Ontology as a Source for Rule Generation
Riga Technical University（里加工业大学）
本文揭示了潜在的OWL（Web本体语言）本体生成的规则。本文的主要目的是确定新类型的规则，这可能是从OWL本体生成的。从OWL本体生成的规则是语义Web专家系统运行所必需的。语义网专家系统（SWES）将能够处理来自Web的本体，以补充甚至发展其知识库。
2014-04-18 cs.AI
Rail Topology Ontology: A Rail Infrastructure Base Ontology
Siemens AG Österreich（西门子奥地利股份公司）
铁路基础设施的工程项目通常涉及许多子系统，这些子系统需要对规划和建造的基础设施及其底层拓扑结构进行一致的查看。一致性通常通过在使用基于XML的数据格式和基于UML的面向对象模型的工具之间交换和验证数据来确保。通过公共拓扑模型对这些数据表示进行更紧密的对齐可以减少铁路基础设施工程工具的开发工作。公共语义模型也是成功采用铁路知识图谱的先决条件。基于RailTopoModel标准，我们开发了铁路拓扑本体作为一个模型来表示铁路基础设施的核心功能，在一个符合标准的方式。本文介绍了本体及其开发方法，并讨论了其适用于集成数据的铁路工程系统和其他来源的知识图谱。通过铁路拓扑本体，软件工程师和知识科学家拥有了一个基于标准的本体，用于表示铁路拓扑，以集成断开连接的数据源。我们将铁路拓扑本体用于我们的铁路知识图谱，并计划通过从现有数据交换标准导出的铁路基础设施本体对其进行扩展，因为许多此类标准使用与所提出的本体相同的基础模型，即，RailTopoModel。
2021-07-09 cs.AI
Membership Function Assignment for Elements of Single OWL Ontology
本文提出了OWL（Web本体语言）本体元素的隶属函数分配的思想，以便随后从该本体生成模糊规则。OWL本体元素的隶属函数分配任务已经部分描述，但这涉及同一领域的多个OWL本体可用并将它们合并到单个本体中的情况。本文的目的是提出的情况下，只有一个可用的本体OWL本体元素的隶属函数分配的方法。从OWL本体生成的模糊规则是语义网专家系统知识库的必要补充。SWES是一个专家系统，它将能够从OWL本体中提取知识，在Web中找到，并将作为一个通用的专家为用户。
2014-11-12 cs.AI
OBA: An Ontology-Based Framework for Creating REST APIs for Knowledge Graphs
Information Sciences Institute, University of Southern California（南加州大学信息科学研究所）
近年来，研究人员、工业界和公共机构越来越多地采用语义Web技术来描述和链接Web上的数据，创建Web注释，并使用Wikidata和DBPedia等大型知识图谱。然而，本体工程师和Web开发人员之间仍然存在知识差距，本体工程师设计，填充和创建知识图谱，Web开发人员需要理解，访问和查询这些知识图谱，但不熟悉本体，RDF或SPARQL。在本文中，我们描述了基于本体的API框架（OBA），我们的方法来自动创建REST API从本体，同时遵循REST API的最佳实践。给定一个本体（或本体网络），OBA使用Web开发人员熟悉的标准技术（OpenAPI规范，JSON），并将它们与W3C标准（OWL，JSON-LD框架和SPARQL）相结合，以创建具有文档，单元测试，资源和客户端自动验证（Python，JavaScript等）的mainingAPI。非语义网专家访问目标知识图谱的内容。我们展示了OBA与三个例子，说明了不同的本体框架的能力。
2020-07-17 cs.AI
Role of Ontology in Semantic Web Development
Vienna University of Technology（维也纳技术大学）
万维网（WWW）是最流行的全球信息共享和通信系统，由三个标准组成，即，统一资源标识符（URL）、超文本传输协议（HTTP）和超文本标记语言（HTML）。通过使用HTML，信息以文本，图像，音频和视频格式在Web上提供，HTML被认为是定义和形式化上下文含义的非常规方法。
2010-08-07 cs.AI
Realization of Ontology Web Search Engine
本文描述了本体Web搜索引擎的实现。本体Web搜索引擎既可以作为独立的项目实现，也可以作为其他项目的一部分实现。本文的主要目的是介绍作为语义网专家系统一部分的本体网搜索引擎的实现细节，并给出本体网搜索引擎的运行结果。语义网专家系统将能够处理来自Web的本体，从这些本体生成规则并开发其知识库。
2017-02-22 cs.AI cs.IR
HuTO: an Human Time Ontology for Semantic Web Applications
INRIA Sophia Antipolis（法国国家信息与自动化研究所索菲亚-安提波利斯中心）；Univ. Nice Sophia Antipolis（尼斯索菲亚-安提波利斯大学）；CNRS（法国国家科学研究中心）；Université Gaston Berger（加斯顿·伯杰大学）
时间现象有许多方面，由不同的社区研究。在语义Web中，处理和产生大量的异构数据。这些数据往往有非正式的，半正式或正式的时间信息，必须解释的软件代理。在本文中，我们提出了人类时间本体（HuTO）的RDFS本体标注和表示时态数据。HuTO的一个主要贡献是对非凸区间进行建模，从而能够为这种区间编写查询。HuTO还结合了规范化和推理规则来明确某些信息。HuTO还提出了一种将时间维度与知识库内容相关联的方法。这通过考虑或不考虑时间方面来促进信息检索。
2015-06-19 cs.AI
WebProtégé: A Cloud-Based Ontology Editor
Stanford University（斯坦福大学）
