Learning Description Logic Ontologies. Five Approaches. Where Do They Stand?
University of Bergen（卑尔根大学）
对获取感兴趣领域的知识的形式化表示的追求吸引了具有各种背景的研究人员进入一个称为本体学习的多样化领域。我们强调经典的机器学习和数据采掘的方法，已提出（半）自动创建描述逻辑（DL）本体。这些是基于关联规则挖掘，形式概念分析，归纳逻辑程序设计，计算学习理论和神经网络。我们提供了每种方法的概述，以及它是如何适应处理DL本体。最后，我们讨论了它们各自对于学习深度学习本体的好处和局限性。
2021-04-02 cs.AI cs.LG cs.LO
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
To Neuro-Symbolic Classification and Beyond by Compiling Description Logic Ontologies to Probabilistic Circuits
University of Pisa（比萨大学）；University of Bologna（博洛尼亚大学）；University of Edinburgh（爱丁堡大学）
通过将描述逻辑本体编译为概率电路，实现神经符号分类与知识表示的深度融合，提升演绎推理效率和预测一致性。
2026-01-21 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
Computing Horn Rewritings of Description Logics Ontologies
University of Oxford（牛津大学）
我们研究的问题重写本体O1表示在DL L1到本体O2在霍恩DL L2，使O1和O2是equisatifiable扩展时，与任意数据集。允许这种重写的本体服从于推理技术，以确保数据复杂性的易处理性。在L1扩展ALCF时显示不可判定性后，我们专注于设计有效的可检查条件，以确保霍恩重写的存在。通过提升现有的技术，将析取数据重写成普通数据的情况下，任意一阶程序与功能符号，我们确定了一类本体，承认霍恩重写多项式的大小。我们的实验表明，许多现实世界的本体满足我们的充分条件，从而承认多项式霍恩重写。
2015-04-21 cs.AI cs.LO
Building Rules on Top of Ontologies for the Semantic Web with Inductive Logic Programming
Università degli Studi di Bari（巴里大学）
在本体之上构建规则是语义Web逻辑层的最终目标。为此，目前正在讨论一种用于这一层的特别标记语言。它的目的是遵循传统的混合知识表示和推理系统，如$\mathcal{AL}$ -日志，集成了描述逻辑$\mathcal{ALC}$和无函数霍恩子句语言\textsc{Datalog}。在本文中，我们考虑的问题，这些规则的语义Web的自动化收购。我们提出了一个通用的规则归纳框架，采用归纳逻辑程序设计的方法装置，并依赖于$\mathcal{AL}$ -log的表达和演绎能力。无论归纳的范围（描述与预测）如何，该框架都是有效的。然而，为了说明的目的，我们还讨论了一个实例化的框架，其目的是描述和原来是有用的本体精化。关键词：归纳逻辑程序设计，混合知识表示和推理系统，本体，语义网。逻辑程序设计理论与实践（Theory and Practice of Logic Programming，TPLP）
2007-11-12 cs.AI cs.LG
Reasoning about exceptions in ontologies: from the lexicographic closure to the skeptical closure
Università del Piemonte Orientale（东皮埃蒙特大学）；Università di Torino（都灵大学）
本体论中的异常推理是描述逻辑界目前面临的挑战之一。本文介绍了一种基于有理闭包的描述逻辑异常处理方法。有理闭包的优点是为例外推理提供了一种简单有效的方法，但它不允许独立处理概念的不同可废止属性的继承。在这项工作中，我们概述了这个问题的一个可能的解决方案，通过引入一个变体的字典编译闭包，我们称之为怀疑闭包，这需要构建一个单一的基地。我们开发了一个双偏好语义语义定义的表征的怀疑关闭。
2018-07-08 cs.AI
Ontohub: A semantic repository for heterogeneous ontologies
Free University of Bozen-Bolzano（博尔扎诺-博岑自由大学）；Otto-von-Guericke University of Magdeburg（马格德堡奥托·冯·古里克大学）
