graph Link Prediction with Ontological Closed Path Rules
School of Computer Science, Beihang University(北京航空航天大学计算机学院)
针对知识图谱链接预测的可解释性问题,提出集成关系路径与本体闭合路径规则的eXpath框架,提升解释效率与效果,实验显示解释质量提升约20%、时间减少61.4%,还可融合其他方法。
2024-12-06 cs.AI cs.DB cs.IR
Quality of Geographic Information: Ontological approach and Artificial Intelligence Tools
Université de Provence(普罗旺斯大学)
目的是介绍欧洲IST-FET项目"REV! GIS "1:为将数据质量转化(解释)为"适合使用"的信息而开发的方法,我们可以在应用中满足用户的需求。这种方法是基于“本体论”的概念,作为一个概念框架,能够捕获的应用程序中涉及的显式和隐式的知识。我们不解决的一般问题,形式化的本体,相反,我们试图说明这三个应用程序是更一般的“数据融合”问题的特殊情况。在每个应用程序中,我们展示了如何部署我们的方法,通过比较几种可能的解决方案,我们试图启发哪里是质量问题,以及什么样的解决方案的特权,即使在一个高度复杂的计算方法的代价。REV的期待! GIS项目是计算上易于处理的解决方案将在下一代人工智能工具中提供。
2014-01-26 cs.AI cs.HC
A Path to Loving
National Center for Ontological Research(国家本体论研究中心);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)
本文基于基本形式本体论将爱刻画为被动感受与主动评价判断的因果串联,以平衡其非自愿性与理性可问责性,为人工智能等领域的跨学科形式化研究奠定基础。
2025-04-28 cs.AI
Ontology based system to guide internship assignment process
Université de Lyon(里昂大学);Université Lumière Lyon 2(里昂第二大学);DISP Lab EA4570(DISP实验室 EA4570);Qatar University(卡塔尔大学)
实习分配对于大学来说是一个复杂的过程,因为有必要考虑到多种变量,以在公司的要求和学生在大学培训期间获得的能力之间建立妥协。这些变量构成了一个复杂的关系图,需要制定一个详尽和严格的概念计划。在这项研究中,领域本体论模型提出了支持学生的决策机会的大学学习水平的大学卢米埃尔里昂2(里昂)教育系统。本体的设计和创建使用方法论的方法提供了改进的渐进式创建,捕获和知识衔接的可能性。在本文中,我们画了一个平衡,采取跨学生的能力的公司的要求。这将通过建立一个教育学习者的个人资料和实习职位的本体模型来实现,实习职位是用自由文本和不受控制的词汇写的。此外,我们概述了提高查询结果的质量的语义匹配的过程。
2017-01-18 cs.AI
Sequential Diagnosis Prediction with Transformer and Ontological Representation
Australian Artificial Intelligence Institute, FEIT, University of Technology Sydney(悉尼科技大学澳大利亚人工智能研究所);School of Information Technology and Electrical Engineering, The University of Queensland(昆士兰大学信息技术与电气工程学院)
电子健康记录(EHR)上的顺序诊断预测已被证明对于医疗领域的预测分析至关重要。EHR数据是患者与医疗系统交互的顺序记录,具有时间性、不规则性和数据不充分性的许多固有特征。最近的一些工作训练医疗保健预测模型,通过利用EHR数据中的顺序信息,但他们是脆弱的不规则的,时间的EHR数据与入院/出院的状态,和数据不足。为了缓解这一问题,我们提出了一个端到端的强大的基于变换的模型称为SETOR,它利用神经常微分方程来处理患者的访问与承认的时间戳和每次访问的停留时间之间的不规则间隔,以减轻数据不足的限制,通过整合医学本体,并通过采用多层Transformer块来捕获患者的访问之间的依赖关系。在两个真实医疗数据集上进行的实验表明,我们的序列诊断预测模型SETOR不仅比以前的最先进的方法,无论训练数据充足或不足,取得更好的预测结果,而且还派生出更多的可解释的医疗代码嵌入。实验代码可以在GitHub仓库(https://github.com/Xueping/SETOR)上找到。