我们提出WebProtégé，一个工具来开发本体表示的Web本体语言（OWL）。WebProtégé是一个基于云的应用程序，允许用户协作编辑OWL本体，它可以在https://webprotege.stanford.edu上使用。WebProtégeé目前拥有超过68，000个OWL本体项目，并拥有超过50，000个用户帐户。在本文中，我们详细介绍了最新版本的WebProtégé的主要新功能。
2019-03-06 cs.AI cs.IR
Towards an ontology of HTTP interactions
Néréide（Néréide 公司）
企业信息系统采用了基于网络的基础，以便在不同的方案之间进行交流。这些程序通过Web API提供和使用由URI标识的一些资源，URI的表示通过HTTP传输。此外，HTTP仍然是所有Web开发的核心（语义Web，链接数据，物联网...）。因此，程序必须能够推理HTTP交互（请求-响应）的情况越来越多。这需要一个明确的正式规范的共享概念化的这些相互作用。已提出一项关于RDF词汇的建议，其目的是进行网络应用程序一致性测试并记录测试结果。此词汇表已被重用。在本文中，我们建议调整和扩展它，使其更可重用。
2020-07-20 cs.AI
Class Algebra for Ontology Reasoning
类代数为可能不知道彼此定义的用户之间共享ISA层次结构提供了一个自然的框架。这允许来自关系数据库、面向对象数据库和标记的XML文档的数据被联合到一个分布式本体中，可由所有用户共享，而不需要事先协商或为每个领域开发“标准”本体。此外，类代数在类的类代数定义（即它的“意图”）和满足表达式的所有实例的集合（即它的“范围”）之间产生函数对应。因此，该框架有助于快速查找各种定义的实例和反例。在开发真实世界的模型时，这种信息非常有价值，并且可以作为一种宝贵的工具来帮助证明与这些类代数表达式有关的定理。最后，ISA层次结构中对象的相对频率可以产生有用的布尔概率代数。传统的信息理论分类方法可以使用这些概率来获得对数据库中的对象进行分类的最佳方式。
2013-02-02 cs.AI
Understanding Semantic Web and Ontologies: Theory and Applications
Philadelphia University（费城大学）；Faculty of Information Technology（信息技术学院）
语义Web实际上是当前Web的扩展，因为它对人类和计算机都更有意义地表示信息。它能够以机器可读的形式描述内容和服务，并使注释、发现、发布、广告和组合服务自动化。它是在本体论的基础上发展起来的，本体论被认为是语义网的支柱。换句话说，当前的Web已经从机器可读转变为机器可理解。事实上，本体是语义网上标注语义和为资源提供公共的、可理解的基础的关键技术。此外，本体可以提供一个共同的词汇表，语法发布数据，并可以提供一个语义描述的数据，可以用来保存本体，并保持他们的推理准备。本文介绍了Web服务和语义Web的基本概念，定义了本体的结构和主要应用，并对许多相关术语进行了解释，以提供对本体的基本理解。
2010-06-23 cs.AI
Inductive Learning for Rule Generation from Ontology
本文提出了一种将归纳学习用于本体规则生成的思想。本文的主要目的是评估的可能性归纳学习使用规则生成的本体，并制定如何做到这一点。生成的规则是必要的补充，甚至开发语义Web专家系统（SWES）的知识库。SWES是专家系统概念向Web演进的结果，SWES是基于语义Web技术的。现有文献表明，基于归纳学习的本体规则生成问题研究得还不够深入。
2015-02-17 cs.AI
A Framework for Semi-automated Web Service Composition in Semantic Web
Maharashtra Institute of Technology（马哈拉施特拉理工学院）
互联网上可用的Web服务的数量及其使用正在快速增长。在许多情况下，一个服务不足以完成业务需求;需要进行Web服务组合。Web服务的自主组合以实现新的功能正在引起语义Web领域的广泛关注。通过服务组合可以减少新应用程序的开发时间和工作量。在文献中讨论了各种方法来执行Web服务的自动组合。利用本体进行Web服务组合是有效的方法之一。在本文中，我们演示了如何本体为基础的组合可以更快地为每个客户。我们提出了一个框架，提供预组合的Web服务，以满足用户的需求。我们详细介绍了如何本体合并可以用于组合，加快整个过程。我们讨论了框架如何提供客户特定的本体合并和存储库。我们还详细介绍了如何合并的本体进行。
2013-11-26 cs.AI
Mutual Transformation of Information and Knowledge
信息和知识是可以相互转化的。在语义Web专家系统的开发过程中，以OWL（Web Ontology Language）本体生成规则为例，说明了信息到知识的转化。SWES预计作为一个专家系统搜索OWL本体从Web上，从发现的本体生成规则和补充SWES知识库与这些规则。本文的目的是通过从规则生成本体的例子来展示知识到信息的转化。
2016-04-26 cs.AI
Combining Ontology Development Methodologies and Semantic Web Platforms for E-government Domain Ontology Development
Vaal University of Technology（瓦尔理工大学）；North-West University（西北大学）