Ontohub是一个用于管理分布式异构本体的存储库引擎。分布式特性使社区能够轻松地分享和交换他们的贡献。异构性使得集成以各种本体语言编写的本体成为可能。Ontohub支持广泛的形式逻辑和本体语言，以及各种结构化和模块化结构和理论间（概念）映射，建立在OMG标准化的DOL语言之上。Ontohub存储库被组织为Git存储库，因此继承了这个流行的版本控制系统的所有功能。此外，Ontohub是第一个满足开放本体库（OOR）计划背景下制定的大量需求的库引擎，包括联邦API以及对逻辑推理和公理选择的支持。
2016-12-15 cs.AI
On the Complexity of Semantic Integration of OWL Ontologies
我们提出了一个新的机制，OWL本体集成使用语义导入关系。与标准的OWL导入相比，我们不需要考虑导入本体的所有公理进行推理任务，而只需要考虑它们在所选签名上的逻辑含义。这个属性在许多本体集成场景中是很自然的，特别是当本体的数量很大的时候。在本文中，我们研究了推理的复杂性与语义导入关系的本体，并建立了严格的复杂性范围内的各种片段的OWL。
2017-05-12 cs.AI
A Description Logic for Analogical Reasoning
Cardiff University（卡迪夫大学）
本体论形式化了来自给定领域的概念是如何相互关联的。尽管它们作为可解释人工智能的支柱具有明显的潜力，但现有的本体往往是高度不完整的，这是它们更广泛采用的重大障碍。为了缓解这个问题，我们提出了一种机制来推断合理的缺失知识，这依赖于类比推理。据我们所知，这是第一篇论文，研究类比推理的设置描述逻辑本体。在显示类比比例的标准形式化具有重要的局限性，在这种情况下，我们介绍了一种替代语义的基础上双射映射集的功能。然后，我们分析的性质下提出的语义类比，并显示它如何使两个合理的推理模式：规则翻译和规则外推等。
2021-05-10 cs.AI
A Survey on how Description Logic Ontologies Benefit from Formal Concept Analysis
SAP Research Center Dresden（SAP德累斯顿研究中心）
虽然概念作为共享某些属性的对象的集合的概念和概念层次的概念是形式概念分析和描述逻辑的基础，但这两个研究领域之间描述和获得概念的方式有很大不同。尽管存在这些差异，但已经有几次尝试弥合这两种形式主义之间的差距，并尝试将一个领域的方法应用于另一个领域。本文综述了描述逻辑与形式概念分析相结合的研究成果。
2011-07-14 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
Expressivity of Planning with Horn Description Logic Ontologies (Technical Report)
Saarland University（萨尔大学）；University of Freiburg（弗莱堡大学）
人工智能规划中的状态约束在全球范围内限制了法律环境状态。标准规划语言做出封闭域和封闭世界的假设。在这里，我们解决开放世界的状态约束正式规划的描述逻辑（DL）本体。以前，这种DL和规划的结合已经被研究用于轻型DL DL-Lite。在这里，我们提出了一种新的编译方案，标准PDDL派生谓词，这适用于更有表现力的DL和基于DL查询到数据库的可重写性与分层否定。我们还提供了一个新的可重写性结果的DL霍恩ALCHOIQ，这使我们能够将我们的编译方案相当表达的本体。相比之下，我们表明，在轻微的扩展角SROIQ没有这样的编译是可能的，除非弱指数层次崩溃。最后，我们表明，我们的方法可以优于以前的工作，现有的基准规划与DL本体，是可行的新基准利用更具表现力的本体。这是AAAI 22接受的论文的扩展版本。
2022-03-17 cs.AI cs.CC cs.LO
Bias in ontologies -- a preliminary assessment
University of Cape Town（开普敦大学）
在计算和IT中，本体论形式的逻辑理论和类似的人工制品被用于结构化、注释和查询数据等，从而影响关于什么被馈送到算法中的数据分析。算法偏见是一个众所周知的概念，但是在为算法输入提供结构化机制的本体论的上下文中，偏差意味着什么呢？偏见的来源是什么？它们如何在本体论中表现出来？我们检查和列举类型的偏见相关的本体论，以及它们是否是明确的或隐含的。这八种类型的例子说明了从现存的生产级本体和样本的文献。然后，我们评估了三个同时开发的COVID-19本体论的偏见，并在每个本体论中检测到不同程度的偏见类型子集。这第一个特点的目的是有助于本体论的道德方面的敏感性，主要是关于信息和知识的表示。
2021-01-20 cs.AI
A Typed Hybrid Description Logic Programming Language with Polymorphic Order-Sorted DL-Typed Unification for Semantic Web Type Systems