2021-09-07 cs.AI cs.LG
Knowledge Graphs Generation from Cultural Heritage Texts: Combining LLMs and Ontological Engineering for Scholarly Debates
Università degli Studi di Bologna(博洛尼亚大学);KNAW Humanities Cluster(荷兰皇家艺术与科学学院人文集群)
本文提出ATR4CH方法,通过大语言模型提取文化遗产文本知识,实现复杂知识的结构化表示,提升学术辩论中的知识查询能力。
2025-11-13 cs.AI cs.CL cs.DL
Plausible Reasoning about EL-Ontologies using Concept Interpolation
Cardiff University(卡迪夫大学)
描述逻辑(DL)是用于建模本体(即关于概念及其之间关系的知识)的标准知识表示语言。不幸的是,DL本体很难从数据中学习,并且手动编码耗时。因此,广泛领域的本体几乎不可避免地是不完整的。近年来,已经提出了一些数据驱动的方法来自动扩展这样的本体。一类方法依赖于从文本描述导出的概念的表征。虽然这种表征不直接捕获本体知识,但它们编码了关于不同概念之间的相似性的信息,这些信息可以用于填补现有本体中的空白。为此,已经提出了几种归纳推理机制,但这些都是以启发式的方式定义和使用的。在本文中,我们提出了一个归纳推理机制,它是基于一个明确的模型理论语义,因此可以紧密结合标准的演绎推理。我们特别关注插值,这是一个强大的常识推理机制,它与基于类别的归纳的认知模型密切相关。除了形式化的基本语义,作为我们的主要技术贡献,我们提供了计算复杂性界限EL推理与此插值机制。
2020-06-25 cs.AI
Worst-case Optimal Query Answering for Greedy Sets of Existential Rules and Their Subclasses
TU Dresden(德累斯顿工业大学);Inria(法国国家信息与自动化研究所);University Montpellier 2(蒙彼利埃第二大学)
在数据库和知识表示领域都已经认识到,需要在数据之上建立一个本体层,并与能够利用本体中编码的语义的高级推理机制相关联。本文主要研究本体查询应答问题,即在查询数据的同时考虑本体知识。更具体地说,我们建立了存在性规则类(也称为元组生成依赖关系,数据库+/-规则或forall-exists-rules)的合取查询蕴涵问题的复杂性。我们的贡献是双重的。首先,我们介绍了一类贪婪有界树宽集(gbts)的规则,其中包括保护规则,和他们最有名的推广。我们提供了一个通用的算法,查询蕴涵在gbts下,这是最坏情况下的最优组合复杂度有界谓词arity或没有,以及数据复杂度和查询复杂度。其次,我们分类几个gbts类,其复杂性是未知的,相对于组合复杂性(与无界和有界谓词arity)和数据复杂性,以获得一个全面的图片的复杂性的存在规则片段,是基于不同的guardedness概念。上界显示,所提出的算法是最佳的所有这些。
2014-12-15 cs.AI cs.DB
MAECO-Lite: Modular Ontology for Dynamic Malware Analysis
Department of Applied Informatics, Comenius University in Bratislava, Mlynská dolina, 842 48 Bratislava, Slovakia;Institute of Computer Science;Mathematics, Faculty of Electrical Engineering;Information Technology, Slovak University of Technology, Ilkovičova 3, Bratislava, Slovakia
针对MAEC和STIX在动态恶意软件分析中混淆工件与事件的问题,基于统一基础本体(UFO)进行本体分析,提出轻量级本体MAECO-Lite,通过模块化结构分离持久实体与运行时事件,提升语义清晰度和计算可用性。
2026-05-29 cs.AI cs.CR
The problem of the development ontology-driven architecture of intellectual software systems
本文描述了领域本体知识库自动设计智能系统的体系结构和管理GUI(图形用户界面)子系统的软件模型
2018-02-22 cs.AI