电子政务的主要挑战之一是开发易于集成和互操作的系统，以便向公民提供无缝服务。近年来，基于本体的语义Web技术已经成为解决上述工程问题的一个很有前途的解决方案。然而，目前的研究实践语义发展在电子政务并不集中在现有的方法和平台开发政府领域本体的应用。此外，只有少数这些研究提供了详细的指导方针，从政府服务领域开发语义本体模型。本研究提出了一个案例研究相结合的本体构建方法和两个国家的最先进的语义Web平台，即Protege和Java Jena本体API的语义本体开发在电子政务。首先，采用Uschold和King本体构建方法的框架来构建描述政府服务领域语义内容的领域本体。然后，用UML半形式化地表示领域本体。最后，利用Protege和Jena API分别建立了领域本体的Web本体语言（OWL）和资源描述框架（RDF）表示，以支持其计算机处理。这项研究的目的是：（1）为电子政务开发人员，特别是发展中国家的开发人员提供在其电子政务项目中进行语义内容开发的详细指南;（2）加强电子政务中语义技术的采用。这项研究也会引起语义网开发新手的兴趣，他们可能会把它作为进一步研究的起点。
2011-04-26 cs.AI cs.CY
Automatic Knowledge Base Evolution by Learning Instances
Korea Advanced Institute of Science and Technology（韩国科学技术院）
知识库是在整个网络中存储结构化和非结构化数据的方式。由于网络的规模正在迅速增加，因此以完全自动化的方式构建知识的需求非常巨大。然而，语义Web上的全自动知识库进化是一个重大的挑战，虽然有许多本体进化技术可用。因此，本体的自动学习对语义网的发展有着重要的意义。在本文中，我们提出全自动本体学习算法，以产生不完整的知识库和rdf-三元组的精知识库。我们的算法是数据驱动的方法，它是基于每个实例的属性。本体类是通过概括其实例的频繁属性来细化的。通过使用开发的类信息，每个实例都可以找到它最匹配的类。通过重复这两个步骤，我们实现了从不完整的基础知识库的本体进化的全自动化。
2016-04-04 cs.AI
Towards the Ontology Web Search Engine
本文提出了本体Web搜索引擎的设计方案。本文的主要目的是开发这样一个项目，可以很容易地实现。本体网络搜索引擎是一种在网络中查找和索引本体的软件。OWL（Web Ontology Languages）是指本体，它们是SWES（Semantic Web专家系统）运行所必需的。SWES是一个专家系统，它将使用从Web上找到的本体，从中生成规则，并将用这些生成的规则补充其知识库。预计SWES将作为一般用户的通用专家系统。
2015-05-04 cs.AI cs.DL cs.IR
Semantic Web Search based on Ontology Modeling using Protege Reasoner
VIT University（VIT大学）
语义网工作在现有的Web上，它将信息的含义表示为人们理解的定义良好的词汇表。同时，语义搜索通过理解搜索的意图并提供上下文相关的结果来提高搜索的准确性。本文介绍了一种语义的方法，通过PHP应用程序的Web搜索。其目标是解析用户的浏览历史，并为所提供的搜索查询返回语义相关的网页。
2013-05-24 cs.AI cs.IR
ILexicOn: toward an ECD-compliant interlingual lexical ontology described with semantic web formalisms
INRIA Sophia Antipolis（法国国家信息与自动化研究所索菲亚·安蒂波利斯分部）；EPI Edelweiss（EPI Edelweiss研究团队）
我们有兴趣在自然语言和语义网之间架起一座桥梁，特别是支持对数据网的自然多语言访问。在本文中，我们介绍了一种新类型的词汇本体称为语际词汇本体（IlexicOn），它使用语义网形式化，使每个语际词汇单元类（ILUc）支持其语义分解的投影本身。在对现有的词汇本体进行了简短的概述之后，我们简要介绍了我们使用的语义网形式主义。然后，我们提出了我们的方法的三层架构：i）的语际词汇元本体（IlexiMOn）; ii）ILUcs正式定义的IlexicOn; iii）数据层。我们用一个独立的IlexicOn来说明我们的方法，并介绍和解释一个简洁的人类可读的符号来表示IlexicOn。最后，我们展示了如何语义网形式主义，使一个语义分解的投影上分解的ILUc。
2012-04-24 cs.AI cs.CL
Reasoning in the OWL 2 Full Ontology Language using First-Order Automated Theorem Proving
FZI Research Center for Information Technology（FZI信息技术研究中心）；University of Miami（迈阿密大学）
OWL 2已经被万维网联盟（W3C）标准化为语义网的本体语言家族。这些语言中最具表现力的是OWL 2 Full，但迄今为止还没有为这种语言实现reasoner。一致性和蕴涵检查对于OWL 2 Full来说是不可判定的。我们已经将OWL 2 Full语义的一个大片段翻译成一阶逻辑，并使用自动定理证明系统来基于该理论进行推理。结果是有希望的，并表明，这种方法可以应用于实践中有效的OWL推理，超出了目前的语义Web推理的能力。这是在CADE 2011，LNAI 6803，pp上发表的同名论文的扩展版本。446-460.扩展版本提供了附录，其中包含在报告的评价中使用的其他资源。
2011-07-31 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 - Based Dynamic Business Process Customization
业务模型之间的交互以消费者为中心的方式使用，而不是使用以生产者为中心的方法来定制云环境中的业务流程。基于知识的人类语义网用于定制业务流程，它引入人类语义网作为一个概念接口，提供人类可理解的语义上的普通语义网，它提供了机器可读的语义的基础上RDF在这个不匹配是一个主要问题。为了克服这一技术，自动定制检测是一个自动化的过程，检测可能的元素或变量的业务流程，需要特别处理，以适应其他流程的要求.将待定制的业务流程作为主业务流程，将与之协作的业务流程作为辅助业务流程或SBP。自动定制制定是根据检测到的定制点，在定制概念化知识框架上进行自动推理，对PBP执行定制的自动化过程。通过使用Web服务组合Web页面来定制业务流程的过程。