在本文中，我们阐述了一个具体的应用程序的背景下，混合描述逻辑程序（混合DLP），即描述逻辑语义Web类型系统（DL类型），用于长期类型化的LP规则的基础上多态，有序排序，混合DL类型的统一作为过程语义的混合DLP。使用语义Web本体作为类型系统，通过显式定义的类型本体的动态类型化和映射，促进了跨域边界的域独立规则的交换。
2007-04-03 cs.AI
Evonne: Interactive Proof Visualization for Description Logics (System Description) -- Extended Version
TU Dresden（德累斯顿工业大学）
描述逻辑蕴涵的解释为大型本体的维护提供了重要的支持。在本体编辑器中通常用于此目的的“证明”精确指出本体中负责给定蕴涵的部分。蕴涵的证明使中间的推理步骤变得明确，从而解释了一个结论实际上是如何推导出来的。我们提出了一个交互式的系统，探索描述逻辑证明，称为Evonne，可视化的表达DL写的本体论的后果证明。我们描述了用于计算这些证明的方法，以及一个称为基于签名的证明浓缩的功能。此外，我们使用真实的本体来评估生成的证明的质量。
2022-05-19 cs.AI cs.LO
Logical Separability of Labeled Data Examples under Ontologies
University of Hildesheim（希尔德斯海姆大学）；Leipzig University（莱比锡大学）；University of Liverpool（利物浦大学）
在概念学习、数据库查询的逆向工程、生成引用表达式和知识图谱中的实体比较等应用中，找到一个逻辑公式来分离以标记数据项的形式给出的正例和反例是基础。在本文中，我们调查的存在下，存在一个本体的数据分离公式。对于本体语言和分离语言，我们都集中在一阶逻辑及其以下重要片段：描述逻辑$\mathcal{ALCI}$、防护片段、双变量片段和防护否定片段。对于分离，我们还考虑合取查询（的联合）。我们考虑几种形式的可分性，不同的处理反例，在他们是否承认使用额外的辅助符号，以实现分离。我们的主要结果是模型理论的刻画（所有变种）的分离性，不同语言的分离能力的比较，和调查的计算复杂性决定分离性。
2022-08-17 cs.AI cs.LO
Data Analytics using Ontologies of Management Theories: Towards Implementing 'From Theory to Practice'
York University（约克大学）；Kingsdale Shareholder Services（金斯代尔股东服务公司）；Canadian Tire（加拿大轮胎公司）
我们探讨了计算本体论如何在“数据科学”这一发展中的学科中发挥作用。“我们提出了一种方法，其中管理理论被表示为形式公理，然后应用于对驻留在公司数据库中的数据进行推断。也就是说，管理理论将被实现为数据分析引擎中的规则。我们展示了一个案例研究的发展，这样的本体论正式代表会计理论的一阶逻辑。虽然相当初步，但信息技术（即本体论）可以潜在地实现学术陈词滥调“从理论到实践”并适用于新兴的数据分析领域的想法是新颖和令人兴奋的。
2016-08-28 cs.AI
Optimizations for Decision Making and Planning in Description Logic Dynamic Knowledge Bases
IMT Institute for Advanced Studies（IMT高等研究院）
以工件为中心的业务流程模型最近引起了很多关注，因为它们以无缝的方式将结构（即数据相关）与动态（即流程相关）方面结合起来。然而，在这种方法下开发的许多框架并不是明确为规划而建立的，而规划是与业务流程有关的最重要的业务之一。在本文中，我们试图克服这一点，提出了一个框架，名为动态知识库，旨在通过描述逻辑为基础的本体描述丰富的业务领域，并在一组动作允许系统通过修改这样的本体发展。这个框架，通过提供行动重写和知识偏化，代表了一个可行的和正式的环境，以开发决策和规划技术，基于DL的工件为中心的业务领域。
2015-05-04 cs.AI
Planning with OWL-DL Ontologies (Extended Version)
University of Oslo（奥斯陆大学）；Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）
本研究提出本体介导的规划方法，通过接口松散耦合规划问题与本体，设计支持OWL DL全表达能力的黑盒算法，将规划规范重写为PDDL求解，实验验证了方法可行性及推理优化对性能的显著作用。
2024-08-14 cs.AI
Dividing the Ontology Alignment Task with Semantic Embeddings and Logic-based Modules
City, University of London（伦敦大学城市学院）；University of Oslo（奥斯陆大学）；Medical University of Vienna（维也纳医科大学）；University of Oxford（牛津大学）；Miami University（迈阿密大学）