Defining Decentralization: An Ontological Perspective
Flower Labs
本研究针对计算机领域缺乏通用去中心化定义的问题,提出基于图的本体框架,区分去中心化与分布性,引入两个新指标并实现浏览器工具,为联邦学习等系统提供一致的去中心化评估基础。
2026-08-24 cs.AI cs.DC cs.LG
Principles of design and software development models of ontological-driven computer systems
基于本体论方法,阐述了面向知识的信息系统方法论的设计原则。这样的系统实现了从自然语言文本集合中的面向技术主题的知识提取及其形式化和逻辑化的表示和应用处理
2018-02-13 cs.AI
From Knowledge Graph Embedding to Ontology Embedding? An Analysis of the Compatibility between Vector Space Representations and Rules
Cardiff University(卡迪夫大学)
近年来,知识图谱的低维向量空间表示已成功地应用于预测缺失事实或发现错误事实。然而,还没有很好地理解本体论知识,例如作为一组(存在的)规则,可以以原则性的方式嵌入。为了解决这个缺点,在本文中,我们介绍了一个通用的框架,基于区域的关系,这使我们能够研究本体知识和不同类型的向量空间嵌入之间的兼容性。我们的技术贡献是双重的。首先,我们表明,一些最流行的现有嵌入方法无法建模,即使是非常简单的规则类型,特别是这也意味着他们无法学习的依赖关系的类型,这些规则捕获。其次,我们研究了一个模型,其中的关系被建模为凸区域。我们特别表明,使用所谓的准链式存在规则表示的本体可以精确地表示使用凸区域,使得任何一组事实,这是使用向量空间嵌入诱导逻辑上是一致的,演绎封闭的输入本体。
2018-08-21 cs.AI
Commonsense Knowledge, Ontology and Ordinary Language
American Institutes for Research(美国研究院);University of Windsor(温莎大学);American University of Beirut(贝鲁特美国大学);AT&T Bell Labs(AT&T贝尔实验室);MetLife(大都会人寿);Cognos, Inc.(科格斯公司)
二十多年前,一场“相当大的革命”压倒性地取代了自然语言处理(NLP)中基于知识的方法,取而代之的是定量(例如,统计的、基于语料库的、机器学习)方法。虽然我们坚信,纯粹的定量方法不能是NLP的唯一范式,但对NLP构建大型知识库的纯粹工程方法的不满在某种程度上是合理的。在本文中,我们希望证明,这两种趋势都是部分误导和时间已经到了丰富的逻辑语义与本体论结构,反映了我们的常识世界观和我们在日常语言中谈论的方式。在本文中,它将被证明,假设这样一个本体结构的自然语言的语义(例如,借代、内涵、重叠、名词性复合词等)都可以得到适当和统一的处理。
2008-08-08 cs.AI cs.CL
RNA-KG: An ontology-based knowledge graph for representing interactions involving RNA molecules
University of Milan(米兰大学);Columbia University Irving Medical Center(哥伦比亚大学欧文医学中心);Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室)
提出RNA-KG,一个整合50多个数据库的RNA知识图谱,通过本体对齐统一表示RNA相关生物分子与医学概念,支持SPARQL查询与计算分析,为“RNA世界”研究提供集中一致的资源。
2023-11-30 cs.AI cs.CE
Ontology-to-tools compilation for executable semantic constraint enforcement in LLM agents
University of Cambridge(剑桥大学);CMCL;CMPG
本体到工具的编译用于LLM代理中的可执行语义约束强制,通过生成知识图谱实例来强制执行语义约束,减少手动工程。
2026-02-03 cs.AI cs.IR
IterefinE: Iterative KG Refinement Embeddings using Symbolic Knowledge