2014-01-23 cs.AI
Semantic-Driven e-Government: Application of Uschold and King Ontology Building Methodology for Semantic Ontology Models Development
Vaal University of Technology（瓦尔理工大学）；North-West University（西北大学）
电子政务是近六年来本体论发展最活跃的领域之一。在电子政务中，本体被用来描述和指定电子政务服务（电子服务），因为它们可以轻松地组合，匹配，映射和合并各种电子政务服务。更重要的是，它们还促进了电子政务服务的语义集成和互操作性。然而，目前的文献中还不清楚如何将现有的本体构建方法应用于政府服务领域的语义本体模型。在本文中，Uschold和King本体构建方法的应用，开发语义本体模型在政府服务领域。首先，提出并讨论了Uschold和King方法，并将其应用于政府领域本体的构建。其次，领域本体的语义一致性评估使用其半形式化的描述逻辑表示。第三，对齐的领域本体与语言和认知工程的描述性本体（DOLCE）的上层本体绘制，使其更广泛的可见性，并促进其与现有的元数据标准的集成。最后，用Web本体语言（OWL）对领域本体进行形式化描述，使其能够被计算机自动处理。该研究旨在为现有的本体构建方法在电子政务领域特定的本体模型的语义Web开发过程中的应用提供方向，这将使其在其他电子政务项目中的可重复性，并加强在电子政务中采用语义技术。
2011-11-08 cs.AI
Transforming and Enriching Documents for the Semantic Web
我们建议采用自然语言处理（NLP）和知识表示（KR）的技术，将现有的文档转换为适合语义Web的文档。语义Web文档至少有一部分语义和语用以机器可处理和人类可读的方式显式标记。XML及其相关标准（XML、RDF、Topic Maps等）是为不同应用场景开发的工具和方法的统一平台。
2005-01-31 cs.AI
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
Semantic rule Web-based Diagnosis and Treatment of Vector-Borne Diseases using SWRL rules
Indian Institute of Information Technology Allahabad（阿拉哈巴德印度信息技术学院）
病媒传播疾病（Vector-borne diseases，VBD）是一种通过蜱、蚊、锥蝽、黑蝇、白蛉等被感染的寄生虫、细菌和病毒叮咬产生的媒介传播而引起的疾病。如果这些疾病不能在合理的时间范围内得到适当的治疗，死亡率可能会上升。在这项工作中，我们提出了一套本体，这将有助于在病媒传播的疾病的诊断和治疗。为了开发VBD的本体，从印度健康记录网站获取的电子健康记录，从印度政府医疗移动应用程序生成的文本数据，以及医生对患者的处方手写笔记被用作输入。这些数据经过预处理后，将使用光学字符识别（OCR）和拼写检查器转换为正确的文本。应用自然语言处理（NLP）从文本数据中提取实体，并在患者临床数据（PCD）本体的帮助下制作资源描述框架（RDF）医疗数据。然后，基本形式本体（BFO），国家媒介传播疾病控制计划（NVBDCP）的指南，和RDF医学数据被用来开发VBD的本体，和语义Web规则语言（SWRL）规则应用于诊断和治疗。开发的本体论有助于在NVBDCP的决策支持系统（DSS）的建设，以控制这些疾病。
2023-01-31 cs.AI
SWRL2SPIN: A tool for transforming SWRL rule bases in OWL ontologies to object-oriented SPIN rules
Aristotle University of Thessaloniki（塞萨洛尼基亚里士多德大学）
语义Web规则语言（SWRL）将OWL（Web本体语言）本体与规则置标语言（RuleML）家族的Horn逻辑规则相结合。它得到了本体编辑器、规则引擎和本体推理器的支持，已经成为在本体之上开发基于规则的应用程序的一个非常流行的选择。然而，SWRL可能不会成为WWW联盟的标准，禁止工业接受。另一方面，SPIN（SPARQL推理表示法）已经成为事实上的行业标准，以表示SPARQL规则和语义Web模型的约束，建立在SPARQL（SPARQL协议和RDF查询语言）的广泛接受。在本文中，我们认为，现有的SWRL规则为基础的本体应用程序的生命可以延长转换到SPIN。为此，我们已经开发了在Prolog的SWRL2SPIN工具，将SWRL规则转换为SPIN规则，考虑到面向对象的SPIN，即链接规则到适当的本体类和优化它们，通过分析规则的条件。
2022-12-08 cs.AI
Adverse Childhood Experiences Ontology for Mental Health Surveillance, Research, and Evaluation: Advanced Knowledge Representation and Semantic Web Techniques
Oak Ridge National Laboratory（橡树岭国家实验室）；University of Tennessee Health Science Center（田纳西大学健康科学中心）
背景资料：不良童年经历（ACE）是一组一个人在童年和青少年时期可能遇到的负面事件和过程，已被证明与儿童成年及以后出现多种负面健康结果和状况的风险增加有关。目的：为了更好地了解ACE及其相关风险因素与相关健康结果之间的关系，并最终设计和实施预防干预措施，需要获得综合一致的数据集。因此，我们实现了一个正式的本体作为一种资源，使心理健康社区，以促进数据集成和知识建模，并提高ACE的监测和研究。方法：采用先进的知识表示和语义网工具和技术实现本体。本体的当前实现是用描述逻辑ALCRIQ（D）来表示的，ALCRIQ（D）是Web本体语言（OWL 2）的子逻辑。结果：ACE本体已经实施，并通过BioPortal存储库提供给心理健康社区和公众。此外，还引入了多个用例场景来展示和评估本体的可用性。创建本体是为了供ACE社区的主要参与者使用，具有不同的应用，从个人诊断和预测他们可能遇到的潜在负面结果，到预防人群中的ACE和设计干预措施和政策。结论：ACE本体提供了一个统一的和可重用的语义网络和一个集成的知识结构，为精神卫生从业者和研究人员，以提高ACE监测和评估。