大型本体仍然对最先进的本体对齐系统提出了严峻的挑战。在本文中，我们提出了一种方法，结合了神经嵌入模型和基于逻辑的模块，以准确地将输入本体匹配任务划分为更小，更易于处理的匹配（子）任务。我们已经进行了全面的评估，使用本体对齐评估计划的数据集。结果是令人鼓舞的，并建议，所提出的方法是足够的，在实践中，可以集成在工作流程中的系统无法应付非常大的本体。
2020-02-25 cs.AI
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
Reasoning about actions with EL ontologies with temporal answer sets
Università del Piemonte Orientale（东皮埃蒙特大学）；Università di Torino（都灵大学）
我们提出了一种基于回答集编程的方法，用于推理与域描述，包括本体知识，在轻量级描述逻辑EL^ \bot表示的行动。我们考虑一个时间的行动理论，它允许非确定性的行动和因果规则来处理后果，其扩展定义的时间答案集。我们提供的条件下，可以保证相对于本体的动作一致性，由一个多项式编码的动作理论扩展与EL^ \bot知识库（在范式）到一个时间的动作理论。
2021-07-18 cs.AI
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
Conceptual Modeling of Time for Computational Ontologies
Kuwait University（科威特大学）
为了给概念建模提供一个基础，本体被引入来指定实体，这些实体的存在在模型中被确认。在软件工程中，本体是作为对现实的一部分进行建模的机制的基本组件。在本文中，模型指的是对填充系统的对象和过程的描述。开发这样的描述约束和指导相应系统的设计，开发和使用，从而避免冲突和缺乏共识等困难。在建模和本体之间的跨领域研究中，对领域本体的开发和使用的兴趣越来越大（例如，资源描述框架、本体Web语言）。本文通过提出一个可操作的本体，为特定领域的概念建模建立了广泛的本体基础。TM是一种称为thimac（事物/机器）的单类别本体，用于阐述本体论假设的设计和分析。研究的重点是变化，事件和时间等概念。几个当前的本体论的困难进行了审查和改造的TM。TM建模还与SysML中的时间表示进行了对比。结果表明，TM是一个有用的工具，用于解决这些本体问题。
2020-07-16 cs.AI
Frontiers and Exact Learning of ELI Queries under DL-Lite Ontologies
Leipzig University（莱比锡大学）；University of Hildesheim（希尔德斯海姆大学）
我们研究ELI查询（ELIQs）中存在的本体制定的描述逻辑DL-Lite。对于方言DL-LiteH，我们表明，ELIQs有一个边界（一组最一般的推广），是多项式的大小，可以在多项式时间计算。相反，在DL-LiteF方言中，边界可能是无限的。我们确定了一个自然的句法限制，使相同的积极结果为DL-LiteH。我们使用的结果表明，ELIQs是可学习的多项式时间中存在的DL-LiteH /限制DL-LiteF本体在Angluin的框架中的精确学习，只有成员查询。
2022-04-29 cs.AI
Neuro-Symbolic RDF and Description Logic Reasoners: The State-Of-The-Art and Challenges
IIIT-Delhi（德里印度理工学院信息技术学院）；Adobe Inc.（奥多比公司）
本文综述了结合神经网络学习能力与符号推理能力的神经符号方法，以解决RDF、EL、ALC及OWL 2 RL本体推理中因规模大、表达力强、含噪声和不一致所导致的可扩展性与效率问题。
2023-08-09 cs.AI
Combining Ontologies with Correspondences and Link Relations: The E-SHIQ Representation Framework
University of Piraeus（比雷埃夫斯大学）；University of the Aegean（爱琴海大学）
在分布式环境中，如何将自主节点的知识和信念结合起来是一个重大的挑战。在本文中，我们认为同行结合本体论和原因，共同与他们的耦合知识。本体论是描述逻辑的SHIQ片段。虽然有几个表示框架的模块化描述日志- ICS，每一个作出至关重要的假设有关的主观性同行的知识，域之间的关系，本体论的解释，表达的构造器用于结合知识，和方式同行共享他们的知识。然而，在自主同伴可以独立于他人发展和扩展他们的知识和信仰的环境中，这些假设可能不成立。在这篇文章中，我们动机需要一个表示框架，允许同行以各种方式结合他们的知识，保持自己的知识和信念的主观性，并协同推理，构建一个分布在他们之间的画面，联合。本文提出了E-SHIQ表示框架，实现了E-SHIQ分布式Tableau推理机，并讨论了该推理机的效率。