从文本源中提取的知识图(Knowledge Graph,KG)往往带有噪声,导致下游应用任务(如基于KG的问答)的性能不佳。虽然最近的许多活动都集中在通过使用嵌入来推断新事实来解决KG的稀疏性,但通过KG精化任务来清除KG中的噪声的问题并没有得到积极的研究。大多数成功的KG细化技术利用推理规则和本体推理。除了少数例外,嵌入不利用本体信息,并且它们在KG细化任务中的表现还没有得到很好的理解。在本文中,我们提出了一个KG细化框架称为IterefinE迭代结合两种技术-一个使用本体信息和推理规则,PSL-KGI,和KG嵌入,如ComplEx和ConvE不。因此,IterefinE不仅能够利用本体信息来提高预测的质量,而且还能够利用KG嵌入的能力(隐式地)执行更长的推理链。IterefinE框架在协同训练模式下运行,并导致从PSL-KGI(我们称之为TypeE-X)中细化的KG的显式类型监督嵌入。我们在一系列KG基准上的实验表明,我们产生的嵌入能够拒绝KG中的噪声事实,同时推断出更高质量的新事实,从而使整体加权F1得分提高了9%
2020-06-03 cs.AI cs.DB cs.LG
Systematic Analysis of COVID-19 Ontologies
Department of Library and Information Science, Calcutta University(加尔各答大学图书馆与信息科学系)
本文通过系统综述和参数化评估方法,对24个COVID-19本体从设计方法、形式化程度、词汇重用和领域覆盖等方面进行系统分析,为领域本体比较和未来发展提供参考。
2023-09-15 cs.AI cs.DL cs.IR
Evidence-based lean logic profiles for conceptual data modelling languages
Universidad Nacional del Sur(国立南方大学);Comisión de Investigaciones Científicas, Provincia de Buenos Aires(布宜诺斯艾利斯省科学研究委员会);University of Cape Town(开普敦大学)
概念数据建模语言,如EER,UML类图和ORM存在多种基于逻辑的重建。它们主要涵盖语言的各个片段,并且没有一个是形式化的,使得逻辑同时适用于所有三个建模语言家族作为统一机制。这妨碍了可兼容性、互操作性和工具支持。此外,由于缺乏用于形式化的逻辑的系统设计过程,隐藏的选择渗透到使它们不兼容的形式化中。我们的目标是解决这些问题,首先,通过构建逻辑设计过程中的方法论的方式。我们概括和扩展的DSL设计过程,适用于逻辑语言设计更普遍,特别是通过将本体论分析的语言功能的过程中。其次,我们指定最小的逻辑配置文件利用这个扩展的过程中,包括本体论的承诺嵌入在语言中,语言功能的使用收集的证据,和计算复杂性的见解描述逻辑(DL)。这些概要描述了处理概念模型语义所需的基本逻辑结构,从而使互操作工具的开发成为可能。目前还没有一种已知的DL语言能够与这些概要文件的特性完全匹配,并且公共核心很小(在易处理的DL $\mathcal{ALNI}$中)。虽然几乎没有任何不一致的可以与配置文件,它是有前途的可伸缩的运行时使用的概念数据模型。
2019-09-19 cs.AI cs.LO
Development of Ontological Knowledge Bases by Leveraging Large Language Models
本文提出利用大语言模型开发本体知识库的结构化迭代方法,通过案例研究展示加速本体构建、提升一致性及透明度的贡献。
2026-03-13 cs.AI cs.IR
Universal Representation Learning of Knowledge Bases by Jointly Embedding Instances and Ontological Concepts
University of California, Los Angeles(加利福尼亚大学洛杉矶分校)
许多大规模的知识库同时表示知识图谱(KG)的两个视图:抽象和常识概念的本体视图,以及从本体概念实例化的特定实体的实例视图。然而,现有的KG嵌入模型仅仅关注于表示两个视图中的一个。在本文中,我们提出了一种新的双视图KG嵌入模型,JOIE,其目标是产生更好的知识嵌入,并实现依赖于多视图知识的新应用程序。JOIE采用跨视图和视图内建模,在知识库的多个方面进行学习。跨视图关联模型被学习以桥接本体概念及其对应的实例视图实体的嵌入。视图内模型被训练以捕获在单独的嵌入空间中的实例和本体视图的结构化知识,其中针对具有层次结构的本体启用层次结构感知编码技术。我们探讨了两个模型组件的多种表示技术,并与九个变种的JOIE调查。我们的模型是在大规模的知识库上训练的,这些知识库由大量的实例及其相应的本体概念组成,这些概念通过一组(小的)跨视图链接连接。在公共数据集上的实验结果表明,JOIE的最佳变体在实例视图三重预测任务和本体视图KG上的本体种群上的性能明显优于以前的模型。此外,我们的模型成功地将KG嵌入的使用扩展到实体类型,具有良好的性能。