2019-11-19 cs.AI cs.CY
gUFO: A Gentle Foundational Ontology for Semantic Web Knowledge Graphs
Federal University of Espírito Santo（埃斯皮里图圣安托尼奥联邦大学）；University of Twente（特文特大学）
gUFO是一种轻量级的统一基础本体实现，适用于语义网OWL 2 DL应用。本文介绍了gUFO的构成类别、关系和约束，讨论其与原始UFO的区别，阐述其社区采用情况，并系统地将其定位在现有OWL基础本体实现中。
2026-03-21 cs.AI cs.DB
Automatic Mapping of AutomationML Files to Ontologies for Graph Queries and Validation
Institute of Automation Technology, Helmut Schmidt University, Hamburg, Germany（海德堡-哈根大学自动化技术研究所）；Chair of Automation Technology, Ruhr University, Bochum, Germany（鲁尔大学自动化技术教授职位）
本文提出将 AutomationML 自动映射为 OWL 本体，以支持用 SPARQL 查询和 SHACL 验证，从而突破 XML 工具在自动化数据应用中的限制。
2025-09-18 cs.AI
MeLinDa: an interlinking framework for the web of data
INSTITUT NATIONAL DE RECHERCHE EN INFORMATIQUE ET EN AUTOMATIQUE（法国国家信息与自动化研究所）
数据网络由在网络上发布的数据组成，这些数据可以被解释和连接在一起。因此，在这些数据之间建立联系是至关重要的，无论是对于数据网络还是对于它所提供的语义网络。我们在这里考虑为这一目的开发的各种技术，并分析它们的共性和差异。我们提出了一个总体框架，并展示了不同的技术如何适应框架。从这个框架中，我们考虑数据互连和本体匹配之间的关系。虽然它们在某种程度上可以被认为是相似的（它们都涉及正式实体），但它们服务于不同的目的，但在合作中会发现互利。因此，我们提出了一个方案，根据该方案，数据链接工具可以利用本体对齐。
2011-07-22 cs.AI
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
Web-Based Expert System for Civil Service Regulations: RCSES
Higher Institution of Technology（高等技术学院）；Benha University（本哈大学）；Assuit university（艾斯尤特大学）
Internet和专家系统为知识的共享和分布提供了新的途径，但目前对基于Web的专家系统的研究还比较缺乏。本文介绍了一个基于Web的专家系统的发展，在沙特阿拉伯王国的公务员制度的规则命名为RCSES。这是第一次开发这样的系统（公务员条例的应用），以及它的开发使用基于网络的方法。拟议的制度考虑了公务员制度的17项条例。介绍了RCSES系统开发的不同阶段，包括知识获取与选择、本体和XML格式的知识表示。利用ASP.net技术实现了基于XML规则的知识源和推理机制。建立了一个交互式的工具，用于进入本体和知识库，并进行推理。它提供了以简单的方式使用，修改，更新和扩展现有知识库的能力。知识由公务员法规领域的专家进行了验证，并由不同的技术用户和开发人员对拟议的RCSES进行了测试、验证和验证。将该系统与其他相关的基于Web的专家系统进行了比较，证明了该系统的良好性、可用性和高性能。
2010-01-12 cs.AI
Translating OWL and Semantic Web Rules into Prolog: Moving Toward Description Logic Programs
The MITRE Corporation（MITRE公司）
出现在逻辑编程理论与实践（TPLP），2008年。我们正在研究语义Web的规则和本体层之间的交互，通过比较两种选择：1）使用OWL及其规则扩展SWRL来开发集成的本体/规则语言，以及2）使用RuleML和OWL在本体之上分层规则。为此，我们正在开发的SWORIER系统，它使有效的本体和规则的自动推理，通过将所有这些翻译成Prolog，并添加一组一般规则，正确捕捉OWL的语义。我们还使用户能够在运行时间进行动态更改。这项工作解决了几个问题，在以前的工作中表示，如否定，互补类，析取头，和基数，它讨论了处理知识库中的不一致的替代方法。此外，为了提高效率，我们实现了称为扩展的技术，避免重新分析和代码最小化。
2007-11-21 cs.AI
Towards Classification of Web ontologies using the Horizontal and Vertical Segmentation
Hassan 1st University（哈桑一世大学）
Web的新时代被称为语义Web或数据Web。语义Web依赖于被视为其支柱之一的本体。这些本体论越大，它们的利用就越大。然而，当这些本体变得太大时，可能会出现其他问题，例如在内存中加载大文件的复杂性，下载这些文件所需的时间，特别是对它们进行推理所需的时间。我们在本文中讨论的方法分割这样大的Web本体，以及它的用处。分割方法从现有本体中提取表示现有本体中的层或代的段;即，水平提取。提取的片段本身应该是一个本体。