2013-10-09 cs.AI
Description Logic EL++ Embeddings with Intersectional Closure
King Abdullah University of Science and Technology（阿卜杜拉国王科技大学）
许多本体，特别是在生物医学领域，是基于描述逻辑EL++。通过分布式表示学习，已经做出了一些努力来解释和利用EL++本体。具体来说，EL++理论中的概念被表示为n维嵌入空间中的n个球。然而，当使用n-ball来表示概念时，相交闭包并不满足，因为两个n-ball的交集不是n-ball。这导致了在测量概念之间的距离和推断概念之间的等价性时的挑战。为此，我们开发了EL Box Embedding（ELBE）来学习使用轴平行盒的描述逻辑EL++嵌入。我们从EL++公理生成专门设计的基于框的几何约束，用于模型训练。由于盒的相交保持为盒，所以满足相交闭合。我们在三个数据集上报告了大量的实验结果，并提出了一个案例研究来证明所提出的方法的有效性。
2022-02-28 cs.AI
FALCON: Scalable Reasoning over Inconsistent ALC Ontologies
Delft University of Technology（代尔夫特理工大学）；University of Toronto（多伦多大学）；University of Notre Dame（圣母大学）
提出FALCON模糊本体神经推理器，通过近似模型生成与采样，实现大规模不一致ALC本体的可扩展近似推理，并在生物医学知识库补全中验证其有效性。
2024-05-27 cs.AI cs.LO
A New Method for the Semantic Integration of Multiple OWL Ontologies using Alignments
Université de Tunis El Manar（突尼斯埃尔马纳尔大学）；Faculté des Sciences de Tunis（突尼斯理学院）；Institut Supérieur des Langues Appliquées et d’Informatique de Béja（贝贾高等应用语言与计算机学院）
这项工作是作为硕士论文项目的一部分完成的。其目标是将两个或多个本体（相同或接近的领域）集成到一个新的一致和连贯的OWL本体中，以确保它们之间的语义互操作性。为了做到这一点，我们选择创建一个桥本体，其中包括所有的源本体和它们的桥接公理在一个定制的方式。此外，我们引入了一个新的标准，以获得更好的质量本体（具有最小的语义/逻辑冲突）。我们还提出了新的术语和定义，澄清了在最先进的作品中随机使用的不明确和错位的“整合”和“合并”概念。最后，我们测试和评估我们的OIA 2 R工具使用本体和参考对齐的OAEI运动。事实证明，它是通用的，高效的和足够强大的。
2018-10-05 cs.AI
An Alternative to RDF-Based Languages for the Representation and Processing of Ontologies in the Semantic Web
本文描述了一种基于ICMAUS计算理论和人工智能的语义Web中本体的表示和处理方法。这种方法的优点是补充了基于资源描述框架（RDF）的语言，如RDF模式和DAML+OIL。ICMAUS方法的主要优点是本体表示的简单性和可理解性，能够应对知识中的错误和不确定性，以及具有语义Web中似乎需要的概率推理能力的多功能推理系统。
2003-07-29 cs.AI
First steps in the logic-based assessment of post-composed phenotypic descriptions
Universitat Jaume I de Castelló（卡斯特利翁海梅一世大学）；European Bioinformatics Institute（欧洲生物信息研究所）；University of Oxford（牛津大学）
在本文中，我们提出了一个初步的逻辑为基础的评估整合后组成的表型描述与领域本体。评价已经进行了使用描述逻辑推理与可扩展的技术：本体模块化和本体之间的逻辑差异的近似。
2010-12-08 cs.AI cs.LO
Converting Instance Checking to Subsumption: A Rethink for Object Queries over Practical Ontologies
University of Miami（迈阿密大学）
在各种数据密集型的描述逻辑应用中，有效地查询描述逻辑本体正成为一项重要的任务。实例检查作为一种基于深度学习本体的对象查询应答服务，可以通过最具体概念（MSC）方法实现，该方法将实例检查问题转化为包含问题。然而，这种方法，失去了它的简单性和效率时，适用于大型和复杂的本体，因为它往往会产生非常大的MSC的，可能会导致棘手的推理。在本文中，我们提出了一个修订的MSC方法DL SHI，使其能够生成更简单，更小的概念，是具体的，足以回答一个给定的查询。通过计算MSC之间的独立性，查询应答的可扩展性也可以通过分布和并行计算来实现。实证评估表明，我们修改后的MSC方法的有效性和显着的效率时，使用它来回答对象查询。