2021-03-15 cs.AI cs.DB cs.IR
Collaboratively boosting data-driven deep learning and knowledge-guided ontological reasoning for semantic segmentation of remote sensing imagery
School of Remote Sensing and Information Engineering, Wuhan University(武汉大学遥感信息工程学院)
深度语义分割网络(Deep Semantic Segmentation Network,DSSN)作为深度学习家族中的一种架构,在语义分割任务上取得了一定程度的成功,明显优于传统的基于手工特征的方法。作为一种经典的数据驱动技术,DSSN可以通过端到端的机制进行训练,并且能够使用低级和中级提示(即,区别性图像结构)来理解图像,但是缺乏高级推理能力。相比之下,人类具有很好的推理能力,只有当人类掌握了基本的RS领域知识,才能可靠地解释RS图像。本体建模和推理是一种模仿和利用人类领域知识的理想方法,但在RS领域中还很少被探索和采用。为了弥补DSSN的上述关键限制,本文提出了一种协同提升框架(CBF),以迭代的方式将数据驱动的深度学习模块和知识引导的本体推理模块相结合。
2020-10-06 cs.AI cs.CV
Ontological Knowledge Blocks: Executable Compliance and Profile-Based Validation for Trustworthy AI Systems
提出本体知识块(OKBs)作为可编程治理基础设施,通过将监管义务编译为机器可检查的约束,实现自动化合规验证,并在AI辅助HPC资源分配场景中验证其有效性。
2026-05-22 cs.AI cs.DC
A Logic-based Approach for Recognizing Textual Entailment Supported by Ontological Background Knowledge
Universität zu Köln(科隆大学);Fraunhofer-Institut FKIE(弗劳恩霍夫FKIE研究所)
我们提出了一个新的系统识别文本蕴涵(RTE)的体系结构和评价。在RTE中,我们希望自动识别两个输入文本之间的逻辑关系的类型。特别是,我们感兴趣的是证明它们之间的蕴涵的存在。我们设想我们的系统作为一个模块化的环境,允许高覆盖率的语法和语义的文本分析结合逻辑推理。对于句法和语义分析,我们将深层语义分析与统计模型支持的浅层语义分析相结合,以提高结果的质量和准确性。对于RTE,我们使用一阶逻辑推理,采用模型理论技术和自动推理工具。该推理由自动提取的问题相关背景知识支持,并根据需要从外部源提取,例如,WordNet、YAGO和OpenCyc,或其他更多的实验源,例如,手动定义的预设解决方案,或与公理化的一般和常识知识。结果表明,来自不同来源的细粒度和一致的知识是确定结果的正确性和可追溯性的必要条件。
2013-10-18 cs.AI cs.CL cs.LO
Intersectoral Knowledge in AI and Urban Studies: A Framework for Transdisciplinary Research
Université de Montréal(蒙特利尔大学);Mila–Quebec AI Institute(魁北克人工智能研究所)
本文提出一个六维框架,用于评估和加强AI与城市研究中的跨学科知识有效性,帮助研究人员调和分歧观点并促进社会问责性成果。
2025-08-10 cs.AI cs.CY
Discoverable Agent Knowledge -- A Formal Framework for Agentic KG Affordances (Extended Version)
School of Computer Science and Informatics, University of Liverpool, UK(利物浦大学计算机科学与信息学学院);Open University(开放大学)
本文提出一个四维形式化框架(语义表达性、智能体可发现性、任务相对基础性和认知信任范围),并从中推导出智能体能力概况(AAP),作为VoID和DCAT之上的语义层,支持智能体在规划时进行原则性的知识图谱选择、组合和故障诊断。
2026-09-09 cs.AI