2017-09-23 cs.AI cs.DB
OntoWind: An Improved and Extended Wind Energy Ontology
TÜBİTAK Energy Institute（土耳其科学技术研究理事会能源研究所）；Gazi University（加济大学）
本体是许多应用领域的重要语义信息源。因此，有本体论的建议，并利用领域，如医学，化学工程和电能。在本文中，我们提出了一个改进和扩展版本的风能本体先前提出的。首先，本体被重构以增加其可理解性和覆盖率。其次，它是丰富的新概念，清晰/模糊的属性，和实例，以增加其在语义应用程序中的可用性有关风能。最终本体利用基于Web的语义门户应用程序的风能，以展示其在一个真正的应用程序的贡献。因此，目前的研究是一个重要的风，从而可再生能源信息学，提出了公开的风能本体和实现的概念验证系统。
2018-03-07 cs.AI
A Comprehensive Survey of Ontology Summarization: Measures and Methods
University of Georgia（佐治亚大学）；Georgia Southern University（佐治亚南方大学）
语义Web正在成为一个大规模的框架，使数据能够以本体的形式发布，共享和重用。本体作为语义网的基本构件，由数据层和模式层两层组成。随着当前本体在数据量和模式复杂度方面的指数级发展，本体理解在本体工程、本体学习等不同任务中发挥着重要作用，变得越来越困难本体摘要作为一种从本体中提取知识并生成简化版本以便于更好地理解的方法，近年来受到越来越多的关注。有各种方法可用于本体摘要，这些方法专注于不同的措施，以便为给定的本体产生适当的摘要。在本文中，我们主要集中在本体摘要的常用度量，并满足了本体摘要的最新发展。
2018-01-05 cs.AI cs.IR
Effective Enabling of Sharing and Reuse of Knowledge On Semantic Web by Ontology in Date Fruit Model
Arab Open University（阿拉伯开放大学）；Muscat College（马斯喀特学院）；Higher College Of Technology（高等技术学院）
由于各组织已认识到知识是创造和维持竞争优势的宝贵无形资产，知识共享在当今社会中发挥着至关重要的作用。它是人们通过不同媒介进行信息交流的活动。知识共享和知识重用领域面临着许多问题。目前，各实体之间的知识共享是以非常临时的方式实现的，缺乏对数据含义的适当理解。本体可以潜在地解决这些问题，促进知识共享和重用，通过正式和真实世界的语义。通过形式语义，本体是机器可理解的。计算机可以处理数据，引用本体进行注释，并通过封装在本体中的知识，从原始数据中推导出事实。枣果是苏丹国丰富遗产最持久的象征。建立枣的本体将丰富农业领域的农业团体和研究学者。
2012-07-10 cs.AI cs.IR
An Ontology-driven Framework for Supporting Complex Decision Process
The Hong Kong Polytechnic University（香港理工大学）
针对决策问题和决策群体具有复杂结构的决策过程，提出了一种基于本体论的群体决策支持系统（ONTOGDSS）框架。它能够降低问题结构和群体关系的复杂性。该系统允许决策者通过网络环境，通过本体关系参与群体决策。它促进了决策过程作为一个整体的管理，从标准生成，备选方案的评估，意见的相互作用，决策汇总。嵌入式本体结构提供了重要的形式化描述功能，以方便决策分析和验证。它检查了软件体系结构，选择方法，决策路径等，最后，该系统的本体应用说明了具体的实际案例，以展示其对决策发展的潜力。
2011-07-15 cs.AI
LB2CO: A Semantic Ontology Framework for B2C eCommerce Transaction on the Internet
Jawaharlal Nehru Technological University（贾瓦哈拉尔·尼赫鲁科技大学）
业务本体可以增强复杂企业系统的成功开发，这是通过知识共享和领域中每个实体之间的轻松通信来实现的。通过人与Web资源的语义交互，机器对Web下以机器可解释的形式发布的数据进行解释。然而，在电子商务领域的业务本体的理论实践是相当少的，特别是在电子交易部分，和各种技术用于获得有效的跨领域的通信是容易出错的，并不总是保证是有效的，在获得预期的结果，由于实体之间的语义集成差。为了克服语义集成差，本研究重点提出本体LB2CO，它结合了IDEF5和SNAP的框架作为分析工具，自动推荐的产品和服务，并创建有效的本体框架B2C交易和通信跨不同的业务领域，促进互联网上的B2C交易的互操作性和集成。
2014-01-05 cs.AI cs.CY
The Semantic Web takes Wing: Programming Ontologies with Tawny-OWL
Newcastle University（纽卡斯尔大学）
Tawny-OWL库为本体构建提供了一个完全可编程的环境;通过将开发重新定义为一种编程形式，它支持使用一组丰富的工具进行本体开发。它是内置的Clojure -一种现代Lisp方言，并由OWL API支持。使用简单，它具有与OWL Manchester语法相似的语法，但它提供了任意的可扩展性和抽象。它建立在Clojure的现有设施之上，Clojure提供了丰富而现代的编程工具链，用于版本控制，分布式开发，构建，测试和持续集成。在本文中，我们描述了图书馆，这个环境及其潜在的影响，本体论的发展过程。
2013-03-01 cs.AI cs.DL
Enhancing Rhetorical Figure Annotation: An Ontology-Based Web Application with RAG Integration
University of Passau（帕绍大学）；Institute for AI Research and Development of Serbia（塞尔维亚人工智能研究与发展研究所）