2015-02-26 cs.AI
Embedding Non-Ground Logic Programs into Autoepistemic Logic for Knowledge Base Combination
Free University of Bozen-Bolzano（波尔扎诺自由大学）；Digital Enterprise Research Institute（数字企业研究院）；National University of Ireland, Galway（爱尔兰国立高威大学）
在语义网的背景下，已经提出了几种方法来结合的本体，在经典的一阶逻辑和规则库的理论。它们要么将规则注入经典逻辑，要么限制规则与本体之间的交互。自认知逻辑（Autoepistemic logic，AEL）是一种很有吸引力的形式化语言，它可以作为一种统一的宿主语言，将本体和非单调逻辑程序嵌入其中，从而克服了这些局限性。本文给出了正常非基逻辑程序和析取非基程序在稳定模型语义下到一阶AEL的三种嵌入。虽然嵌入都对应于目标基础原子，但在考虑非原子公式和与一阶理论的组合时会出现差异。我们比较嵌入稳定的扩展和自我认知的后果，考虑嵌入本身，以及与经典理论的组合。我们的研究结果揭示了嵌入的差异和对应关系，并提供了有用的指导，在选择一个特定的嵌入知识组合。
2010-06-11 cs.AI cs.LO
The African Wildlife Ontology tutorial ontologies: requirements, design, and content
University of Cape Town（开普敦大学）
背景大多数教程本体侧重于说明本体开发的一个方面，特别是语言功能和自动推理机，但忽略了本体开发的因素，如紧急建模指南和本体论原则。然而，初学者从他们进行的练习中复制例子。不提供好的例子整体上导致传播次优本体开发，这可能会对一个真正的领域本体的质量产生负面影响。结果我们确定了22个要求，一个好的教程本体应该满足有关学科领域，逻辑和推理，工程方面。我们开发了一套关于非洲野生动物的本体论作为教程本体论。大部分的要求已经满足了一套非洲野生动物本体教程本体，这是本文介绍的。非洲野生动物本体是成熟的，自2010年以来每年都在本体工程课程或教程中使用，并被纳入最近的本体工程教科书，其中有相关的例子和练习。结论非洲野生动物本体论提供了广泛的选择有关的例子和练习的本体工程远远超出了只说明语言功能和自动推理。它有助于演示有关本体质量的任务，例如与基础本体的对齐和满足能力问题、版本控制和多语言本体。
2019-05-23 cs.AI
The Institutional Approach
本章讨论了组织和维护本体的制度方法。制度理论最初由约瑟夫·戈根和罗德·伯斯托尔提出。这一理论是一种基于范畴论的元理论，它把本体论看作逻辑理论或局部逻辑。制度理论使用纤维化和索引范畴的范畴理论思想来发展逻辑理论。机构将Ganter和Wille的形式概念分析的格方法与Barwise和Seligman的信息流的分布式逻辑相结合。制度化的方法局部地结合了来自知识表示理论的Sowa的理论网格思想。信息流框架，这是在IEEE标准的上层本体项目中发起的，使用机构的方法在其应用方面的比较，语义集成和本体的维护。本章以一种仔细而详细的方式解释了本体论的制度方法的中心思想。
2018-10-17 cs.AI cs.LO
A Novel Approach to Multimedia Ontology Engineering for Automated Reasoning over Audiovisual LOD Datasets
Flinders University（弗林德斯大学）
多媒体推理，这是适合于，除其他外，多媒体内容分析和高层次的视频场景解释，依赖于所表示的知识域的正式和全面的概念化。然而，大多数多媒体本体论在角色定义方面并不详尽，并且不包含复杂的角色包含和角色相互依赖性。事实上，大多数多媒体本体根本没有角色盒，并且仅实现可用逻辑构造器的基本子集。因此，它们在多媒体推理中的应用是有限的。为了解决上述问题，VidOnt，第一个具有SROIQ（D）表达性和DL安全规则的多媒体本体已经被引入下一代多媒体推理。与通常的做法相反，正式的基础已经设置在最具表现力的描述逻辑之一，并与行业领先的推理机，即HermiT和FaCT++验证本体。本文还介绍了开发多媒体本体的最佳实践，基于我的本体工程方法。
2016-08-26 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
Applying the Closed World Assumption to SUMO-based FOL Ontologies for Effective Commonsense Reasoning
University of the Basque Country (UPV/EHU)（巴斯克地区大学）
最常见的是，开放世界假设被采用作为设计，构建和使用本体的标准策略。这种策略限制了任何系统的推理能力，因为非断言语句（缺少知识）可以被假设为真或假。正如我们将证明的，这是特别是一阶逻辑（FOL）本体的情况下，非断言语句是当今的主要障碍之一，其实际应用中的自动常识推理任务。在本文中，我们调查的封闭世界假设（CWA）的应用，使更好地利用FOL本体使用国家的最先进的自动定理证明。为此，我们探索了不同的CWA公式的结构知识编码在FOL翻译的相扑本体，发现几乎30%的结构知识是失踪。我们评估这些配方的实际实验中使用一个非常大的常识基准WordNet通过其映射到相扑。实验结果表明，在CWA框架下，本体的推理能力提高了50%以上。因此，将CWA自动应用于FOL本体减少了它们的歧义，并且可以回答更多的常识问题
2020-03-04 cs.AI
Using MathML to Represent Units of Measurement for Improved Ontology Alignment
Centrum Wiskunde & Informatica（荷兰国家数学与计算机科学研究所）
本体提供了知识领域中概念及其关系的形式化描述。本体对齐的目标是在独立开发的本体中识别语义匹配的概念和关系，这些本体声称描述相同的知识。为了处理尽可能广泛的本体类，许多对齐算法依赖于术语和结构方法，但概念的模糊性使匹配过程复杂化。然而，由于其数学性质，应该提供明确匹配解决方案的一个领域是测量单位。有几种测量单位的理论可用，但没有尝试将它们统一起来，尽管技术互操作性具有明显的重要性。我们提出了一个通用的策略来映射这些（和类似的）本体，通过引入MathML来准确地捕捉其中指定的概念的语义描述。我们提供了三个本体的映射结果，并表明我们的方法提高了词汇比较。
2013-07-05 cs.AI
SMT-Based Safety Verification of Data-Aware Processes under Ontologies (Extended Version)
Computing Science Department, Umeå University（于默奥大学计算科学系）
在验证数据感知过程（DAP）的背景下，基于可满足性模理论（SMT）的形式化方法已被认为是验证参数化的安全属性的所谓的工件为中心的系统。这种方法需要结合模型理论的概念和算法技术的基础上向后可达性。我们在这里介绍一个变种的最调查的模型在这个频谱，即简单的工件系统（SAS），而不是管理一个数据库，我们在一个描述逻辑（DL）本体（稍微扩展）RDFS表示。这DL，享有适当的模型理论的属性，使我们能够定义基于DL的SAS向后可达性仍然可以应用，导致相应的安全问题的PSPACE的可判定性。
2021-08-27 cs.AI
Actively Learning Concepts and Conjunctive Queries under ELr-Ontologies
University of Bremen（不来梅大学）；University of Hildesheim（希尔德斯海姆大学）
我们考虑的问题，学习一个概念或查询中存在的本体制定的描述逻辑ELR，在Angluin的主动学习框架，允许学习算法交互式查询的甲骨文（如领域专家）。我们证明了以下内容可以在多项式时间内学习：（1）EL-概念，（2）无冗余ELI-概念，（3）弦、无冗余和有界元的合取查询（CQ）。在所有情况下，学习者都可以基于ABoxes和等价查询向oracle提出成员资格查询，这些查询询问来自所考虑的类的给定概念/查询是否等价于目标。在等价查询中，当我们允许无限制的CQ时，可以取消（3）中对有界元的限制。我们还表明，EL概念是不是多项式查询学习ELI本体的存在。
2021-05-19 cs.AI
Answering Regular Path Queries Over SQ Ontologies
Cardiff University（卡迪夫大学）；TU Wien（维也纳工业大学）；Universität Bremen（不来梅大学）
我们研究查询回答的描述逻辑$\mathcal{SQ}$支持合格的数量限制的传递和非传递的角色。我们的主要贡献是一个树状模型属性的$\mathcal{SQ}$知识库，并在此基础上，一个最佳的自动机为基础的算法回答积极存在的正规路径查询2ExpTime。
2020-11-17 cs.AI cs.LO
Building Trustworthy AI: Transparent AI Systems via Large Language Models, Ontologies, and Logical Reasoning (TranspNet)
Department of Data Science, Faculty of Science and Technology, Norwegian University of Life Sciences（数据科学系，科学与技术学院，挪威生命科学大学）