针对德语修辞格标注数据与标注员缺乏的问题，开发基于GRhOOT本体并集成RAG的Web应用“Find your Figure”，有效促进了修辞格的识别与标注。
2024-12-18 cs.AI cs.CL
Towards Self-explanatory Ontology Visualization with Contextual Verbalization
Institute of Mathematics and Computer Science, University of Latvia（拉脱维亚大学数学与计算机科学研究所）
本体是语义网的核心基础之一。要参与语义Web项目，领域专家需要能够理解所涉及的本体。可视化符号可以提供本体的概述，并帮助用户理解实体之间的联系。然而，用户首先需要学习视觉符号，然后才能正确地解释它。受控的自然语言表示将是立即可读的，并且在复杂公理的情况下可能是优选的，然而，本体的结构将保持不太明显。我们建议结合本体可视化与上下文本体verbalizations选定的本体（图）元素，显示控制自然语言（CNL）解释OWL公理对应于选定的视觉符号元素。因此，领域专家将受益于图形符号提供的高级概述和图中特定元素的详细文本解释。
2016-07-06 cs.AI cs.CL
Learning Vague Concepts for the Semantic Web
University of Edinburgh（爱丁堡大学）
本体可以是一个强大的工具，结构化的知识，他们目前是广泛的研究课题。更新一个本体的内容或提高它与其他本体的互操作性是一个重要但困难的过程。在本文中，我们专注于模糊概念的存在，这是普遍存在于自然语言，在形式本体的框架内。我们将采用一个框架，在这个框架中，通过可以自动调整的数字限制来捕获复杂性。由于更新模糊的概念，无论是通过本体对齐或本体进化，可能会导致不一致的公理集，我们定义并实现了一种方法来检测和修复这种不一致的地方时尚。
2014-10-19 cs.AI cs.CL
A Markov Model for Ontology Alignment
The University of Georgia（佐治亚大学）
可用数据的爆炸式增长以及集成和利用这些数据的需求导致了对数据集成技术的迫切兴趣。在语义网技术中，本体对齐是异构知识库集成的关键步骤。在本文中，我们提出了边缘置信度技术，修改和改进流行的相似性洪水技术的本体对齐。
2013-04-20 cs.AI cs.DB
Using Semantic Web Services for AI-Based Research in Industry 4.0
University of Trier（特里尔大学）；German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心（DFKI））
向工业4.0的过渡需要智能制造系统，这些系统易于配置，并在制造过程中提供高水平的灵活性，以实现大规模定制或支持云制造。为了实现这一点，网络物理系统（CPS）与人工智能（AI）方法相结合，找到了进入制造车间的方法。对于在工业4.0的背景下使用人工智能方法，语义Web服务对于提供底层制造能力的合理抽象是必不可少的。在本文中，我们提出了工业4.0中基于AI的研究的语义Web服务。因此，我们开发了300多个语义Web服务的物理仿真工厂的基础上Web本体语言Web服务（OWL-S）和Web服务建模本体（WSMO），并将它们链接到一个已经存在的领域本体智能制造控制。适合CPS环境的要求，我们的前置条件和后置条件进行了验证，在近实时调用其他语义Web服务的知识库内的复杂推理。最后，我们通过执行一个由语义Web服务组成的网络物理工作流，使用工作流管理系统来评估我们的实现。
2020-07-07 cs.AI cs.SE
OntoLoki: an automatic, instance-based method for the evaluation of biological ontologies on the Semantic Web
University of British Columbia（不列颠哥伦比亚大学）
本体中每个类的逻辑定义的描述以及这些定义在将实例分配给类时的一致性应用是本体评估的重要标准。如果本体是用基于属性的类成员限制来指定的，那么这种一致性可以被自动检查。如果没有这样的逻辑限制，是与许多生物本体的情况下，目前没有自动化的方法来衡量的语义一致性的实例分配的本体范围内的规模，也没有推断的模式，可能会定义一个特定的类的属性。我们构建了一个程序，作为其输入的OWL/RDF知识库包含一个本体，与本体中的每个类相关联的实例，以及这些实例的属性。对于每个类，它输出：1）用于基于实例的属性确定类成员资格的规则，以及2）反映所识别的规则正确预测知识库中的实例的类成员资格的能力的类的定量分数。我们评估了这个程序使用人工知识库的已知质量和真正的，广泛使用的本体。结果表明，所提出的方法可以用来进行客观的，自动的，数据驱动的生物本体的评价没有正式的类定义方面的基于属性的实例分配的一致性。这种归纳方法补充了现有的，纯粹的演绎方法自动一致性检查，提供不仅有可能帮助本体工程过程中，而且在知识发现过程中。
2015-02-20 cs.AI q-bio.QM
The Hidden Web, XML and Semantic Web: A Scientific Data Management Perspective
INRIA Saclay（法国国家信息与自动化研究所萨克雷分所）；Institut Télécom（法国电信学院）；Télécom Paris（巴黎电信学院）；Montclair State University（蒙特克莱尔州立大学）；ParisTech（巴黎高科）；CNRS LTCI（法国国家科学研究中心信息与通信科学技术实验室）
万维网不再仅仅由HTML页面组成。我们的工作揭示了互联网上的一些趋势，超越了简单的网页。隐藏的Web以半结构化的形式提供大量数据，可以通过Web表单和Web服务访问。这些服务以及Web上的许多其他应用程序通常使用XML，即可扩展置标语言。XML已经成为Internet的通用语言，它允许为特定域定义自定义标记。在XML之上，语义Web作为一种常见的结构化数据源而发展。在这项工作中，我们首先详细解释这些发展。使用现实世界的例子，从科学领域的极大兴趣，今天，我们展示了这些新的发展可以帮助管理，收获和组织的数据在Web上。同时，我们也说明了目前在这些领域的研究途径。我们认为，这一努力将有助于连接多个数据库轨道，从而吸引研究人员，以期扩大数据库技术。
2011-05-10 cs.AI
AdaptLIL: A Gaze-Adaptive Visualization for Ontology Mapping
AdaptLIL利用眼动注视作为输入，通过多模态技术实现实时自适应本体映射可视化，将图形覆盖层限制为成对映射，为个体用户提供个性化自适应。
2024-12-14 cs.AI cs.HC
On the Merging of Domain-Specific Heterogeneous Ontologies using Wordnet and Web Pattern-based Queries
Faculty of Information Technology（信息技术学院）；Faculty of Computer Science（计算机科学学院）；Monash University（莫纳什大学）；University of Lyon（里昂大学）
本体构成了各种计算机科学学科的基本兴趣，如语义网，信息检索，数据库设计等，它们旨在提供一个正式的，明确的和共享的概念化和不同社区之间的共同领域的理解。此外，它们允许明确定义特定领域的概念及其约束。然而，本体开发的分布式特性和本体工程师观点的差异导致了本体之间的“语义异构性”。语义异构性是实现本体间互操作性的主要障碍。为了克服这一障碍，我们提出了一个多用途的框架，利用WordNet通用知识库：i）发现和纠正不正确的语义关系的概念之间的本体在一个特定的领域。该步骤是本体合并的一个基本步骤。ii）通过计算概念之间的语义关系来合并特定领域的本体。㈢通过在网上获取统计资料，处理WordNet中缺少概念的问题。4.用这些缺失的概念丰富WordNet。一个实验性的框架实例和比较国家的最先进的语法和语义为基础的系统验证我们的建议。
2020-04-30 cs.AI cs.CL cs.IR
DeFind: A Protege Plugin for Computing Concept Definitions in EL Ontologies
Institute of Mathematics, Novosibirsk State University（新西伯利亚国立大学数学研究所）；Institute of Informatics Systems, Novosibirsk State University（新西伯利亚国立大学信息系统研究所）
我们介绍了一个扩展的Protege本体编辑器，它允许发现概念定义，这是不明确存在的公理，但逻辑上隐含的本体。该插件支持在描述逻辑EL中制定的本体，该描述逻辑EL支持Web本体语言的OWL 2 EL配置文件，尽管其有限的表达能力捕获了Web上发布的大多数生物医学本体。所开发的工具允许验证是否可以使用用户指定的感兴趣的词汇定义一个概念。特别是，它允许决定是否可以省略一些词汇项目在制定一个复杂的概念。相应的定义被呈现给用户，并被提供有由本体推理器生成的解释。
2018-10-10 cs.AI cs.LO
CLaRO: a Data-driven CNL for Specifying Competency Questions
University of Cape Town（开普敦大学）
本体和类似人工制品的能力问题（CQ）旨在提供对本体内容的见解并划分其范围。缺乏一个受控的自然语言，工具和自动化，以支持创作的CQ阻碍了他们的有效使用本体开发和评估。现有的几个问题模板是基于对少量CQ的非正式分析，并且对问题类型和句子结构的覆盖有限。我们的目标是通过提出一个基于模板的CNL来填补这一空白，作者CQ，称为CLaRO。在设计中，我们利用了一个新的数据集，其中包含234个CQ，这些CQ已被自动处理成106个模式，我们分析并用于设计基于模板的CNL，以及额外的CNL模型和XML序列化。使用原始数据集中的问题子集和两组新来源的CQ对CNL进行评价。CLaRO拥有93个主要模板和41种语言变体，对于看不见的问题的覆盖率约为90%。CLaRO有可能促进简化形式化本体内容要求，并鉴于测试集中约三分之一的能力问题被证明是无效的问题，帮助编写好的问题。
2019-07-17 cs.AI cs.DB
Ontology-guided Semantic Composition for Zero-Shot Learning
University of Oxford（牛津大学）；INRIA（法国国家信息与自动化研究所）；Zhejiang University（浙江大学）；The University of Edinburgh（爱丁堡大学）；The University of Aberdeen（阿伯丁大学）
零样本学习（ZSL）是一个热门的研究问题，旨在利用带有一些辅助信息的类间关系来预测那些在训练阶段从未出现过的类。在这项研究中，我们提出了一个OWL（Web本体语言）本体建模的组成和表达语义的类标签，并进一步开发了一个新的本体嵌入的OWL框架。动物图像分类和视觉问答的初步实验验证了该方法的有效性。
2020-06-30 cs.AI cs.LG
Improving Statistical Multimedia Information Retrieval Model by using Ontology
GGS Indraprastha University（GGS 因德拉普拉萨大学）
一个典型的信息检索系统，提供和存储信息之间的匹配问题的用户查询和Web上可用的内容。使用本体表示的形式，由节点，边缘，索引词等网络图的检索方法提供相关性，从而满足用户的查询提取的术语。本文还着重对多媒体文档进行了分析，并利用不同的统计公式对提取的术语进行了计算。所提出的模型减少了语义鸿沟，有效地满足用户的需求。
2017-03-21 cs.AI cs.IR