针对LLM在医疗、金融等高风险场景中的黑箱问题，本文提出融合符号AI、RAG、专家知识与ASP形式化推理的TranspNet流水线，以增强输出的可验证性、可解释性和可信度。
2024-12-18 cs.AI cs.ET
Executable Ontologies in Game Development: From Algorithmic Control to Semantic World Modeling
本文提出利用可执行本体实现游戏开发中的语义世界建模，通过数据流条件实现任务中断，解决传统AI架构中的语义-过程鸿沟。
2026-01-12 cs.AI
OWL2Vec*: Embedding of OWL Ontologies
City, University of London（伦敦城市大学）；University of Oslo（奥斯陆大学）；Samsung Research（三星研究院）；University of Oxford（牛津大学）
知识图谱的语义嵌入已经被广泛研究并用于跨诸如自然语言处理和语义Web的各个领域的预测和统计分析任务。OWL（Web Ontology Language）本体可以表达比知识图谱更广泛的语义，在生物信息学等领域得到了广泛的应用。本文提出了一种基于随机游走和词嵌入的本体嵌入方法OWL2Vec*，该方法综合考虑了OWL本体的图结构、词汇信息和逻辑构造函数，对本体的语义进行编码。我们对三个真实世界数据集的实证评估表明，OWL2Vec* 在类成员预测和类包含预测任务中受益于本体的这三个不同方面。此外，在我们的实验中，OWL2Vec* 通常显著优于最先进的方法。
2021-01-25 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
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
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
An Experiment on the Connection between the DLs' Family DL<ForAllPiZero> and the Real World
本文描述了一个选定的语义Web本体的测试床的分析，通过SPARQL查询，确定那些本体，可以相关的描述逻辑DL<ForAllPiZero>，介绍了在[4]和研究[9]。我们将看到，在这种计算效率高的语言中，它们中的合理数量是可表达的。我们期望，从长远来看，描述逻辑的时间化，从而OWL（2），可以打开新的视角，在这种语言中包含更多的测试平台的本体，并希望，“现实世界”。
2012-11-23 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
Overview of chemical ontologies
Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院）
本体以形式和语义的方式对特定领域的知识进行排序和互连，以便它们是机器可解析的。他们试图定义所有可接受的概念和对象的定义，对它们进行分类，提供属性以及将它们与关系（例如“A是B的特殊情况”）联系起来。更准确地说，Tom Gruber将本体定义为“概念化的规范; [...]对一个代理或代理社区可能存在的概念和关系的描述（类似于程序的正式规范）。“[1]本体是由组织在类中的个体组成的。两者之间可以有属性和关系。一些复杂的本体定义了改变属性或关系的限制、规则和事件。为了计算机可访问，它们是用某些本体语言编写的，如OBO语言或更常用的通用代数规约语言。随着数字化、互联化和全球化世界的兴起，必须找到共同的标准，本体论引起了人们极大的兴趣。[2]然而，化学本体论的发展才刚刚开始。事实上，可以找到一些有趣的化学本体论的基本方法，但它们有两个主要缺陷。首先，我们发现它们大多只是零星完成或仍处于建筑状态。其次，显然没有化学本体论被广泛接受。因此，本文试图描述化学相关领域中的主要本体论发展：化学分析方法本体论、命名反应本体论和科学单位本体论。
2020-02-07 cs.AI
CQE in Description Logics Through Instance Indistinguishability (extended version)
Sapienza Università di Roma（罗马大学）；Università degli Studi di Bergamo（贝加莫大学）
我们研究隐私保护查询回答描述逻辑（DLs）。具体来说，我们认为的方法的控制查询评估（CQE）的概念的基础上的实例不可分割性。我们推导出数据复杂性的结果查询回答DL-Lite $_{\mathcal{R}}$本体，通过比较与一种替代的，现有的保密CQE的方法。最后，我们确定了CQE的近似查询回答的语义上有根据的概念，并证明了，对于DL-Lite $_{\mathcal{R}}$本体，这种形式的CQE在数据复杂度方面是易处理的，并且是一阶的，即，它总是可简化为对数据实例的一阶查询的评估。
2020-04-24 cs.AI cs.DB
